《UN-GO?-2011》百度网盘高清资源免费在线观看
链接:
《UN-GO?-2011》
导演:?水岛精二、京极尚彦、浅井义之、木村隆一、清水久敏、黑川智之、末田宜史
编剧:?会川升
主演:?胜地凉、丰崎爱生、山本希望、本田贵子、入野自由、三木真一郎、川岛得爱、户松遥、诹访部顺一、内山昂辉、岛村侑、滨田贤二、高口公介
类型:?动画
制片国家/地区:?日本
语言:?日语
首播:?2011-10-13(日本)
集数:?10
单集片长:?20分钟
又名:?因果侦探、因果日记
结城新十郎（胜地凉?配音）是一名侦探，在得力助手因果（丰崎爱生?配音）的帮助下，破解了一个又一个神秘诡异的案件。从表面上看来，因果是一个俊俏的少年，但他的真身是一个能够吞噬灵魂的神秘女人。而所发生的一连串案件，似乎和因果特殊的能力脱不了干系。
新十郎的竞争对手海胜麟六（三木真一郎?配音），经常将父亲麟六的情报透露给新十郎的可爱少女梨江（山本希望?配音），强势能干的检察官虎山泉（本田贵子?配音），警察局课长速水星玄（入野自由?配音），一个又一个亦敌亦友的角色出现在了新十郎的周围，而在他们交织的背影之后，隐藏了一个惊人的秘密。
因果论与人工智能 P1 导读手册笔记
德国著名心理学家艾宾浩斯曾说：“心理学有一个漫长的过去，但只有短暂的历史。”
1879年，冯特在德国的莱比锡大学创立了世界上第一个心理学实验室，用实验的手段来研究心理现象，这被公认为是心理科学独立的标志。自此以后，心理学不断发展，诞生了各种流派，产生了诸多理论。
理论对社会心理服务师很重要，要知其然并且知其所以然，才能在科学理论的框架下有效开展实践，并有所创新。
以下是对历史上几种重要理论观点的简要概述。
首先是经典精神分析，由大名鼎鼎的弗洛伊德创立，大致可以概括为五大观点。
一是分区观点： 弗洛伊德认为人类的心理活动分为潜意识和意识两大层次，两者之间有前意识为中介。
二是结构观点： 将人格的结构分为本我、自我、超我三个部分，本我遵循快乐原则，自我遵循现实原则，超我遵循道德原则。
三是动力学观点： 弗洛伊德认为心理动力是人的性本能，即所谓的“力比多”，此外还有营养本能，在晚年，他又提出了生本能与死本能。
四是发展观点： 将性心理的个体发展分为五个阶段。
1、口欲期（0—1岁左右）：其快乐来源为唇、口、手指头。吃奶和吮吸给婴儿带来最大的快感。
2、肛欲期（1—3岁）：其快乐来源为忍受和排粪便，肌紧张的控制。这是儿童学习如何获得爱、表扬和赞赏的关键时期。如果这一时期不能被父母恰当对待，那么儿童的人格就会残留恐惧、内疚和蔑视的痕迹。
3、生殖器期（3—5岁）：也称俄狄浦斯期，其快乐来源为生殖部位的刺激和幻想。这一时期，儿童经历了强烈的矛盾情感，寻求异性父母作为爱人，但同时害怕并爱戴同性父母。这种早期的异性亲子依恋可分为恋父情结和恋母情结两种。如果这一时期的情感冲突未得到充分解决，残余的冲突遗留在潜意识中会扭曲青少年和成人的人格。
4、潜伏期（5—12岁）：这一时期，儿童对性不感兴趣，不再通过躯体的某一部位获得快感，而是将兴趣转向外部去发展各种知识和技能，以便应付环境的需要。
5、生殖期（12岁以后）：性欲逐渐转向异性，这一阶段起于青春期，贯穿于整个成年期。
精神分析学家玛格丽特·马勒进一步将三岁前婴幼儿的心理发展分为三个阶段，婴儿出生后1个月内处于正常自闭期，1个月到6个月左右处于正常共生期，6个月到36个月左右处于分离与个体化期。
五是适应观点： 弗洛伊德认为，人的本能得以实现，必须经过不懈的努力和艰苦的应对。
两种本能的应对经历，构成人类的两种基本应对方式。一是变相宣泄，一是自我保存本能，形成自我防御机制。
梦在很大程度上就是一种变相的宣泄。白天遭遇来自领导的批评，有了外在的挫折，没法直接释放攻击欲，就在晚上做梦，梦见打死了对方的象征物。越是心理健康的人，宣泄情绪时越会采用变相的方式。
焦虑是弗洛伊德确立适应观点的重要概念。焦虑按产生的来源不同可以分为现实性焦虑、神经症性焦虑和道德性焦虑。当自我把焦虑当成一种危险或不愉快的信号时，就会形成自我防御机制。常见的防御机制有压抑、分裂、投射、转移、反向形成、躯体化、理智化、代偿、退行等等。
动力心理学还有七句话，需要深刻理解。
1.绝大部分的精神生活都是无意识的，这是无意识论。
2.童年的经历和遗传因素塑造了成年人，这是决定论。
3.一个人对咨询师的移情是了解这个人的途径。
观察来访者和咨询师如何互动，就知道他如何和他人在他心中的形象互动，如何在心中和自己互动，而如何互动往往与过去的经历有关。
4.咨询师的反移情为了解来访者提供了有价值的信息。
咨询中的互动，会唤起咨询师的很多反应。比如，作为普通男女，会异性相吸。如果一位女性完全不能让男性产生更多的联想，没有吸引力，说明她在某方面受到了压抑，无法展现其魅力。有的女性，其貌不扬，却很吸引人，说明她成长经历中没有受到太多压抑，自己的个性可以张扬。
咨询师通过自己的感受来了解来访者，这就是反移情。
5.人本能地会产生阻抗，阻抗会体现在咨询的过程中。
我们花钱买药打针，明知道这对治病是好的，在护士打针时却还是会躲，不会主动迎上去，这就是本能的阻抗，心理治疗过程中也会发生类似的阻抗。
6.症状是有功能的，是对自我的保护。
正如咳嗽是为了排出体内的异物，发烧是为了抵御体内的病毒，心理上的症状也常常是无意识的自我保护。
7.动力咨询帮助一个人获得真实感和独特感。
撕掉面具，活成自己的样子。柳树就活成柳树的样子，杨树就活成杨树的样子，而不是牺牲掉柳树的婆娑之美，去学杨树的挺拔之美。人最终要成长为他自己。
这七句话构成了动力学的基础。动力学的两大基石是无意识论和决定论。第一二六条解释了心理动力学的理念，三四五条是具体的方法，第七条则是动力咨询的目标。
众所周知，心理学有三大理论，或称三大势力，第一大流派就是上面所述的精神分析。
精神分析概括说来就是在一间黑屋子里找一只不存在的黑猫。精神即心理，分析指扩展你的内省，使你有所领悟。技术上包括面质、澄清、解释、修通，利用移情和反移情处理阻抗。
第二大流派是行为主义。 其核心可以用这样一句话来概括：“我们只能知道我们所能看到的，我们能够看到我们想知道的。”
人的心理分两部分，一个是内在的感受，一个是外在的行为。行为主义以华生、斯金纳、班杜拉为代表，主张采用客观的实验方法，而不使用内省法。
经典行为主义的内容有：
刺激和反应： 给你一个刺激，你作出一个反应，中间隔的是人的心理，也就是说刺激相同，反应未必相同。比如你把手放在三个人的脑袋上，他们的反应可能很不一样，有的人朝你微笑，有的人瞪了你一眼，有的人骂了你一句。
强化和惩罚： 想让一个行为保持下来就要用强化，想让一个行为消失就要用惩罚。
正强化：给予一个好的刺激（奖励吃好的，给零花钱），目的是让对方越来越好；负强化：去掉一个坏的刺激（考90分以上，就可以不用刷碗）。
正惩罚：给一个坏刺激（说谎就打孩子一顿）；负惩罚：去掉一个好的刺激（表现不好，不能看动画片）。
可以多运用负强化和负惩罚，再加上温柔地坚持。
行为主义的三种学习方式： 习惯化、经典条件反射、操作性条件反射。
此外，还有几个学说值得关注。
多拉德提出挫折—侵犯假说： 认为“侵犯行为总是挫折的结果”以及“挫折总会导致某种形式的侵犯行为”。当想得到什么东西却得不到时，就会遭受挫折。侵犯性随挫折强度的增强而升高。
勒温和米勒提出心理冲突的四种形式：
1、双趋冲突——鱼与熊掌不可兼得
两件事物都有吸引力，都想趋之，但二者不可兼得，难以抉择。
2、双避冲突——前有悬崖后有追兵
两件事都有排斥力，都力求避免，但双必须择取其一，难以决定。
一个孩子在学校老师不待见，回家父母不待见，只好离家出走，这也是一种智慧。
3、趋避冲突——想吃糖，又怕胖
同一目标可以满足人的某些需求，但同时又会构成某些威胁，既有吸引力又有排斥力，使人陷入进退两难的心理困境。
4、双重乃至多重趋避冲突
个体对同时碰到的两个目标中的每一个都产生趋避性动机冲突的矛盾心理状态。比如患者既希望住院治疗，又怕耽误工作，门诊治疗不影响工作，又怕得不到有效的治疗。
控制点理论： 由美国社会学习理论家朱利安·罗特提出的一种个体归因倾向的理论。个体对自己生活中发生的事情及其结果的控制源有不同的解释，分为内归因的内控者和外归因的外控者。前者相信自己能对事情的发展与结果进行控制，后者相信命运和机遇等外在因素决定了自己的状况，容易放弃自我责任。
内控者有利于成长、身心健康、行为实现、达到目标。外控者可以免除自责，暂时获得心理平衡。
班杜拉的社会学习理论： 提出儿童社会行为的习得主要是通过观察、模仿现实生活中重要的人物行为来完成。
第三大流派是人本主义，代表人物是罗杰斯和马斯洛。
马斯洛提出了需求层次理论： 将人的需求从低到高依次分为生理需求、安全需求、爱与归属需求、尊重需求和自我实现需求。这个理论虽然有很多漏洞，但在实践中却颇富指导意义，给我们提供了清晰有用的框架。理论好不好用，不取决于理论本身对不对，而是你信不信。
需要注意的是，五种需求并非是泾渭分明，拾阶而上的，比如性满足就可能横跨五个层次的需求。
罗杰斯的求助者中心疗法： 在咨询过程中，需要满足三个条件，即和谐的咨询关系，咨询师对求助者无条件积极关注，咨询师对求助者共情的理解。以此为基础，求助者身上那股已存在的能力才有可能释放出来。
人本主义强调人的利益、价值，和个人的尊严与自由。由于有自由，个人也需对自己的行为负责。同时，人本心理学家也同意人具有一种内在的潜能趋向成长和自我实现。
人本主义对人性的看法是乐观的：
1. 人是完全可以信赖的，人有无限的资源。
“抛却自家无尽藏，沿街托钵效贫儿”，把自己开发出来，就有无尽的资源，没开发出来就成了穷人。
2.人是可以自我实现的，都能长成自己想要的样子。
3. 人有肌体的智慧，身体知道答案。心理学对失眠的解释是，大脑觉得应该睡了，身体却不听指挥。失眠的问题，其实是冲突的问题。
人本主义认为，世界是美好的（世界观，人是为未来而活）；人是可以信赖的（强调关系。从小教育孩子不要和陌生人说话，他怎么会有安全感？）；我是可爱的（相信自己的独一无二。你都不觉得自己可爱，凭什么让人爱你？）。
人有心理问题往往是自我概念和经验不一致，例如将自我价值条件化。要留意别人怎么评判你，你又是怎么内化的。很多人为了迎合父母等权威人物的评价，而失去了自己的感受。
比如一个学生受到老师批评，真实想法是老师批评我，我恨他，但从小接受的教育是要尊重老师，老师都是为了你好，于是就成了老师批评我是恨铁不成钢，是对我好，自己的真实感受就没了。
作为治疗就是要让自我概念和经验之间达到平衡。
了解了心理学三大流派的基本理论，遇到实际问题时，我们可以从这三个方面进行解释。一个人看见井绳就害怕，从动力学/精神分析角度看，是在不良人格的基础上，诱因激活了压抑下去的创伤；从行为主义角度看，一个人原来被蛇咬过，现在看见绳子也害怕，经验泛化了；从人本主义角度看，这是肌体的智慧，自我概念和经验之间有冲突。
李克富老师反复强调，我们是目的论者，而非因果论者，因此不管哪个流派的理论，最终目的都是为了学以致用，用来解释现象。
解决问题可以分为三步：是什么、为什么、怎么办。为什么的问题就是理论解释的问题，如果理论根底捉襟见肘，解释能力也会苍白无力。而一旦理论过硬，也会在解决实际问题时有根有据，如虎添翼！
首先这本书被认为是相当于底层理论的一次更新，不亚于一场认知革命。其次，它结合当前热点的AI技术进行讲述，指出现阶段AI技术火热现象背后隐藏的困境。最后，这本书的推荐者大都是大牛，而且都以极为热忱和激动的心情在推荐。因此勾起了自己的好奇心，购入开读。
整体来说，导读手册读完最大的收获是，自己对因果关系的认知更新。在读这本书之前，自己对因果关系的概念并未有过深入了解或者思考，所有的因果关系观念来自于两个方面：一是一个碎片话的小故事——休谟的农夫与鸡的故事，二是来自于日常中接触到的科谱常识带来的模糊印象——因果关系从来都是一个被批判的地位。
但读完导读手册，我意识到我对因果关系的误解原因在于，这则故事中对于因果之间的条件描述并不完备——将一个条件当成了全部条件。书中作者Pearl提出的贝叶斯网络模型（CH3），给出了完整的概念工具——干预、混杂、中介，了解这几个基本概念之后就能明白故事中所说的因果关系是不完善的概念。
那么第二点，日常学习中对因果关系的负面印象，到底是来自于哪里呢？文章里Pearl指出，因果关系在最应该以因为研究目标的统计学中，一直在被背弃。究其根源，是因为统计学家们过分坚持一个观念：客观数据优先于主观认知。
而这一理念与日常的科学理念所倡导的基本一致。虽然客观与主观的概念表面上与因果关系关联不大，但在人们对因果关系概念并不真正认识的情况下，“客观优于主观”这一科学思想的流行，正是造成人们对因果关系抱有偏见的原因。
心得到此结束。
下面是对导读手册内容部分观点的提取和整理笔记，不完全代表作者的意图，只是个人从中提取到的信息集合，请大家酌情吸收。
作者珀尔(Pearl)认为，对因果关系的研究和重视，相当于一次认知革命，对世界对科学将带来无可比拟的震撼和提升。其中，最为显著最直观的收益是：能突破当前人工智能技术AI(Artificial Intelligence)的理论局限——近几年来AI飞速发展，但主要是得力于算力的提升，其理论依据没有任何新的进展。
Pearlg给出了 因果论的三层阶梯 ，并基于此，对 当前AI技术与因果关系的相关关系 进行分析，描述了当前AI技术理论局限性所在，并指出了 AI技术的突破方向 。最后指出因果推断如此重要但却发展如此缓慢的原因在于，缺乏形式化理论来描述因果推断，或者是说缺乏一套“语言”。而Peral则给出了一套因果的“语言”——因果图——来自由表达因果知识，这是在数学意义上的模型。
下面分4点进行描述：
1. 因果论的三层阶梯
2. 因果论与AI技术
3. AI的局限与突破
4. 对因果关系的数学描述
因果论的三层阶梯是说，Pearl将因果论划分为三个层面，并称之为“因果关系之梯”。第一层级研究“关联”，第二层级研究“干预”，第三层级研究“反事实推理”。
第一层级的“关联”，是被动接受观测结果，考虑的问题是“如果我看到······会怎样”。
第二层级的“干预”，是会主动实施行动，考虑的问题是“如果我做了······将会怎样”和“如何做”。
第三层级的“反事实推理”，是考虑一个假想世界，在现实生活中并不存在，其典型的问题是“假如我做了·····会怎样？为什么？”。
总的来说，这套因果关系之梯描述了人类的智能独到之处。其中干预让人不再只是被动收集数据，而是思考主动做出改变后会发生什么。而更高级的反事实推理，是人类智能区别与动物智能的关键所在——人们由此得以想象不存在的世界，忏悔、道德、宗教、社会组织······皆源于此。
Pearl认为，作为AI的一部分，大数据分析、深度学习、机器学习，处在因果关系的最低层级，因为他们的研究对象还是相关关系。说得通俗一些，大数据分析就是多变量统计分析，深度学习就是隐层多了一些的神经网络，理论上没有太多新意。
近十年来，有两项AI壮举震惊世界，分别是“沃森”和AlphaGo。
“沃森”本质上是一个信息检索系统，但除了简简单单地搜索匹配内容，它还能高效地寻找并生成假设或挖掘证据。即它考虑的是干预问题：“如果我做了某假设，会有证据推翻它吗？”这是“沃森”成功的关键——它登上了因果关系之梯的第二层。
AlphaGo继“沃森”之后，再次掀起了AI狂潮。因为，AlphaGo解决了一度被认为在近期内是不可能被AI解决的难题（围棋所包含的巨大搜索空间（其状态数远远超过整个宇宙中的原子数）一直是机器学习未能攻克的难题）。
AlphaGo的成功主要依赖于深度学习、强化学习和随机模拟技术(也称蒙特卡罗技术)。其中强化学习技术允许推断干预的结果，因此能攀上因果关系之梯的第二层级。
而随机模拟技术生成的数据，是模拟生成的数据，取代了现实世界的观测数据，所以有可能产生反事实数据，从而登上因果关系之梯的第三层级。
理论上可以证明，人工智能 AI 即便在因果关系之梯的最低层级做到极致，也无法跃升到干预层面，更不可能进入反事实的世界。
总之，借助算力的提升，目前AI 的火爆程度主要表现在工程实践比以往更丰富了，但应用层面的创新要远远超过基础理论的创新。作者提醒人们不要沉醉于数据万能的幻觉——“所有科学问题的答案都藏于数据之中，有待巧妙的数据挖掘技巧来展示”。Pearl试图传达给大家一个信息， 数据固然重要，但它并不是推断的唯一来源，那些承载着知识或者经验的“因果”模型，才是帮助机器从“人工智障”走向人工智能的关键所在。
Pearl认为，为了让机器具备自由意志，除了要具备第一层的关联，强人工智能还需要具备因果关系之梯的第二层干预和第三层反事实推理。
在“巨大搜索空间”这一难题面前，AlphaGo超出了人们的预期，获得了巨大成功。但惊喜之后人们意识到，仅仅针对这一难题，AlphaGo的算法依然有很大的局限性——其算法仅仅适用于大概率空间的智能搜索，其环境和状态可模拟的，而对于环境难以模拟的决策问题（如自动驾驶），这些算法是无能为力的。
Pearl对AlphaGo的AI技术（强化学习技术）与因果推断做了异同对比：
相同点在于两者都寻求策略（Policy），其行动之间是有因果关系的。
不同之处在于，针对推断策略的效果这一目标，强化学习技术仅仅能利用数据，而因果推断更为开放，可以利用数据之外的知识。
Pearl指出了现阶段AI发展的研究方向———如何将因果论与现有AI技术联手。譬如：因果推断所考虑的便利越多，对计算的挑战就越大，那么基于蒙特卡罗方法的近似计算是否能助其一臂之力？机器学习能否帮助和改进因果建模？
在上文中有一个信息： 数据固然重要，但它并不是推断的唯一来源，那些承载着知识或者经验的“因果”模型，才是帮助机器从“人工智障”走向人工智能的关键所在。
人类的思维位于数据之上，尤其是，对因果关系的理解应该先于数据表达出来。但遗憾的是，我们缺乏因果的语言去表达“ 承载着知识或者经验的’因果‘模型 ”中的先验知识。例如，气压计读数是大气压的果而非因，但在数学上，二者之间的关系表达式并不能体现出任何因果关系。
Pearl坚信， 因果图 提供了一套直观的“语言”，让我们能够自由地表达因果知识，有助于发展和推广因果论和时间问题。
Pearl深受贝叶斯学派的影响提出了贝叶斯网络模型。
它是一种概率图模型，其中DAG（动态有向无环图）拓扑结构刻画了数据的产生机制，即节点变量的联合分布可按什么方式分解。
其中，三个节点构成的三种基本接合模式（链、叉和对撞）是构建贝叶斯网络和因果图的基本模块。
它们所具备的（条件）独立性对因果图至关重要，因为我们要靠（条件）独立性来判断路径是否被阻断（消息能否通过该路径传递）。
在链接合A-->B-->C中，以中介物B为条件，A、B是条件独立的。
在叉接合A<--B-->C中，以混杂因子（也称共因）B为条件，A、B是条件独立的。
在对撞接合A-->B<--C中，A、B是独立的。当以对撞B为条件时，A、B就是非条件独立的。
一个路径被节点集合Z阻断当且仅当满足以下条件之一：(1) 该路径包含链接合A-->B-->C或者叉接合A<--B-->C，其中B在Z之中（可以理解为，以B为条件，A、C条件独立）
(2)该路径包含对撞接合A-->B<--C，使得B以及其后代都不在Z之中。
如果Z阻断了X到Y的所有路径，则称以Z为条件，X和Y是 d分离 的，显然他们是条件独立的。
Pearl讲述了自己是如何从贝叶斯网络走向了因果推断的。Pearl指出，贝叶斯网络不是因果图，虽然而至结构都是DAG，但其箭头的含义不同（在因果图中，A-->B意味着A是B的因，也称A导致B）。另外的三种基本接合的（条件）独立性对贝叶斯网络和因果图来说是共通的。自此，Pearl思考因果论的基本工具已经准备得当——干预、混杂、中介等概念都已经搞清楚了。
由混杂因子造成的伪相关性里面没有因果关系，例如“鞋的尺码<--儿童年龄-->阅读能力“，鞋码越大，阅读能力越强，二者呈强相关，但”鞋的尺码“不是”阅读能力“的因。
对混杂因子的认知多来自于领域知识领域或经验，因此，面对混杂问题，AI不应该让数据优先，而应让知识优先。
对一个变量X进行干预， do 算子 do(X=x) 会删除所有进入X的箭头，从而也就阻断了有关X的消息向非因果方向传递。下图考虑了在有混杂因子的情况下，如何计算因果效应。
在上图中，两个因果图中Z的概率分布相同，即 Pm(Z=z) = P(Z=z) 。另外，在给定条件 Z =z,X=x 时，条件概率 Pm(Y=y | X=x,Z=z ) 与 Pm(Y=y| X=x,Z=z) 相同。于是，因果效应 P(Y=y | do( X=x) ) 具体计算如下：
上述公式被称为“调整公式”，有了它，我们就可以计算 P( Y=y | do(X=x) )? -? P( Y=y|do(X=x') ) 。
调整公式可被进一步推广为：
其中PA(X)表示X的父节点集合，并且z遍历了这些父节点可能取值的所有组合。
文章中后续还有给出更多重要的准则并接合具体的应用实例进行讲解。比如，后门准则，前门准则，结构方程模型SEM等。目前还没有深入了解，这里暂且不做记录。但很奇妙的是，这些准则的有趣程度远远超出我的想象。
导读手册的总结内容在此告一段落。后续阅读之后再见。
