具有因果推断能力，是未来实现强人工智能的必要因素。强人工智能，可类比于生活中真实的人类。目前的人工智能与真实人类的最大差别，在于现在的人工智能只能执行特定领域的特定目标，缺失迁移的能力。迁移需要从知识中抽象出底层逻辑，需要能知道不同领域之间哪些逻辑仍然适用，哪些不适用了。所以未来的强人工智能，应该具备人类一样在实践中纠错的能力。意味着他像人一样会自我怀疑。最难的一点是如何把握自信与自卑之间的尺度。

机器学习视角下的因果推断 (qq.com)总结：受试者效应（实验组效果）的可靠性，会受到样本不能完全代表总体的这个条件限制的影响。也就是说不可能对所有样本做试验，也不可能保证样本的分布与总体分布一定一致，因为总体分布通常不可知。保证效果可靠关键是要保证随机性，或者说，实验组与对照组足够相似。有些什么方法呢：1、匹配。一是根据协方差相似度匹配。二是PSM，倾向性得分匹配。对每个样本计算出现的概率，就

具有因果推断能力，是未来实现强人工智能的必要因素。强人工智能，可类比于生活中真实的人类。目前的人工智能与真实人类的最大差别，在于现在的人工智能只能执行特定领域的特定目标，缺失迁移的能力。迁移需要从知识中抽象出底层逻辑，需要能知道不同领域之间哪些逻辑仍然适用，哪些不适用了。所以未来的强人工智能，应该具备人类一样在实践中纠错的能力。意味着他像人一样会自我怀疑。最难的一点是如何把握自信与自卑之间的尺度。

具有因果推断能力，是未来实现强人工智能的必要因素。强人工智能，可类比于生活中真实的人类。目前的人工智能与真实人类的最大差别，在于现在的人工智能只能执行特定领域的特定目标，缺失迁移的能力。迁移需要从知识中抽象出底层逻辑，需要能知道不同领域之间哪些逻辑仍然适用，哪些不适用了。所以未来的强人工智能，应该具备人类一样在实践中纠错的能力。意味着他像人一样会自我怀疑。最难的一点是如何把握自信与自卑之间的尺度。

目标定义任务理解，指标确定数据采集建模抽样，质量把控，实时采集数据整理数据探索，清洗，变换构建模型模式发现，构建，验证模型评价设定标准，多模型对比，模型优化模型发布模型部署，重构