大数据，让我们得以“偷懒”，但因果推理是人类思想中不可或缺的组成部分，应该对其进行形式化和算法化处理，得以实现人类水平的机器智能。
Pearl 描述了一个因果推理的三级结构，把因果信息按其能够回答的类型进行分类。该分类形成了一个三层的层级结构，某层的问题，只有在获取不低于该层信息时，才能够被回答。
我们为什么要关注世界或时间的本源与原因呢？其中一个原因是纯粹的科学好奇心：我们想了解世界，而了解的一部分需要找出它隐藏的因果结构。但同样重要的是，我们不仅是世界的被动观察者：我们还有主观能动性。
我们想知道如何有效地干预世界，以防止灾难和促进福祉。
光有良好的意图是不够的，我们还需要深入了解自然的馈赠和其力量是如何由因果关系连接起来的。因此，如果我们要理解如何获得成功，最终必须要去理解这个世界的运转的因果。
两年前，图灵奖得主朱迪亚珀尔Judea Pearl在北京，分享了其继贝叶斯定理后，在人工智能上新方向——因果关系的研究主题演讲。这次的演讲，表明珀尔的研究方向已经发生了重大调整。
珀尔指出数据科学正在从当前以数据为中心的范式向以科学为中心的范式偏移，解释了他理解中的因果科学相关新逻辑和推理引擎的思想脉络。
朱迪亚·珀尔 Judea Pearl
To Build Truly Intelligent Machines, Teach Them Cause and Effect。
——Judea Pearl
20 世纪 80 年代，朱迪亚珀尔开发并倡导了AI 的概率方法，被称为贝叶斯网络之父。
近年，为实现强人工智能的愿景，Pearl 脱离主流 AI 研究社区，提出一套因果的数学语言和理论，引领了正在席卷各个学科的”因果革命“。他最引以为傲的工作是 “The fundamental law of counterfactuals（反事实）。”
【以下是整理的关于主题演讲的报告论文】
在报告中 ，Pearl 首先介绍了一场正在改变数据科学的新革命 —— “因果革命“。
因果革命和以数据为中心的第一次数据科学革命，也就是大数据革命（涉及机器学习，深度学习机器应用，例如Alpha-Go、语音识别、机器翻译、自动驾驶等等 ）的不同之处在于，它以科学为中心，涉及从数据到政策、可解释性、机制的泛化，再到一些社会科学中的基础概念信用、责备和公平性， 甚至哲学中的创造性和自由意志 。 因果革命彻底改变了科学家处理因果问题的方式。
图1：Pearl 关于数据科学本质的洞见
因果革命中，数据科学的任务被重新分成了三类：预测, 描述和反事实预测。