Judea Pearl ist ein israelisch-amerikanischer Informatiker und Philosoph, der vor allem für die Entwicklung von Bayes'schen Netzen und eines formalen mathematischen Rahmens für kausale Inferenz bekannt ist, Beiträge, die ihm 2011 den Turing Award einbrachten.
Bayes'sche Netze
Pearl wurde 1936 in Tel Aviv geboren, das damals zum britischen Mandatsgebiet Palästina gehörte, und erwarb Abschlüsse in Elektrotechnik, bevor er an die University of California in Los Angeles kam, wo er den größten Teil seiner Karriere verbrachte. In den 1980er Jahren entwickelte Pearl im Rahmen der breiteren Bemühungen um die Konstruktion von Denksystemen in der symbolischen KI- und Expertensystem-Forschung Bayes'sche Netze, grafische Modelle, die probabilistische Abhängigkeiten zwischen Variablen darstellen und effizientes, prinzipienbasiertes Denken unter Unsicherheit ermöglichen. Sein Buch von 1988, Probabilistic Reasoning in Intelligent Systems, etablierte Bayes'sche Netze als Standardwerkzeug in der künstlichen Intelligenz, der Statistik und verwandten Bereichen, und sie werden auch heute noch überall dort eingesetzt, wo ein System unsichere Evidenz kombinieren muss, ein Anliegen, das mit moderner Forschung zu erklärbarer KI verbunden ist.
Kausale Inferenz
Pearls spätere Arbeit erweiterte das probabilistische Denken zu einer formalen Theorie der Kausalität. Er führte die "Do-Kalkül" und strukturelle Kausalmodelle ein, mathematische Werkzeuge, die Korrelation von Kausalität unterscheiden und es ermöglichen, präzise Fragen zu stellen, etwa was unter einer Intervention geschehen würde oder was kontrafaktisch geschehen wäre. Sein 2018 zusammen mit Dana Mackenzie verfasstes Buch Der Kult der Statistik popularisierte diese "kausale Revolution" für ein breites Publikum und argumentierte, dass eine dreistufige "Leiter der Kausalität" - Assoziation, Intervention und kontrafaktisches Denken - verschiedene Arten des Denkens beschreibt, die rein statistische Methoden nur schwer erreichen.
Kritik am Deep Learning
Pearl hat sich als scharfer Kritiker der Vorstellung positioniert, dass die Skalierung von maschinellem Lernen und Deep-Learning-Systemen mit immer mehr Daten ausreicht, um echtes Verständnis oder allgemeine künstliche Intelligenz zu erreichen. Er bezeichnet einen Großteil des zeitgenössischen statistischen Lernens als "Kurvenanpassung", der ein explizites kausales Modell der Welt fehlt. Diese Sichtweise stellt ihn neben andere prominente Skeptiker wie Gary Marcus, mit der Argumentation, dass hybride Ansätze, die strukturiertes, kausales Denken mit statistischem Lernen verbinden, für robustere und generalisierbarere KI-Systeme notwendig sind. Er hat dieses Argument auch dann weiterverfolgt, als groß angelegte neuronale Systeme Ergebnisse erzielten, von denen viele in der Fachwelt einst annahmen, dass sie explizite kausale Modelle erfordern würden. Abseits der Informatik ist Pearl auch als Gründer der Daniel-Pearl-Stiftung im Gedenken an seinen Sohn, den Journalisten Daniel Pearl, bekannt, der 2002 in Pakistan entführt und getötet wurde.