朱迪亚·珀尔：因果推理之父与"为什么"的答案

谁是珀尔

朱迪亚·珀尔（Judea Pearl，1936-）是以色列裔美国计算机科学家，加州大学洛杉矶分校教授，2011 年图灵奖得主。

核心贡献

贝叶斯网络：让概率推理在 AI 中落地，成为机器学习早期的重要工具。

因果推理：开创"因果图"理论，把"原因与结果"形式化——回答"如果干预会怎样"这类统计无法回答的问题。

核心观点

珀尔认为：只学相关性的 AI（包括今天的深度学习）是"数据拟合"，不是"理解"。真正的智能要能回答三个层次的问题：看见（发生了什么）、干预（如果我做了会怎样）、反事实（如果当初没做会怎样）。

为什么重要

他的框架为"AI 如何真正理解世界"提供了路径，也影响了大模型时代的因果性讨论。

给我们的启示

珀尔提醒我们：数据里的相关性不等于因果关系。做 AI 应用时，把"相关"当"因果"，是常见的错误。

总结

朱迪亚·珀尔追问"机器能否理解为什么"：从贝叶斯网络到因果推理，他让 AI 有了追问原因的框架。在数据驱动的时代，这份"追问本质"的坚持尤其珍贵。