朱迪亚·珀尔

概况

朱迪亚·珀尔（Judea Pearl）的工作把「不确定性下的推理」变成一件可以计算的事。他提出贝叶斯网络（Bayesian network）——一种用于定义复杂概率模型的数学形式，以及与之配套的主要推理算法^[1]。此后他转向因果问题，给出建立因果模型、从数据中分析因果关系的数学框架^[1]。2011 年，他获得 ACM 图灵奖（ACM Turing Award）^[1]。

教育与早期研究

1936 年 9 月 4 日，珀尔出生在当时的英属巴勒斯坦托管地（British Mandate for Palestine）特拉维夫，在贝内布拉克（Bnei Brak）长大^[1]。他在以色列理工学院（Technion）学习电气工程，1960 年获学士学位；1965 年在布鲁克林理工学院（Polytechnic Institute of Brooklyn）获电气工程博士学位，博士论文题为《超导存储器的涡旋理论》（Vortex Theory of Superconductive Memories）^[1]。这篇论文研究的是存储器件，也把他早年的学术训练与他后来在工业界做的硬件工作连在了一起。

工业界与加州大学洛杉矶分校

1961 至 1965 年，珀尔在新泽西州普林斯顿的 RCA 研究实验室（RCA Research Laboratories）任技术职员（Member of Technical Staff）^[1]。1966 至 1969 年，他在加利福尼亚州霍桑的 Electronic Memories 公司担任先进存储器件（Advanced Memory Devices）部门主任^[1]。1969 年，他进入加州大学洛杉矶分校（UCLA），任工程系统助理教授；1976 年成为计算机科学教授^[1]。1978 年起，他创建并主持认知系统实验室（Cognitive Systems Laboratory），1996 年又成为统计学教授^[1]。

贝叶斯网络与信念传播

贝叶斯网络把一组变量画成有向图的节点：从 A 指向 B 的箭头表示 B 直接依赖于 A。再为每个变量给出在父节点取值条件下的概率，整个联合分布就被紧凑地写了出来。珀尔提出了这一形式，也提出了对它们进行推理的主要算法^[1]。

他的论文《Reverend Bayes on Inference Engines: A Distributed Hierarchical Approach》提出了信念传播（belief propagation）：一种针对树结构的、精确的、分布式的、异步的线性时间推理算法^[1]。在树状网络中，相邻节点互相传递消息，直到各处的信念收敛，计算因此散布在整个网络里，而不是集中在一处完成。这个算法后来成为涡轮码（turbocodes）的基础^[1]。

搜索、概率推理与因果

1984 年的《Heuristics: Intelligent Search Strategies for Computer Problem Solving》讨论了 A* 等搜索算法，以及从松弛后的问题定义中导出可采纳启发式（admissible heuristic）的思路^[1]。A* 在搜索时用启发式估计「还剩下多少代价」；只要这个估计从不高估真实代价，搜索就仍能保证得到最优解。把一个问题的某些约束放松，正是得到这类估计的一种系统办法。

1988 年的《Probabilistic Reasoning in Intelligent Systems》在人工智能领域引发了一场变革^[1]；到 2012 年，以贝叶斯网络为主题的出版物约有 5 万篇^[1]。

2000 年的《Causality》提出了 do-演算（do-calculus），这是一套完整的数学框架，用来建立因果模型并从数据中分析因果关系^[1]。它把「看到」和「做」区分开来：注意到气压计读数下降，与伸手把气压计调低，是两回事，只有后一种干预才能告诉我们什么导致了什么。

荣誉

珀尔于 1999 年获 IJCAI 研究卓越奖（IJCAI Research Excellence Award），2001 年获伦敦政治经济学院（London School of Economics）的拉卡托斯奖（Lakatos Award），2003 年获 ACM 艾伦·纽厄尔奖（ACM Allen Newell Award）^[1]。2011 年，他获得 ACM 图灵奖，并宣布将图灵奖奖金的一大部分捐给丹尼尔·珀尔基金会（Daniel Pearl Foundation）^[1]。