2011 · 人工智能

从发现规律到追问原因

概率模型与因果模型让不同的问题得到明确区分。

朱迪亚·珀尔

2011图灵奖

视觉指南

奖项，化为图解

阅读图解文字

因果推理为分析干预、解释和反事实问题提供了结构化语言。

因果结论需要假设和合适证据，只有相关性图并不足够。

01 · 核心想法

朱迪亚·珀尔发展了处理不确定性和因果关系的数学工具。概率图可以表示依赖关系，因果模型则进一步假设变化如何传播。这让人们能够区分：观察到两件事同时发生，与预测主动干预会带来什么结果。

因果推理为分析干预、解释和反事实问题提供了结构化语言。

02 · 人物

朱迪亚·珀尔建立了不确定性推理以及区分关联与因果的框架。他的贝叶斯网络用图组织概率依赖关系，使复杂模型中的推断更高效。他后来发展因果推理与干预的图方法，在加州大学洛杉矶分校把人工智能、统计学和科学解释联系起来，帮助研究者追问主动改变系统会产生什么结果。

03 · 延伸阅读

本站原创讲解依据官方获奖记录。领域标签用于编辑导航。