|
|
|
▎《因果革命》內容簡介
大數據為什麼不夠聰明？
比機率更強大的思考工具又是什麼？
《快思慢想》作者暨諾貝爾獎得主康納曼、《大演算》作者多明哥斯、
谷歌網路推廣長文特．瑟夫、微軟研究實驗室主任艾瑞克．霍爾維茲
————重磅推薦！————
電腦科學界諾貝爾獎「圖靈獎」得主暨貝氏網路研發先驅Judea Pearl總結畢生研究成果，聯手獲獎的統計學家Dana Mackenzie，提出改變人工智慧及科學界的重要工具！
►大數據看似厲害，其實有很大的侷限
近幾年大數據當紅，加上它在許多領域的成功運用，其地位與能力備受追捧。與大數據密切相關的統計學，是法蘭西斯・高爾頓與卡爾・皮爾森解答對於遺傳的疑問未果，而開發出來的學科，這門學科創立後興盛數十載，其名言「相關不是因果」影響科學界經常止步於探究「關聯」而非「因果」，並且長期受資料本位的歷史所影響，認為資料無所不能，但是朱迪亞・珀爾希望藉此書告訴讀者，資料本身一點也不智慧。
►要發展出「強AI」，機率思考仍遠遠不夠
一九八○年代初，朱迪亞・珀爾認為不確定性是AI所欠缺的最重要的能力，於是運用機率開發出強大的推理工具——貝氏網路，因而獲得有電腦科學界諾貝爾獎之稱的「圖靈獎」。貝氏網路是首先讓電腦以灰階方式思考的工具，至今仍極受人工智慧界倚重，然而到了一九八○年代末，珀爾認為貝氏網路仍沒有填補人工智慧和人類智慧的差距，於是他轉而研究如何教AI學會「因果推論」，本書便是整理了歷代科學家推展因果革命的努力與成果。
►從「求得相關性」的舊階段，邁入「釐清因果關係」的新時代
本書最初幾章是有趣的科學史，探討科學家追求因果解釋的過程如何受挫，以致發展出統計學，並讓統計學方法長期引領學界研究。接著書中有大約一半篇幅，作者以實例示範因果語言（圖示模型）如何解決傳統統計學認為無解的難題，逐一揭示「因果階梯」三大分層的能力（越高的層級，認知挑戰越高，越難理出因果關係），並讓讀者了解因果革命路上諸人的努力與進展，以及這些進展的重要性。本書末尾回頭說明因果革命相對於人工智慧各重要發展面向（比如大數據、深度學習、資料探勘、機器學習等），有何勝出之處、能對它們起什麼正面影響，以及最重要的——「因果革命」將會如何改變人工智慧。
►「因果革命」不只影響人工智慧，還影響各研究領域
現今機器學習運作時仰賴的是「相關性」，而不是「因果」，如果能成功將因果思考導入電腦，將使電腦變成真正的科學家，使它們成為我們的得力伙伴，提供我們更合理的洞見。由於因果思考可以呈現罪責，電腦能因而具備道德感——「具備道德感的強AI」是因果革命在人工智慧領域的終極追求，作者形容這「是人工智慧給人類的第一個、也是最好的禮物」。
因果性研究還釐清了我們多年來對許多知識本質的不解，改變我們對於眾多問題的認識，這些問題牽涉的層面無所不包，舉凡涉及解讀資料以及根據解釋而採取的作法（像是致病因素、醫療資源分配、公共政策擬定等），都能受益。集結眾多領域學人之力才有如今成果的因果革命，亦將回頭影響整個科學界，珀爾形容它「將使科學的體質更加健全，是人工智慧給人類的第二個禮物」。在美國，因果科學已經開始被大學列入課程……
►我們強烈建議這些人士閱讀這本書：
（1）資料科學家與大數據研究者，以及對大數據深感興趣的人
（2）統計學家、數學家，電腦科學相關從業人員與學習者
（3）對經濟趨勢與科研發展有興趣的一般大眾
（4）希望培養科學素養，了解最新科學方法的學子
（各章內容簡介可參閱〈目錄〉的引文）
▎《人性較量》內容簡介
｛《華爾街日報》全國暢銷圖書／《紐約時報》編輯選書｝
｛《波士頓環球報》年度最佳圖書／《紐約客》雜誌年度最佳書籍｝
＊＊＊
「這不算。……『深藍』也沒有贏。」
西洋棋大師卡斯帕洛夫與超級電腦交手落敗後，為何這麼說？
人類與人工智慧的關係，是「你輸我才贏」的零和賽局？
◎《麻省理工技評論》年度最佳書籍、亞馬遜書店電腦科學Top 1著作《決斷的演算》（Algorithms to Live By）合著者克里斯汀，另一部探討「人機關係」的佳作！
◎讀者評道：「我在資訊科技領域工作超過二十年，這本書仍讓我看到新面向。」
＊＊＊＊＊
電腦原本是我們仿人腦的傑作，不意隨著它們的運算能力越來越強大，在許多領域打敗人類，人工智慧開始威脅我們的「自我感覺」，令我們質疑起原本自豪的能力，甚至認為它將取代人類。不過實際發展就如認知科學學者侯世達所說：「雖然我們不斷開發人工智慧，但每次在AI領域更進一步，不但沒有逐漸形成何謂真正智能的共識，反而一再揭露真正的智能不是什麼。」本書作者藉由自己「代表人類」參加圖靈測驗與電腦決勝負的準備經驗，耙梳了電腦科學領域數十年來的關鍵突破與研究重心的轉變，探討人工智能如何成為我們的「對照組」，提醒著我們人類哪些特質難以取代，人工智慧又可以在哪些地方成為我們的互補。
►圖靈測驗是什麼？
「如果有一天我們造出精巧到可說能思考的機器，要怎麼知道它有這個能耐？」電腦科學先驅艾倫・圖靈為了解答上述問題提出一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機向他們提問，再分辨哪個是人、哪個是電腦——人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）就是依此創立的。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」——換句話說，與其他「人機對決」不同的是，圖靈測驗較量的乃是「人性」。
►圖靈測驗跟你我每日的生活都有關……
加快簡訊打字速度很依賴「預測」演算：手機要能猜出你接下來想打什麼字、要能自動更正錯字，要會很多諸如此類的事。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣回信給你的程式一樣聰明，因此生活在資訊時代，你我可說經常不知不覺進行著圖靈測驗……
►這本書從聊天機器人的基本設計和發展談起，從人腦與電腦的競賽切入，帶讀者了解電腦和AI這幾十年的關鍵進展，以及它讓我們對自己產生什麼新認識。作者認為：與其把過去幾十年看成機器對抗人類的競爭，不如說我們與機器在同一陣線，必須學習與他們共存。而既然我們對電腦的長處已充分了解，那麼更該「重新發現」自己的特色——換句話說，我們該去了解人何以為人。（各章內容簡介可參閱〈目錄〉的引文）
各界好評
▎《因果革命》
►谷歌網路推廣長文特．瑟夫：
珀爾近三十年來的學術成就，為人工智慧發展提供堅實的理論基礎……同時把「思考機器」提升到另一個境界。
►《大演算》作者佩德羅．多明哥斯：
因果如果不是相關，那又是什麼？拜朱迪亞．珀爾的劃時代研究之賜，現在我們已能精確回答這個問題。想理解世界如何運行，這本引人入勝且讀來愉快的書是理想的起點。
►微軟研究實驗室科技研究員及主任艾瑞克．霍爾維茲：
朱迪亞．珀爾是人工智慧領域、甚至整個電腦科學界革命的核心人物。
►諾貝爾經濟學獎得主及《快思慢想》作者丹尼爾．康納曼：
各位是否曾疑惑「相關」和「因果」究竟是什麼關係？這本精彩著作深入淺出地說明了答案。
►《紐約時報》喬納山．尼伊：解說十分詳盡……本書不僅詳盡介紹概念的發展史，也提供概念工具，讓讀者理解大數據的優勢與不足之處。
►《自然》雜誌：「相關不是因果」這句科學俗語已在社會上造成影響……朱迪亞．珀爾提出嶄新的數學解決方案……現在已在生物、醫學、社會科學和人工智慧領域開花結果。
►《猶太日報》：深入淺出……珀爾是有遠見的因果革命領袖，這本書則是他最大的成就。
讀者好評
►對電腦科學、統計學或人工智慧當今發展有興趣的人都應該讀讀。這本書如同康納曼的《快思慢想》，是作者畢生科學研究的總結，不僅對同領域科學家而言價值非凡，也是全人類的瑰寶。（讀者阿蘭．約瑟夫．坎恩）
►朱迪亞．珀爾的貝氏網路和因果圖以十分優雅的方式結合統計學、流行病學、決策和電腦科學等領域。他的研究成果賦予並擴大了大數據的潛力。這本書是市面上第一本為一般大眾介紹這主題的書籍，其影響將無以估計。（讀者湯瑪斯 J. 阿拉岡，流行病學家）
►知名商學研究所都應該用這本書當成教材。我送了一本給我念大學時的院長。為了現在和未來的學生著想，我希望它能成為一門課。（讀者喬治．莫札奇斯）
▎《人性較量》
○《紐約客》雜誌年度最佳書籍
○《紐約客》雜誌讀者年度最愛
○《華爾街日報》全國暢銷圖書
○《紐約時報》編輯選書
○《波士頓環球報》年度最佳圖書
►大衛・伊葛門，《大腦解密手冊》作者：
這本探討聊天機器人最新發展的作品深具吸引力，它對人類想像、思考、對話、欺騙和愛的討論令我大開眼界。了解人類的最佳方式竟是研究模仿人類的機器，這種理路誰想得到呢？
►《紐約時報》書評：
令人驚艷……筆調狂放而犀利……克里斯汀在過程中發現：假如機器能贏得模仿遊戲，那不是因為它們表現得越來越像人，而是因為我們越來越不像人……在《The Most Human Human》裡，看得出來克里斯汀始終將這件事放在心上。不論是他或這部作品，都堪得『The Most Human Human』之名。
►《華爾街日報》評論：
讀來令人欲罷不能……克里斯汀信手捻來，以清晰的筆觸勾勒極為龐大的領域，舉重若輕的功力令人欽佩……以生活實例說明關鍵概念的本事驚人……克里斯汀到底有沒有贏得『最人模人樣人類獎』呢？快拿起這本書看看吧。
►艾倫・萊特曼，《愛因斯坦的夢》作者：
極具雄心的大膽嘗試，既富知性挑戰又妙趣橫生，這是部可愛的作品，它將啟發你活出豐富又有意義的人生。
►《泰晤士報》：
內容出色，筆調風趣，讀來令人耳目一新。從亞里斯多德到電視劇《辦公室風雲》，這趟哲學之旅貫串古今，趣味盎然……要是哪天機器也能寫出這般機鋒處處又饒富新意的作品，我們可得當心了。
◎讀者好評
►我讀過不少批判AI的書，總是在怨嘆AI可能很危險，抱怨它會搶走人類的工作，哀哀上告它會讓我們變笨或至少變得更不聰明。這本書不一樣，它熱情讚美人類投注於AI領域的努力，點出我們在這方面的成就和這些成就的意義，也珍惜尚不可見的AI未來。作者確實有道理保持樂觀：人工智慧已讓我們重新評估何謂智慧，已讓我們重新思考何而為人。
►在我印象裡，我沒讀過哪本非虛構作品像這本一樣充滿啟發與洞見。我在資訊科技領域工作超過二十年，對書中提到的議題自認並不陌生，但這本書還是讓我看到新的面向。對我來說，這本書既與我的工作相關，也為我帶來不少閱讀樂趣。我很喜歡談到字詞對人的影響那部分，而且寫得不會太專或太深。我願意向每一個人推薦這本書。
►雖然科技版面現在全是AI突破、聊天機器人和自動化崛起的新聞，但我認為，在見證這些驚人發展的同時，大多數人的共識仍是：機器與人的互動，還遠遠達不到「個人幫手」的標準。本書從一個有趣的角度探究原因所在：該怎麼設計能分辨人類和演算法的測驗？如果真有這麼一個測驗，你又該怎麼證明自己是人類？答案既複雜又令人眼睛一亮，不僅就問題本身而言是如此，對我們人類來說也是如此。
作者簡介
朱迪亞・珀爾（Judea Pearl）
因為研發貝氏網路，而獲得有「電腦科學界諾貝爾獎」之稱的圖靈獎，著有三本極具影響力的科普書籍。珀爾是美國國家科學院院士，也是首先進入IEEE智慧系統名人堂的十名科學家之一，獲得的獎項與榮譽博士學位多不勝數，包括盧梅哈特獎（認知科學學會）、富蘭克林獎章（富蘭克林研究所）以及拉克托斯獎（倫敦經濟學院）。他目前擔任加州大學洛杉磯分校電腦科學教授，同時是丹尼爾．珀爾基金會創辦人及執行長，目前住在洛杉磯。
達納．麥肯錫（Dana Mackenzie）
數學博士，現為科普作家，經常為《科學》、《新科學家》、《科學美國人》、《史密森尼》、《鸚鵡螺》和《發現》等雜誌撰稿。他寫的書《大碰撞：月球是怎麼形成的？》（The Big Splat, or How Our Moon Came to Be）曾經獲選為Audible.com網站2010年最佳有聲書。麥肯錫曾獲2012年傳播獎（美國數學聯合政策委員會）與2015年查文尼特數學解說獎（美國數學學會），他現在住在加州聖克魯茲。
布萊恩・克里斯汀（Brian Christian）
布萊恩・克里斯汀曾與湯姆．葛瑞菲斯（Tom Griffiths）合著《決斷的演算》（Algorithms to Live By），該書榮獲《麻省理工科技評論》年度最佳書籍，以及亞馬遜書店年度最佳科學書籍，甫上市便登上亞馬遜書店「認知科學類」、「電腦科學類」和「商務決策與問題解決類」第一名，有聲書亦銷售亮眼。《決斷的演算》在台灣由行路翻譯出版。
克里斯汀於布朗大學取得哲學、電腦科學與詩學學位，曾擔任加州大學柏克萊分校「認知與大腦科學中心」訪問學者，以及雅朵藝術村與麥道爾藝術村駐村藝術家，作品曾獲「美國最佳科學與自然寫作獎」，亦曾獲得美國詩學會獎項，曾應Google、Facebook、微軟、聖塔菲研究所和倫敦政經學院等機構之邀前往演講。他的文章散見於《紐約客》、《大西洋月刊》、《連線》、《華爾街日報》、《衛報》、《巴黎評論》及《認知科學》等科學期刊，此外他積極參與自由軟體行動，也熱中駭客活動，目前住在舊金山。
譯者簡介
甘錫安
由科學界踏入「譯界」，現為專職譯者。曾擔任Discovery頻道與資訊雜誌編譯，現仍定期為《科學人》與《BBC知識》等雜誌翻譯。書籍譯作包括《成分迷思：解讀健康新聞的10堂通識課》、《暗池：人工智慧如何顛覆股市生態》與《決斷的演算》等書。目前住在有山有海有美食的台灣頭基隆，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
朱怡康
專職譯者，守備範圍以宗教、醫療、政治與科普為主。譯有《也許你該找人聊聊：一個諮商心理師與她的心理師，以及我們的生活》、《也許你該找人聊聊2：心理師教你大膽修訂自己的人生故事》、《CIA洗腦計畫》、《怎樣談科學》、《二十一世紀生死課》、《棋逢對手：中東與美國恩仇錄》套書、《為什麼我們製造出玻璃心世代？》、《看得見的人類大遷徙》等書。其他歷史、科普譯作散見於《BBC知識》月刊。
臉書專頁「靈感總在交稿後」：www.facebook.com/helpmemuse
▎《因果革命》
◎自序
這本書的目標有三個：一是以非數學語言讓讀者理解因果革命的詳細內涵，以及它將如何影響我們的生活和未來。二是為讀者介紹科學家遭遇及挑戰關鍵因果問題時，英勇解決的歷程。最後，則是把因果革命帶回人工智慧的最初本源，介紹如何讓機器人學習以我們的母語（即因果語言）溝通。
◎前言 思想勝過資料
法蘭西斯・高爾頓與卡爾・皮爾森運用跨世代資料解答他們對於遺傳的疑問，可惜沒有成功，於是他們開發出「統計」這門爾後興盛數十載的學科。從事研究的人都聽過「相關不是因果」這句統計學名言，該觀念影響學界長期探究「關聯」而不問「因果」。在資料本位的歷史影響下，今日我們甚至認為大數據可解答所有問題，但是朱迪亞・珀爾希望藉此書告訴讀者，資料本身一點也不智慧。1980年代末，研究人工智慧的珀爾發現，「機器無法理解因果關係」可能是它們無法具備人類智慧的關鍵原因，於是他轉而投身因果科學陣營，多年後他藉由這本書，總結了各路科學家推動因果革命的成果。
◎第一章 因果階梯
因果的三個層級／迷你圖靈測驗／機率與因果
珀爾研究機器學習時了解到，因果學習者至少必須掌握三個層級的認知能力，分別是：（一）觀看與觀察，以探知環境中的規律；（二）實行，亦即預測刻意改變環境的效果，並選擇適當改變以獲得想要的結果；以及（三）想像——因果階梯的三個層級「觀察」、「介入」和「反事實」便是由此而來，數學能證明這三個層級有根本上的不同，每個層級都具備前一層級缺少的能力。本章將介紹以因果圖進行推理的基礎概念、主要的建模工具，讓讀者慢慢見識因果推論模型詮釋資料、解答疑問的強大能力。
◎第二章 從海盜到天竺鼠：因果推論的創生
法蘭西斯‧高爾頓捨「因果」而擁抱「相關」／卡爾‧皮爾森把「因果」掃出統計學／萊特、天竺鼠和路徑圖／E PUR SI MUOVE（但地球依然在轉動）／貝氏連結將主觀機率帶進統計學界
十九世紀末，法蘭西斯・高爾頓想將《物種原始》的理論架構數學化，他花了八年嘗試解答族群遺傳特質維持恆定的原因，但是始終無解，最後放棄研究，轉而注意統計「相關」。高爾頓的門徒卡爾・皮爾森後來提出「相關係數」，直到現在，所有統計學家想知道資料組中兩個變項的關聯程度時，總是最先計算這個數字。第二章講述統計學如何忽視因果性，並且對各種資料導向的科學造成深遠影響。此外還將介紹對本書而言十分重要的遺傳學家西瓦爾‧萊特的故事；萊特於1920年代首先繪製因果圖，多年來一直是少數認真看待因果性的科學家。
◎第三章 從證據到原因：當貝斯遇見福爾摩斯
電腦偵探波拿巴（Bonaparte）／貝斯牧師與逆機率問題／從貝氏法則到貝氏網路／貝氏網路：原因透露了哪些關於資料的線索？／我的行李在哪裡？從亞琛到尚吉巴島／真實世界中的貝氏網路／從貝氏網路到因果圖
1980年代初，珀爾認為不確定性是AI所欠缺的最重要的能力，於是運用機率，開發出處理不確定性推理的強大工具——貝氏網路，這是首先讓電腦以「灰階」方式思考的工具，至今仍被視為人工智慧頂尖典範。然而到了1980年代末，珀爾開始覺得自己錯了，他認為貝氏網路仍沒有填補人工智慧和人類智慧的差距。在這一章，他談了自己從貝氏網路忠實信徒變節，轉入因果性陣營的心路歷程。儘管如此，貝氏網路依然是今日人工智慧界極為倚重的工具，而且具備因果圖的許多數學基礎，因此這章以因果性簡略介紹貝氏法則和貝氏推理方法，並為讀者舉出幾個在實際生活中運用貝氏網路的範例。
◎第四章 干擾與去干擾：或說剷除潛在變項
干擾導致強烈恐懼／大自然的巧妙質問：隨機對照試驗為何有效用？／干擾的新典範／do運算子和後門準則
隨機對照試驗（RCT）是統計學對因果推論的重大貢獻，它的主要目標，是把要探討的變項與可能影響它們的其他變項分開。如何去除這些潛在變項造成的失真或「干擾」，是已經存在一世紀的難題，但科學家直到最近才體認到，解決這問題需要的不是統計學方法，而是因果方法。這章要從因果圖的觀點說明，RCT為何能協助估計兩變項之間的因果效應，而且不受干擾偏差影響，從中我們會了解RCT其實源自更基本的原理，其他方法未必都要奉它為圭臬。這一章還將說明因果圖如何讓我們把焦點從「干擾因子」轉移到「去干擾因子」，並且帶領讀者以出奇簡單的方式解決一般干擾問題。
◎第五章 煙霧瀰漫的爭議：除去迷霧
菸草：人為流行病／衛生總署委員會和希爾準則／吸菸對新生兒的影響／激烈爭議：科學與文化
十八世紀詹姆斯．林德發現柑橘類水果能預防壞血病，十九世紀約翰．史諾發現遭排泄物汙染的水會導致霍亂，這些偵察工作很幸運的一點是：原因與結果之間是一對一關係。二十世紀時「吸菸是否會致癌」爭議挑戰了單一因果關係概念，而且由於無法隨機指定某些人冒著健康風險吸菸數十年以進行對照，統計學家不只對答案難有共識，連如何理解問題都有不同看法。後來美國衛生總署委員會採用一連串非正式指導方針「希爾準則」，終於得出「吸菸會導致癌症」這結論，但這花了近十五年時間。這爭議讓許多人看清因果性的重要——如果科學家有適合的語言或方法來解答因果問題，得出結論將不再曠日廢時。
◎第六章 破解悖論！
令人費解的蒙提霍爾問題／更多衝突偏差：柏克森悖論／辛普森悖論／以圖畫說明辛普森悖論
這章要讓讀者輕鬆一點，做一些有趣的動腦遊戲，談談蒙提霍爾悖論、辛普森悖論與柏克森悖論等知名的古典矛盾問題。其實這些悖論問題有嚴肅的一面——它們幾乎都與因果直覺抵觸，因此能讓我們深入分析這類直覺。悖論和視錯覺一樣，能夠揭露大腦的運作方式、大腦愛走的捷徑，以及大腦覺得矛盾的事物。因果悖論凸顯出與機率和統計邏輯衝突的直覺式因果推理型態，看看統計學家對它們有多麼頭痛，就能知道不用因果性眼鏡看世界往往容易出現誤判。這些問題提醒著科學家，人類直覺是以因果為基礎，而不是統計和邏輯。一起來看看這些經典悖論問題的新解吧！
◎第七章 超越調整：征服介入山
最簡單的路線：後門調整公式／前門準則／Do計算法——精神高於物質／科學的織錦，或是do管弦樂團的隱形樂手／史諾博士的詭異案例／好膽固醇和壞膽固醇
第七章到第九章將帶領讀者一步步登上因果階梯。本章要登上階梯的第二層——介入層，其重點是預測以往未曾嘗試的行動和策略可能產生什麼效果。除了說明可產出「是或否」答案的因果推論發動機的內在結構，還要教讀者尋找因果圖中的特定型態，像是後門調整、前門調整及工具變項等，它們在因果推論中扮演極吃重的角色。作者將示範這些工具如何解答以往困住科學家的難題，例如以「前門準則」釐清因果圖尚未誕生時的「吸菸致癌爭議」，用約翰．史諾的霍亂成因調查示範因果圖如何讓工具變項發揮作用。作者也將介紹他的學生在因果革命中扮演的角色。
◎第八章 反事實：發掘可能成真的世界
從修昔底德和亞伯拉罕，到休謨和路易斯／潛在結果、結構方程式，以及反事實的演算法化／了解自己的假設是好習慣／反事實與定律／必要原因、充分原因和氣候變遷／反事實的世界
人類是在五、六百萬年間由猿猴類演化而來，但在近五萬年間發生了一些獨特狀況，從此能更快速地改變自身能力與環境，例如發明許多神奇物品。為什麼？人類突然獲得其他動物沒有的什麼運算能力？對此有許多人提出理論，但其中只有一種與因果關係有關——歷史學家哈拉瑞在《人類大歷史》中推測，人類祖先能設想「不存在的事物」（反事實），讓人得以溝通得更順暢，是其中最重要的關鍵。本章要帶各位登上因果階梯的頂層，探討反事實，照例會有許多因果圖示範釐清常見爭議的實情（例如學經歷對薪水的影響，以及量化氣候變遷的效果等），體會將「反事實」納入因果查詢時，解答事情的面向如何更加豐富多變。
◎第九章 中介：找尋機制
壞血病：錯誤的中介變項／自然與養育：芭芭拉‧布克斯的悲劇人生／尋找語言（柏克萊錄取率悖論）／黛西、小貓和間接效應／線性理想世界裡的中介／接納「應該會」／中介案例分析——吸菸基因：中介和交互作用；止血帶：隱形的謬誤
「反事實」目前在科學界中最風行的應用是中介分析，中介（或中介變項）是把處理效應傳遞給結果的變項，中介分析的目的是釐清直接效應和間接效應。這類問題不僅在科學上相當重要，也有實際的影響，書中舉了駭人的一例：詹姆斯．林德船長的壞血病研究是史上極早的對照實驗，其結果在1747年發表。但一個世紀之後，英國遠征隊開始探察極地時，這種完全可以預防的疾病出乎意料地捲土重來，原因就在於當時尚未發現真正的中介變項（維生素C），使得「柑橘類水果可預防壞血病」這理論被棄之如敝屣。本章介紹科學家如何找出表達「中介」的方法，以補傳統統計學的不足，另外也有數例中介案例分析。
◎第十章 大數據、人工智慧與大問題
因果模型與大數據／強AI和自由意志
怎樣打造智慧與人類相當且能分辨善惡的機器？——珀爾相信，因果推理是讓機器能以人類語言與我們溝通，談論政治、實驗、解釋、理論、遺憾、責任、自由意志與義務等話題，乃至自己做出道德決策的關鍵，因此發展因果語言與工具之重要性不可言喻。在研發過程中他廣泛接觸各領域人士，一起點燃因果革命的火花，火花從一個學科擴散到另一學科，催生了新典範，他認為這個轉變將使科學的體質更加健全，這是「人工智慧給人類的第二個禮物」。而因果革命在AI界的終極產物——具道德感的強AI，不只會成為我們的好伙伴，還能成為我們師法的對象，教導我們更明晰、因果上更合理的正義感，這則是人工智慧給人類的第一個、也是最好的禮物。
◎致謝
▎《人性較量》
◎楔子
◎第一章 序章：最人模人樣人類獎
如果有一天我們造出精巧到可說能思考的機器，要怎麼知道它有這個能耐？電腦科學先驅艾倫・圖靈為此提出一項實驗：分別讓電腦程式和真人參賽，由評審團透過電腦終端機向他們提問，再分辨哪個是人、哪個是電腦——這就是今日人工智慧（AI）族群年度盛事「圖靈測驗」（羅布納獎）的由來。不論有沒有程式通過圖靈測驗（騙過三成評審），比賽都由得到最高票和最多信心分數的程式獲勝，頒予「最人模人樣電腦獎」與獎金；獲得最高票和最多信心分數的人，則會獲頒「最人模人樣人類獎」。為了與世界頂尖的AI程式對決，我得設法釐清人和機器的差異，並且盡力表現人味……
◎第二章 認證
在機器的世界，驗證身份靠的是內容（密碼和PIN等），在人類的世界，靠的則是形式（如聲音、筆跡和說話風格）。「設計機器人不是寫程式，而是寫小說。」程式三度獲得亞軍的程式設計師丹辰科和維索洛夫如是說。他們強調由單一設計師構思機器人的反應很重要：「得先選好由誰負責勾勒機器人的個性。寫處理流程的知識基礎就像寫書……」講到「寫書」，就不能不談風格和內容孰重，以及如何表現獨到眼光，近來關於翻譯機的辯論多半圍繞這類問題打轉。幾十年來，翻譯機計畫的目標多半是以語法為基礎去理解語言，不過到了1990年代，運用統計運算的機器翻譯方式異軍突起，讓意義的問題憑空消失。
◎第三章 遊走的靈魂
電腦科學領域很早就分成兩個陣營：有些研究者追求更整潔的演算法結構，另一些人則投入較為雜亂的結構。神經網絡、類比計算和統計式運算等，至少從1940年代早期起就引起科學家的興趣，但直到本世紀之交，主導的始終是以規則為基礎的演算法模式。機器翻譯暴露了演算派的侷限——在2006年的NIST機器翻譯賽，大獲全勝的一支Google隊伍中，沒有人懂比賽裡的阿拉伯文和中文。五年過後，雖然「統計式」翻譯技術仍不完美，但規則式翻譯程式已看不到它的車尾燈。另一個讓左腦式嚴謹分析方式徒呼負負的是使用者經驗，它重視的並非機件的純科技性能。電腦研發重心的這種轉變，反映出不獨以人類智能的複雜性和能力為尚，也珍惜它感性、靈活、能反應的特色。我們忘了什麼值得讚嘆，而電腦正提醒我們。
◎第四章 量身打造 vs. 統一規格
最早引起廣泛注意的電腦對話程式是ELIZA，由約瑟夫・維森班在麻省理工學院完成。ELIZA程式碼只有幾百行，表現卻好得令人尷尬：很多第一次和她談的人都深信，自己在和真人交談；有些人和她聊了數個鐘頭後表示，這是非常有意義的治療經驗。醫界有專家表示：「若能證實這種方式有益，它可望成為普遍運用的治療工具，彌補治療師不足的問題。一套電腦系統同時和好幾百名病患談一小時應該不成問題。系統的設計和操作都需要人類治療師參與，因此電腦非但無法取代他們，反而能讓他們提升效率。」然而維森班卻立刻掉轉職涯方向，成為最激烈反對AI研究的科學家。ELIZA是他的遊戲之作，以羅傑斯派心理治療師為範本去設計，擷取使用者話裡的關鍵詞彙當作回應，不知如何回話時就丟句無關痛癢的話——它只會這一招。
◎第五章 跳脫棋譜
20世紀最大的AI戰役發生於1997年5月，由超級電腦深藍對戰西洋棋特級大師加里・卡斯帕洛夫，獲勝的是電腦。這下大家要不認為人類囂張不下去了，就是自我安慰下棋不過是雕蟲小技，但卡斯帕洛夫賽後表示：「這不算。」他認為深藍也沒贏。在電腦互相對奕時，開局棋譜往往能直接決定勝負，到21世紀初新一代棋士以電腦記譜成風，死背幾千種開局棋譜就可能勝過真正具分析資質的棋士，對此棋王鮑比・費雪驚駭地說：「對弈雙方真正開始思考的時間越來越後面。」許多世界級棋士都服膺「棋譜稱不上人」，據說連深藍首席工程師許峰雄也講過，他想「真正下一場世界棋賽，而不是在家裡寫開局作業」。
◎第六章 反專才
羅布納獎剛舉辦那幾年，主辦方為了讓電腦有機會拚命一搏，於是給對話設定主題。當時的AI研究多半聚焦於「專才系統」，亦即只專精特定任務或技能（例如西洋棋程式）。「要是把話題縮到一定程度，假裝對話和真對話的界線會漸漸消失。」人工生命領域的學者戴夫・艾克利教授說，「客服電話選單的語音辨識系統就是這樣。你把他們框在幾個選項裡，他們要嘛報數字，要嘛說『總機』，不然就是撂一句『幹恁老師』。」限定對話範圍因爭議不斷而在1995年取消，不料參賽者好像都有用泛泛之談煩死對方的默契，結果慘不忍睹。有些人批評獲獎者都是些「玩票的」，其實他們百分之百是專業人士，只是他們設計來賺錢的機器人是「專才型」，用來贏圖靈測驗的是「通才型」。
◎第七章 插嘴的奧義
電腦科學理論的第一個分支是「可計算性理論」，它關切計算機的理論模型和這類機器能力上的理論限制；它只在乎可不可能計算，完全不管計算得花多少時間。後來的電腦理論家則發展出「複雜性理論」，它不只思考機器的終極能力，也將時間、空間等因素納入考量，在資源有限的脈絡下評估其表現能力。語言學家諾姆・杭士基的理論類似圖靈時代的可計算性理論，他視為研究客體的典型語言形式顯然排除「實際運用語言知識時……非關文法的因素」，聊天機器人的語言模式也是這種高度理想化的典型語言，由此看來，語言學和電腦科學的情況很像：在「典型」過程與「實際表現」之間，有相當大的變化空間。身為人類參賽者，我打算卯足全力運用這個空間。
◎第八章 地表上最糟的證人
在討論西洋棋程式時，我們基本上把「極小－極大」和「極大－極小」演算法當成同一種競賽邏輯。棋賽是「零和」遊戲，一個人要贏意味著另一個人得輸，沒有「雙贏」這回事，所以從數學上說，極小化對手的贏面和極大化自己的贏面是一體兩面。從哲學角度來看，對話和下棋間最重要、或許也最南轅北轍的差異正在於此。對話在圖靈測驗裡的作用是「展現人性」，非零和的性質無庸置疑。好的對話不是「極大化極小」或「極小化極大」，而是「極大化極大」，讓雙方都能講出精彩的東西——對話是合作演出，而非一較高下。有趣的是，很多羅布納獎評審把參加圖靈測驗當開庭，常自動切換成詰問、作證和交叉辯論模式，更詭異的是，有不少人類參賽者也以為進了法庭。
◎第九章 汝不可一成不變
繼ELIZA之後引起大轟動的聊天機器人是1972年的PARRY，由精神病學家肯尼斯・寇爾比設計。ELIZA模仿心理治療師，PARRY模仿妄想型思覺失調症病人；ELIZA依循「案主中心療法」的理論，奉行「反映式傾聽」；PARRY則一馬當先取得對話主導權，並死抓不放。這兩個程式在1970年代早期對談了幾場，彼此特色盡顯，並完美反映出對話的兩大災難：一個極端是冷血、不夠自我，另一極端是溫血、太過自我。圖靈測驗難度極高的原因之一是：語言不是棋局，它沒有固定規則與必殺絕技，它不斷在變，雲遊於一切「解決方案」之外。正如ELIZA的設計者維森班所說：「我很驚訝居然有那麼多人聽說ELIZA之後，以為它對電腦理解自然語言的問題提出了通解……我一直想講清楚：這問題不可能有通解，這樣說吧，連人類都不算是這種通解。」
◎第十章 高度驚異
加快簡訊打字速度很依賴「預測」演算：手機要能猜出你接下來想打什麼字、要能自動更正錯字（有時還更正過頭），要會很多諸如此類的事——這就是資料壓縮起作用的時候。夏農在〈通訊的數學理論〉裡得出如下驚人結果：預測文字和產出文字在數學上是相等的。能像人一樣穩定預測你想打什麼字的手機，就跟能像人一樣回信給你的程式一樣聰明，美國青少年可說平均每天參加約莫八十場圖靈測驗。「東西的資訊量可以測量」是最基本的「資訊熵」概念，而有損壓縮乃是語言的本質，它既暴露語言的缺陷，也彰顯語言的價值。大家經常批評一般人貪圖便利，只讀書摘卻不好好讀書——拜託！假如《安娜・卡列尼娜》的資訊熵超低，用篇幅百分之一的書評就能講完它六成內容，那問題出在托爾斯泰身上。
◎第十一章 結語：最人模人樣的人
◎第十二章 後記：玻璃櫥之美無可言喻
◎致謝
