«Думай «почему?». Причина и следствие как ключ к мышлению» kitobiga sharhlar, 4 izohlar

Нобелевская премия 2021 года по экономике была присуждена за разработку методов выявления причинно-следственных связей. Книга написана специалистом, давно работающим в этой области, хорошо разбирающимся в проблемах и умеющим донести главные идеи, не вдаваясь в скучные детали. Читатель, который возьмет на себя труд внимательно прочесть ее, может получить хорошее представление о том, как статистические методы и "большие данные" используются для углубленного понимания процессов реальной жизни.

Книга написана простым и доходчивым языком, но почти каждое слово и фраза в ней важны для понимания. И вот тут есть проблемы с качеством редактуры, корректуры и даже перевода. Например, замечания, помещенные в конце книги, вообще не переведены, а даны в оригинале. При этом даже для тех, кто знает английский, будет непросто определить, к каким местам в тексте эти замечания относятся. Для одного из замечаний определить это вообще невозможно, т.к. в переводе пропущены полторы страницы оригинала (стр. 52-53), содержащие текст, к которому замечание относится. Многие рисунки в переводе отсутствуют (видимо, из-за проблем с авторскими правами). Это бы не страшно: удаленные рисунки не важны для понимания текста. Проблема в том, что в тексте встречаются ссылки на отсутствующие рисунки (см, например, конец второго абзаца пятой главы). И, наконец, перевод, в целом неплохой, иногда критически неточен, даже ошибочен. Например, фраза оригинала "if we suspect that a patient’s Lifespan L “listens” to whether Drug D was taken..." (стр. 19 оригинала) переведена "если мы подозреваем, что продолжительность жизни пациента L «прислушивается» к тому, какое лекарство D было принято..." (см. пояснение 3 к рисунку 1) вместо "принималось ли лекарство D". Вполне осмысленная фраза превращена переводом в бессмыссленную.

Моя оценка оригинала 4.5, перевода - 3.

Книга полезная. Хорошо бы ее переиздать в лучшей редакции. А тем, кто может ее достать и прочесть в оригинале, рекомендую это сделать.

Пора было вытереть пыль с клавиатуры, налить кофе и закончить отзыв, который я начинал писать полгода назад.

.

Тезис – разбор причинно-следственного анализа ОТ и ДО.

Всё о «причине» и с чем её едят. Знаете в чём парадокс?

Подобный тезис отпугнёт всех тех, кто в этой книге нуждается больше всего. Можно ли ответить на вопрос – «Читать книгу или нет?», – если человек не видит смысл изучать статистику? К недостатку методов статистики мы чуть позже вернёмся.

Это крайне популярная тема, но по-настоящему хороших книг от этого много не стало. Что сразу вспоминается? Чатфилд, а из русских авторов Непряхин. С немного другим тезисом писали книги Канеман, Талер, Ариели, Сильвер. То есть тема доступна на разном уровне понимания и с разной подачей материала, от бизнес-тренеров до титулованных экономистов. Собственно, так я и добавил данную книгу в закладки и не прогадал. Лежала она у меня в закладках долго, я хотел охладить свой интерес. Часто случается, что чем больше чего-то ждёшь, тем больше разочаровываешься, но...

ДУМАЙ ПОЧЕМУ – сердце научной методологии.

Редко испытываю удовольствие от чтения, но это поистине хорошая книга. Много ли нового в ней было для меня? Нет, но это не мешает мне восхититься:

– Линией аргументации и стройности мысли,

– Отсутствием логических ошибок,

– И актуальностью поднятых тем.

Автор преследовал 3 задачи:

1. Рассказать простым языком о явлении причинности.

2. Погрузить вас в науку о причинности.

3. Показать метод создания роботов, способных общаться на языке причинно-следственных связей.

Я прошу себя простить, давненько ничего не писал, чувствую себя папуасом из Новой Гвинеи. Логика подсказывает, что рецензия еще вас не убедила, не убедила добавить эту книгу в свой «виш-лист».

ДУМАЙ ПОЧЕМУ – это увесистый камень в огород всем поклонникам BIGDATA. Большие данные основаны на корреляциях и в этом большая проблема, ведь мир основанный на корреляциях часто даёт сбой.

Количество отчётов прямо коррелирует с увеличением числа топ-менеджеров, количество ненужных звонков с колл-центрами, а фонд заработной платы напрямую коррелирует с количеством работников. Самое время вешать на двери офиса вывеску : ПРОДАЁТСЯ. Можно сократить пожарников, поскольку их штат напрямую коррелирует с количеством пожаров в регионе. И запретить к показу клипы Эминема на МТV, поскольку в Южном Бронксе повысилась преступность.

Мир основанный на фактах и корреляциях – это странный мир.

К чему я? Вернёмся к заголовку рецензии. Многие из нас принимают решения не на основе причин, а на основе корреляций и эти же многие этого не замечают. Эта книга нужна в первую очередь тем, кто не понимает озадаченности авторов в этом вопросе и моего восхищения данной книгой. Люди не понимающие основы статистики – не читают науч-поп такого уровня. Станьте этим исключением и (или) выведете своё мышление на новый уровень.

.

Чего не будет в этой книге?

Не будет простых советов – придётся подумать.

Да, вселенная немного сложней. И зачастую наша жизнь не поддаётся статистическому анализу в настоящем моменте времени. Частная жизнь – это не вопрос статистики, но ДУМАТЬ ПОЧЕМУ – это актуальная задача для каждого из представителей Человека Разумного.

С этой книгой вы перестанете искать подтверждения своим мыслям и всему происходящему в своей жизни и мире. Да, вы не ослышались. Вы станете на шаг ближе к истине,  – вы начнёте искать причину, вы начнёте думать:

ПОЧЕМУ?

Эта книга лучше того же Чатфилда и Непряхина, автор глубже разобрал тему причинности, чем его титулованные коллеги. Эта книга вышла в одно время с Стивен Пинкер - Рациональность. Что это, почему нам ее не хватает и чем она важна , но она обходит Пинкера на голову, а то и на две. Не смотрите на то, что у книги отзывов и оценок меньше, чем у среднего самиздата. У меня эта книга заслуженно находится в ТОП-10, я её перечитаю еще ни один раз.

Эта книга откликнется в сердце каждого, а точнее в мозге каждого читателя, который понимает правильно науч-поп.

За счет чего достигнут прогресс в области нейросетей?

Midjourney рисует картины, ChatGPT пишет тексты, которые проходят тест Тьюринга, люди не могут определить, кто с ними общается: человек или машина. В комментариях к этой статье уже могут писать роботы, и вы не отличите их сообщения от сообщений людей!

Ответ на вопрос о революции в области нейросетей, как мне кажется, дает книга Джуда Перла и Дана Маккензи «Думай "почему?". Причина и следствие как ключ к мышлению».

Вкратце, дело в том, что в математике до недавнего времени не было языка, который описывал бы связь между причиной и следствием. Посмотрите на математические и физические формулы — где там причина и следствие?

Была и есть только наука статистика, которая породила монстра Big Data — большие данные.

Маркетологи как завороженные начали искать в Big Data способы увеличения продаж. Они думали, что если проанализировать терабайты информации, то можно извлечь грааль прибыли. В эту гонку больших данных включились многие. Выходят статьи, где говорится, например, что на сайте магазина на оранжевую кнопку кликают чаще, чем на зеленую, что на цену акций влияет день недели, «эффект понедельника» и тому подобная чуйня.

Эти обработки больших данных никак не объясняют причинно-следственных связей. С таким же успехом определена связь индекса SР 500 с объемом производства сливочного масла в Бангладеш (графики совпадали). Наличие корреляции не обозначает причинно-следственных связей. Так, в США рост продаж мороженого коррелирует с увеличением убийств. Нужно ли запрещать мороженое? Или дело в теплой погоде?

Книга Джуда Перла и Дана Маккензи «Думай "почему?"» рассматривает эти вопросы. Если научить искусственный интеллект понимать причину и следствие, то мы приблизимся к созданию думающих машин. Как это сделать, витиевато, с уклоном в математику и рассказывается в книге.

Приводятся примеры поиска причин и следствий в истории человечества. Например, доказательство, кажется, очевидной связи между курением и раком потребовало не одного десятилетия научных дебатов! Или цинга. От нее умирали моряки миллионами. Было выяснено, что от нее спасают цитрусовые. Бери апельсины на борт — и будет все в порядке. Но истинная причина, что все дело в витамине С, ускользала от ученых на протяжении десятилетий.

Антарктическая экспедиция Скотта пострадала от цинги (участники погибли) спустя сотню лет после открытия, что нужно есть для защиты цитрусовые. В те времена считалось, что плоды цитрусовых предотвращают цингу за счет того, что они кислые. С этой точки зрения сгодится любая кислятина. Моряки брали сперва лимоны, потом из экономии лаймы, которые содержали витамина С меньше (они об этом не знали), дальше начали «очищать» сок, разрушая витамин. Врач экспедиции Скотта так вообще считал, что цингу вызывает протухшее мясо, а соки цитрусовых даже не вошли в паек экспедиции.

Люди хотят научить искусственный интеллект справляться с нахождением причин и следствий, когда им самим это с трудом удается. Посмотрите на хроники финансовых сайтов и вы увидите, какие только «причины» не вызывают колебания валют и цену акций.

Сейчас создан язык диаграмм причинности, который позволил работать в этой области. Между прочим, авторы книги сетуют на то, что математики вплоть до конца 20-го века не могли осознать проблему языка описания причинности и подобраться к ней, но изобретенные математиками диаграммы лично мне напоминают диаграммы Фейнмана для описания взаимодействия субатомных частиц (но о Ричарде Фейнмане в книге ни слова).

Успехи нейронных сетей уже нельзя отрицать. И книга «Думай "почему?". Причина и следствие как ключ к мышлению» нащупывает причины этих успехов. Словами авторов, была совершена «революция причинности».

Великолепная книга, сочетающая в себе сразу несколько прекрасных, глубоких и увлекательных дисциплин. Начиная с истории науки, автор знакомит читателя с вершинами философской мысли, погружается в исследования математической статистики, рассказывает о зарождении и расцвете этой науки, особое внимание уделяет причинности - дисциплине, которой зарождалась одновременно со статистикой, но в силу сложившихся обстоятельств, влияния научных авторитетов и установившегося в дальнейшем среди учёных порядка, критикуемая и отрицаемая, не признаваемая научной средой.

Первая половина книги знакомит вас с целой когортой учёных (не всегда математиков, но прикладных статистиков), так или иначе применявших в своих исследованиях принципы Причинности. Встречая непонимание, непримиримую критику в свой адрес со стороны всего научного мира, эти люди продолжали развивать свои теории вопреки неодобрению и жестким нападкам. Животрепещущий рассказ читается как хороший роман, в то же время повествование выразительно и красноречиво описывает те самые задачи, при решении которых использовалась и развивалась зарождающаяся и гонимая наука.

Любое другое существо видит то, что есть. Наш дар, который порой может быть проклятием - видеть то, что могло бы быть.

Книга затрагивает вопросы мышления и размышляет о том, как научить компьютер человеческому мышлению (что немедленно приводит нас к вопросу о том, а что же из себя представляет это мышление). Автор предлагает трёхступенчатую модель этого процесса, где первая ступень уже доступна машинам в полном (или почти полном) объёме - это наблюдение, факты. Второй ступенью становится Действие (или предположение о том, что произойдёт, если мы или другое действующее лицо произведёт определённое действие, вмешается в наблюдаемую систему), это уже посложнее обычного наблюдения. Венчает же эту лестницу Воображение - умение мысленно вернуться в прошлое и проиграть в воображение альтернативное развитие событий. Так, как если бы в прошлом вместо выбранного действия действующее лицо избрало другое решение.

Причинность и предложенный книгой метод построения диаграмм как раз позволяет работать с умозаключениями третьего типа - контрфактивными суждениями. При помощи простого и наглядного механизма, в действительности являющимся мощнейшим инструментом анализа, учёный и наблюдатель получает возможность проверить адекватность построенной им модели реальности, распознать скрытые зависимости между значимыми переменными, отбросить шум и спрогнозировать развитие любой альтернативной ситуации.

Искренне советую книгу широкому кругу читателей, пусть даже далёких от математики или компьютерных наук. Эта восхитительная смесь философии, математической статистики, вдохновляющей истории науки, размышлений об искусственном интеллекте, мышлении, причинности и анализе данных, написанная доступно и увлекательно едва ли оставит кого-то из читателя равнодушным.

Формула объясняет всё: она не оставляет сомнений и двусмысленностей.