Judea Pearl
图灵奖得主、统计学家与计算机科学家，因果推断领域奠基人，提出Pearl因果层次结构、do算子和结构因果模型（SCM），著有《为什么：因果关系的新科学》
核心事实
时间轴 (近 90 天)
可迁移性（transportability）框架由Pearl和Bareinboim等人在2010年代前后发展完善，用于处理研究人群与目标人群不一致的因果推断问题
Pearl用因果图中移除指向X的所有箭头来表达do操作，称为图手术（graph surgery）
Bareinboim和Pearl在2016年提出了因果迁移学习框架，利用因果图中的不变机制识别哪些知识可以跨环境迁移
结构因果模型由内生变量、外生变量、结构方程和噪声分布组成，是Judea Pearl因果推理框架的核心数学工具
Pearl认为深度学习本质上是曲线拟合器，只能停留在关联层
图灵奖得主Judea Pearl将认知能力划分为三个层次：关联（seeing）、干预（doing）和反事实推理（imagining）
Pearl的do-calculus由三条规则组成，用于判断在给定因果图结构下某个因果效应是否可以从纯观测数据中识别出来（可识别性问题）
因果推理的现代形式主要由Judea Pearl提出的结构因果模型（SCM）与有向无环图（DAG）框架，以及Donald Rubin提出的潜在结果框架构成
Pearl的do-calculus提供了从观测数据中推断干预效果的数学工具，Rubin因果模型通过反事实推理来定义因果效应
全部知识事实 (10)
图灵奖得主 Judea Pearl 在其因果推断体系（Pearl's Causal Hierarchy）中将反事实推理定义为最高阶的认知能力
80%已验证因果推理的现代形式主要由Judea Pearl提出的结构因果模型（SCM）与有向无环图（DAG）框架，以及Donald Rubin提出的潜在结果框架构成
75%待验证图灵奖得主Judea Pearl将认知能力划分为三个层次：关联（seeing）、干预（doing）和反事实推理（imagining）
60%待验证可迁移性（transportability）框架由Pearl和Bareinboim等人在2010年代前后发展完善，用于处理研究人群与目标人群不一致的因果推断问题
50%待验证Pearl用因果图中移除指向X的所有箭头来表达do操作，称为图手术（graph surgery）
50%待验证Bareinboim和Pearl在2016年提出了因果迁移学习框架，利用因果图中的不变机制识别哪些知识可以跨环境迁移
50%待验证结构因果模型由内生变量、外生变量、结构方程和噪声分布组成，是Judea Pearl因果推理框架的核心数学工具
50%待验证Pearl认为深度学习本质上是曲线拟合器，只能停留在关联层
50%待验证Pearl的do-calculus由三条规则组成，用于判断在给定因果图结构下某个因果效应是否可以从纯观测数据中识别出来（可识别性问题）
50%待验证Pearl的do-calculus提供了从观测数据中推断干预效果的数学工具，Rubin因果模型通过反事实推理来定义因果效应
50%