朱迪亚·珀尔（Judea Pearl）

朱迪亚·珀尔（Judea Pearl）是以色列裔美国计算机科学家，加州大学洛杉矶分校教授，因在人工智能中建立概率推理与因果推断的数学基础而获得2011年图灵奖，被誉为贝叶斯网络之父。

概述

珀尔1936年生于特拉维夫，后赴美国深造。上世纪八十年代，他将概率论系统地引入人工智能领域，提出用图模型表示变量间的依赖关系，使机器能够在不确定信息下进行推理。此后他把研究重心转向因果关系，主张统计相关不等于因果，并为回答因果问题构建了严格的数学工具。

核心贡献

• 贝叶斯网络：用有向无环图表示随机变量间的条件依赖，实现高效的概率更新与推理。
• 信念传播算法：在图结构上传递局部消息以计算边缘概率，广泛用于纠错编码与机器学习。
• 因果推断框架：提出do演算与结构因果模型，形式化了干预与反事实推理。
• 因果之梯：区分关联、干预、反事实三个认知层次，成为理解智能的重要视角。

应用场景

贝叶斯网络被应用于医疗诊断、故障排查、垃圾邮件过滤和风险评估。因果推断方法在流行病学、经济学、社会科学与A或B测试中用于识别真实的因果效应，也为可解释人工智能提供理论支撑。他的著作《因果论》与科普作品《为什么》推动了因果革命。

常见问题

问：贝叶斯网络与神经网络是一回事吗？答：不是。贝叶斯网络是基于概率论和图结构的推理模型，节点含义明确、可解释；神经网络是通过大量参数拟合数据的连接主义模型，二者思路不同。

问：为什么珀尔强调因果而非相关？答：因为仅凭数据中的相关关系无法回答如果干预会怎样这类问题，容易被混杂因素误导，只有因果模型才能支持可靠决策。