データは「何を」教えてくれますが、私たちは常に「なぜ」を追求します

「データは何を教えてくれますが、私たちは常になぜを追求します」

「The Book of Why」の章1&2、Read with Meシリーズ

私の前の記事で、Judea Pearlの「The Book of Why」を探求するために「Read with Me」ブッククラブを開始しました。関心を示してくださった皆様、そしてクラブに参加してくださった方々に感謝申し上げます。一緒に読んで洞察を共有することで、因果関係のより深い理解に旅立つことができればと願っています。約束通り、2週間後に、最初の2章から得たいくつかの要点を共有します。

これらの2章では、Judeaは因果関係のはしごを説明し、因果関係理論の歴史的な開発を再考します。さらに、3つの段階についても深く掘り下げます。

第1段階：関連性

1800年にはじまり、GaltonからPearsonへと、彼らは遺伝的特性の継承方法を理解しようとしましたが、科学的な意味では相関は十分であると見いだしました。何しろ、「データこそが科学のすべてだ」と彼らは考えました。彼らにとって、因果関係は単なる相関の特殊な場合であり、決して証明できないものでした。一方、相関に基づく予測モデルは、興味の対象と最も予測力のある変数を特定することで予測を行いますが、多くの場合は意味をなさないこともあります。たとえば、ある国の1人当たりのチョコレートの消費量とその国のノーベル賞受賞者数の間には強い相関があります。明らかに、より多くのチョコレートを食べることはノーベル賞を獲得する確率を高めるわけではなく、ここでは富を混乱要因とする方がより妥当です。このような意味のない科学的な情報を与えない例はたくさんあります。これらの発見が提示されると、Pearsonはそれらを単なる「偽の」相関として退けました。

「偽の」相関に加えて、集団で見つかる相関が部分集団では逆転することも一般的です。たとえば、頭蓋骨の長さと幅の相関を測定すると、男性と女性のグループで別々に測定すると相関はほとんど見られません。しかし、それは…

• 「データパイプラインについての考え方が変わってきています」
• 逆戻り、個人化、そしてKaggle症候群
• 「トランスフォーマーはNFLプレーを生成できます：QB-GPTの紹介」

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!