Maven 2019, 480 pagina's- € 24,50
Oorspronkelijke titel: The book of why : the new science of cause and effect (2018)
Wikipedia: Judea Pearl (1936) en website Dana Mackenzie
Korte beschrijving
Steeds meer wetenschappen werken met big data. Men verzamelt massa's gegevens, bijvoorbeeld over roken of over longkanker, en laat daar vervolgens statistische methoden op los. Probleem: op deze manier kun je weliswaar aantonen dat het één verband houdt met het ander, maar niet dat er sprake is van oorzaak en gevolg. Correlatie is immers niet hetzelfde als causaliteit. In de context van de ontwikkeling van kunstmatige intelligentie zijn echter nieuwe methoden ontwikkeld voor het vinden van juist die causale verbanden. In dit boek legt de schrijver uit hoe dat werkt. Het boek is zeer uitvoerig, zeer grondig, zonder wiskundige formules, en bedoeld voor een groot publiek, maar het doorzettingsvermogen van de lezer zal minstens zo groot moeten zijn als zijn vermogen tot abstractie. Met illustraties in zwart-wit, een beredeneerde literatuuropgave en een register.
Tekst op website uitgever
Waarom duurde het zo lang voordat wetenschappers durfden te stellen dat roken longkanker veroorzaakt? Waarom was er zoveel controverse over de vraag of de mens de opwarming van de aarde veroorzaakt? Kortom: waarom is het zo moeilijk om oorzaak en gevolg vast te stellen?
Volgens Judea Pearl (legendarische computerwetenschapper en grondlegger van de Bayesiaanse netwerken) komt dit doordat de wetenschap een cruciale denkfout maakte: we hadden geen manier om causale verbanden aan te tonen en durfden het daarom alleen over correlatie te hebben. Tijdens zijn werk aan kunstmatige intelligentie ontwikkelde Pearl een methode voor omgaan met onzekerheid. Het bleek het startpunt van een causale revolutie in de wetenschap (en het einde van de mantra ‘correlatie is geen causatie’).
In Het boek waarom doet Pearl met wetenschapsjournalist Dana Mackenzie voor het eerst uit de doeken hoe zijn causale redenatie werkt. Deze stelt ons in staat om de wereld om ons heen te onderzoeken in termen van oorzaak en gevolg (‘waarom?’) én om te begrijpen wat onze mogelijkheden zijn (‘wat als?’).
Dit revolutionaire boek is daarmee de sleutel tot de essentie van kunstmatige intelligentie en ons menselijke denken.
Fragment uit (de) Inleiding
Het was een voorrecht om in de voorbije vijfentwintig jaar deel uit te maken van deze ontwikkeling. Ik heb de vorderingen kunnen gadeslaan in researchlaboratoria en de cubicles van studenten, en de doorbraken horen resoneren op specialistische congressen, ver buiten de schijnwerpers van de wetenschapsjournalistiek. Maar nu we zijn aanbeland in het tijdperk van 'sterke KI' en hoge verwachtingen koesteren rondom big data en deep learning, lijkt het me tijd om het bredere lezerspubliek te vertellen over de avontuurlijke paden die de nieuwe wetenschap is ingeslagen, over de impact die ze zal hebben op de informatiewetenschap en over de vele manieren waarop ze in de eenentwintigste eeuw ons leven zal veranderen.
Het stemt je wellicht sceptisch dat ik hier van een 'nieuwe wetenschap' spreek. Misschien vraag je je zelfs af waarom deze stappen niet veel eerder zijn gezet. Na deze uitspraak, bijvoorbeeld, die Vergilius in 29 v.C. deed: 'Benijdenswaardig is hij die de oorzaken van dingen kent'. Of nadat de grondleggers van de moderne statistiek, Francis Galton en Karl Pearson, tot de ontdekking waren gekomen dat populatiegegevens licht kunnen werpen op wetenschappelijke vragen. Dat zij vervolgens nalieten nadere studie te verrichten naar de oorzakelijke verbanden, is een lang verhaal dat in de historische delen van dit boek aan de orde zal komen. Maar de belangrijkste hinderpaal is volgens mij de diepe kloof geweest tussen de taal waarin we causale vragen kunnen formuleren en die welke we altijd gehanteerd hebben om wetenschappelijke theorieën te bespreken. (pagina 18-19)
Youtube - Q&A with Judea Pearl (augustus 2016)
Terug naar Overzicht alle titels
Geen opmerkingen:
Een reactie posten
De redactie behoudt zich het recht voor reacties te verwijderen