Judea Pearl
UCLA 電腦科學系榮譽教授
關於
Judea Pearl 是以色列裔美國電腦科學家與哲學家，現任 UCLA 電腦科學與統計學系榮譽教授，並主持認知系統實驗室。他因在概率與因果推理演算方面對人工智能的根本性貢獻，榮獲 2011 年 ACM 圖靈獎。他在貝葉斯網路方面的研究革新了機器處理不確定性的方式，而其因果推論理論已改變了從流行病學到社會科學等眾多領域。他是《因果革命：人工智慧的大未來》(The Book of Why，2018) 的作者。
主要貢獻
- 開發貝葉斯網路，為 AI 在不確定性下推理提供實用的圖形語言
- 創建 do-calculus 與結構因果模型，形式化資料何時能支持因果主張，而不只是相關性
- 將因果推論變成統計、流行病學、社會科學與 AI 的共同基礎設施，而不只是狹義 AI 子領域
- 因機率與因果推理奠基工作獲得 2011 年圖靈獎
- 透過《Causality》與《因果革命》普及因果推論，包括因果階梯框架
- 他對 curve-fitting AI 的批評仍然銳利，但也有 ML 研究者認為因果形式主義比其論述暗示的更難規模化
影片與訪談
Judea Pearl: Causal Reasoning, Counterfactuals, and the Path to AGI | Lex Fridman Podcast #56
Wide-ranging conversation on Bayesian networks, counterfactual reasoning, and what machines need to achieve true intelligence
View Details
The New Science of Cause and Effect
Pearl's talk on how causal reasoning transforms our understanding of AI and science
View Details思想連結
傑佛瑞·辛頓
思想對照AI 先驅與研究者
Pearl 是教會 AI 用機率推理的人，卻在生涯後期反過來主張機率並不足夠：「深度學習所有令人印象深刻的成就，都只是曲線擬合」——卡在關聯這最低的一階上，既表達不了介入，也表達不了反事實。辛頓的立場則是：一個把世界壓縮到足以預測它的模型，也就因此理解了世界。讀者要決定的是：Pearl 所描述的那道階梯，是形式系統的層級，還是心智的層級。
quantamagazine.org
約書亞·班吉歐
思想同道AI 先驅與安全研究者
一組詮釋性的對照，追蹤的是一項批評如何被吸收。Pearl 花了數十年主張關聯只是最低的一階，機器必須要有介入與反事實才爬得上去；Bengio 則從深度學習內部出發，基於幾乎相同的理由，轉向因果表徵學習與 System 2 推理。《Wired》記下 Pearl 說他對 Bengio 的想法印象深刻，儘管他並未仔細研究——那是一個論證跨過學科邊界、抵達時已被略微翻譯過的聲音。
aiws.net · arxiv.org
Gary Marcus
曾經對談認知科學家、AI 批評者與作家
2020 年 12 月，兩人同列 Montréal.AI 第二屆 AI Debate 的講者名單：Marcus 主持論壇，Pearl 主張下一代系統需要的是被加入的知識，而不是更多資料。兩人都認定因果是缺失的那一塊，卻走了不同的路——Pearl 經由數十年關於介入與反事實的形式化工作，Marcus 經由清點深度網路的失效模式。重疊是真的，但只有一部分：Pearl 的演算所要求的東西，遠比 Marcus 提出的混合架構具體得多。
syncedreview.com
