《为什么》书干货集锦

《为什么》

《为什么》这本书优秀的地方

第一，作者 朱迪亚·珀尔 很厉害;
第二，他提出了重要的问题,创立了一门新的科学：因果推断。
阅读本书的好处
珀尔教授提出的问题，是真问题。对于真问题的思考，不管是赞同还是反对他的观点，你都收获了阅读的最大价值。

跨界对于学者是伪概念

“跨界”这个词对于学者来说，有可能是个伪概念。
往往由于他们想回答的问题宏大而根本，单一学科无法承载，必然要动用多学科来回应。
例如：写《枪炮、病菌与钢铁》的戴蒙德,他要回答的问题是，为什么在地球上，在某个特定的时间，在某些特定的地区，而不是其他地方，产生了强大的文明，这必然会覆盖到历史、生物演化、地理、气象等多个学科领域。
过度专家化是成为学者的障碍。
一个大牛学者，牛在能提出极有价值的问题，并且用已有的各学科成果和漂亮的方法去解释它。

朱迪亚·珀尔提出因果关系论。

今天的世界过于相信数据的说服力，这种迷信也该走到头了。
数据本身没有什么智力，決定数据使用的是人的思维。
现在的大数据和人工智能的主流方向，是一种没什么前途的方向。
真正重要的，是让机器真正像人一样思考，去习人类发展过程中导致超速进化的那个超级能力，而不是盲人骑瞎马，乱摸乱撞。
导致人类超速进化的超级能力是什么呢？就是因果关系。珀尔建立了一门新的科学，他非常清晰和笃定地告知大家：相关关系不等于因果关系。

为什么因果关系这么重要？

想象不存在事物能力的底层就是因果关系。
人类的进化中，从类人猿到智人花费了几百万年，但是5万年前人类突然开始极大加快了进化速度。这巨变，人类以神奇的速度获得了改变环境和改变自身的能力，珀尔称它为“超进化加速”。学者们对此提出过很多理论，其中就包括以色列历史学家尤瓦尔赫拉利所提出的“认知革命”——人类具备了想象不存在事物的能力。
想象和因果关系密切。如果你想象不出问题的结果，你追问原因就没有意义。
人的认知里，世界不是由孤立的事件组成的，这些孤立的事件也可以理解成今天所说的数据。数据通过错综复杂的因果关系融合在一起些事的发生导致了另一些事的出现。如果人调整自己的行为，就会导致可以预期的结果。预期激发了人们的行为优化，继而再作用于思维。此后，人类的共同想象让人产生了信仰，信仰神，信仰来世，信仰领袖。

珀尔认为，人的因果关系的认知分为三个层级。

第一层是观察。通过观察建立事物之间的关联关系。
例如：观察打雷和山林大火，在人类发生认知革之前，很多动物都具备同样的能力。
第二层是行动能力，也就是用行动来干预、预测结果，选择行动方案。
只有少数物种开始具备这种能力，可以使用工具可以看作达到这一层的标志。
例如：“如果我们在河边发起攻击，那么我们会更快地抓住那只鹿”。
第三层是想象，具备反事实推理的能力，这是个顶层的认知能力。
反事实推理
假设一件事没有发生，或者假设你当时做了什么事，结果会不会变成另外的样子？
例如：“假如我不吸烟，是不是今天就不会生病？”“如果我没有吃阿司匹林，我的头疼会不会好？”“假如刺杀希特勒的计划成功二战会提前结束吗？”
例如：“假设我当年考了精算师的证，今天的收入会不会是现在的 10 倍？”
生活中有很多不可理喻的人、骗子、键盘侠、怨妇心态的受害者，就是胡乱地使用了因果关系导致。
例如：“如果不是你老出差，孩子就能考上重点中学“，“要不是这个药，他的病怎么会好得这么快？“你就是因为骄做，成绩オ下降“，“就是因为要求大家都打卡，我们公司才能像今天这样有纪律，有战斗力”“，“如果嫁给他，我的生活比现在幸福多了“
这本书告诉我们，错误的归因，是智力障得的表现。
反事实推理，是一个人保持正常思维的校正器。
这三层认知能力，对于机器学习、人工智能的影响是有级差的区别。每一级释放出来的能量，都是上一级所无法企及的。

回归平均值

高尔顿发现 预测总是落在一条直线上，称之为回归线。在摒除了人的判断和解释的前提下，以客观的度量说明了两个变量是如何关联的。不管它们是身高、智力，或者是收入，它们可以是因果的、互相独立的，或者是反因果的关系。
他希望从一堆变量中找出因果关系，结果却发现了相关性。他没有找到一个令人满意的生物机制来解释为什么遗传会回归平均值，最终放弃了只研究相关性。
事实上：
一方面，智力、天斌和身高一样，都有回归均值的特点。为什么有些家族就是会不断涌现优秀分子呢？有可能是经济原因和家庭教养的原因。
另一方面，掌握社会优质资源的家庭通过联姻的方式交互和巩固家族的权力，以抵御风险或者获取更大的社会资源。经济和权力，比遗传的关联性更能解释世族。

关于为什么的灵魂拷问

情景喜剧《路易不容易》，一个小女孩跟他的父亲一块儿吃早餐，她从一个最简单的问题出发：我可以去外面玩吗？父亲说，不行，女孩问为什么。父亲没有敷衍她，每一个为什么都在认真回答，虽然每一次回答的表情都好像想要死。通过十几个为什么的追问，这位父亲追溯了他的前半生，不好好学习，匆忙结婚，美国的经济状况，最后落于精神层面的“上帝死了”，女孩终于满意。
第一，每个人如果残酷地对待自己，对任何一个严肃決策都追问“为什么”，追问五到十次，那么越到后面，你越会发现被自己有意屏蔽的真相，也许不到几分钟的时间，你就会完成整个灵魂拷问，如果碰巧有灵魂的话。
第二，所有的家长都有这样的共同记忆，孩子从三四岁开始，不停地问为什么，直到把父母烦死，还不停歇。这种近乎本能地用因果认识世界的方式，并不是家庭的习得，它确实如珀尔所说，这是人之为人的思维特点。
珀尔教授振聋发聩地追问，为什么要满足于关联性这个基本方法论？为什么不走上一步，把那个在 5 万年前让人类脱胎换骨的思维突变一一因果关系，让机器像人的突变一样发生功能性的石破天惊。之前的人工智能=人工智障，而真正的人工智能，必须是一部能跟自己说不的机器。

机器学习当前等级

机器学习目前停留在第一层级
现在的机器学习没达第二层级，没有机器学习在第二层级的因果认知能力的例证。但在人身上，这一点我们很好理解。
例如：一个品牌的牙膏销量下降了，销售人员需要决策，是找明星做广告？还是对其中几款产品做个大型促销，同时带动其他没有降价的牙膏的销量？还是做一个事件营销，把这款牙膏装在马斯克的 Space X 火箭上送上太空，让太空人给全球直播，太空中一管牙膏的 10 种不同玩法。
所有这些都需要预测：如果实施了某个行为，它的销量会产生何种变化？投入产出比是多少？
这个层级我们感觉机器学习似乎已经在实施了，实际上却还是停留在第一阶段。
例如：每家公司都需要用大量的现有数据去推演怎样做效果更好，也就是说，找到充分的关键替代数据去预测。珀尔认为，这无非是用第一层的关联数据，来回答第二层的干预问题。深度学习最大的问题是，因为缺乏因果模型，就永远无法自行回答干预问题。
在第三层的认知基础上，机器应该可以完成反事实的推断。
机器学习应该可以回答，如果我们把牙膏的价格降低 25%，那么过去买过这种牙膏的人再去购买的概率会有多少？这个问题看起来也很熟悉，好像没有高级到哪里去但是它把真实世界和虚拟的世界进行了对比。
例比如医药行业中，我们就能借此找出一种只针对某个人和某类人，而可能对其他人无效的疗法。
没有因果关系模型的建立，这个反事实的推断机器永远无法建成。

假如机器人发展到第三层

机器当前只用到第一层的因果认知，已经给今天的人类带来了畏惧和无力。
如果机器果真像人一样思考，以它们的不眠不休和强大的学习力，人以后又将如何跟机器共处，谁是谁的主人，谁是谁的产品？
珀尔教授说，从人类历史上看，在人类有能力做，或者已经掌握了相关制造技术的时候，人类很少选择不做，或者不制造，就如同70年代关于 DNA 重组技术的讨论，争论的激烈和对这项技术发展的担忧样存在，但是这项技术停步了吗？没有。它的发展越发成熟。珀尔坚信人类一定会制造出比自己强大的机器，这台机器有自由意志，能分辨善恶。

关于直觉的讨论

人类直觉的本质，是基于大量经验的因果关系网络的模型，有可能输出你自己都不敢相信的判断。
生活中，你会发现很多时候直觉的结果非常准确，但你一想，盘算，反而不准确了。人随身携帯了超级工具，但我们却很少去分析它，甚至警惕它，歪曲它。
也许对直觉的审视，会给我们带来一个难以估量的研究和应用的未来。
中国最好的语言学家之一徐通锵教授说过：直觉近真理。

知识之间相互影响

任何一本书，任何一个理论，它们之间都有干丝万缕的关联，一代代学者互相影响，互相挑战，形成了相似和相反的理论和意见，我们在并不知情的情况下，在沿着他们当年划下的跑道向前飞奔。
统计学家高尔顿，本想证明因果关系，结果去搞了相关关系。
高尔顿的研究深刻地启发了两百年后的珀尔，另个影响珀尔的还有历史学家赫拉利写的《人类简史》中关于认知革命和共同想象的部分。赫拉利受到戴蒙德写的《枪炮、病菌与钢铁》的深刻影响，有人甚至认为，这本书是对就蒙德的深度致故。戴蒙德有一本新作即将在中国出版《剧变》，里面会谈到如何建立国家化解危机的模型，亳无疑问，他的立论也必须依据因果关系的立场。