悖論問題的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

因果革命：人工智慧的大未來(硬殼精裝)

為了解決悖論問題的問題，作者JudeaPearl 這樣論述：

大數據為什麼不夠聰明？ 比機率更強大的思考工具又是什麼？ 　　電腦科學界諾貝爾獎「圖靈獎」得主暨貝氏網路研發先驅Judea Pearl總結畢生研究成果，聯手獲獎的統計學家Dana Mackenzie，提出改變人工智慧及科學界的重要工具！《快思慢想》作者暨諾貝爾獎得主康納曼、《大演算》作者多明哥斯、谷歌網路推廣長文特‧瑟夫、微軟研究實驗室主任艾瑞克‧霍爾維茲等人重磅推薦！ 　　▎大數據看似厲害，其實有很大的侷限 　　近幾年大數據當紅，加上它在許多領域的成功運用，其地位與能力備受追捧。與大數據密切相關的統計學，是法蘭西斯・高爾頓與卡爾・皮爾森解答對於遺傳的疑問未果，而開發出來的學科，這

門學科創立後興盛數十載，其名言「相關不是因果」影響科學界經常止步於探究「關聯」而非「因果」，並且長期受資料本位的歷史所影響，認為資料無所不能，但是朱迪亞・珀爾希望藉此書告訴讀者，資料本身一點也不智慧。 　　▎要發展出「強AI」，機率思考仍遠遠不夠 　　一九八○年代初，朱迪亞・珀爾認為不確定性是AI所欠缺的最重要的能力，於是運用機率開發出強大的推理工具——貝氏網路，因而獲得有電腦科學界諾貝爾獎之稱的「圖靈獎」。貝氏網路是首先讓電腦以灰階方式思考的工具，至今仍極受人工智慧界倚重，然而到了一九八○年代末，珀爾認為貝氏網路仍沒有填補人工智慧和人類智慧的差距，於是他轉而研究如何教AI學會「因果推論」，

本書便是整理了歷代科學家推展因果革命的努力與成果。 　　▎從「求得相關性」的舊階段，邁入「釐清因果關係」的新時代 　　本書最初幾章是有趣的科學史，探討科學家追求因果解釋的過程如何受挫，以致發展出統計學，並讓統計學方法長期引領學界研究。接著書中有大約一半篇幅，作者以實例示範因果語言（圖示模型）如何解決傳統統計學認為無解的難題，逐一揭示「因果階梯」三大分層的能力（越高的層級，認知挑戰越高，越難理出因果關係），並讓讀者了解因果革命路上諸人的努力與進展，以及這些進展的重要性。本書末尾回頭說明因果革命相對於人工智慧各重要發展面向（比如大數據、深度學習、資料探勘、機器學習等），有何勝出之處、能對它們起什

麼正面影響，以及最重要的——「因果革命」將會如何改變人工智慧。 　　▎「因果革命」不只影響人工智慧，還影響各研究領域 　　現今機器學習運作時仰賴的是「相關性」，而不是「因果」，如果能成功將因果思考導入電腦，將使電腦變成真正的科學家，使它們成為我們的得力伙伴，提供我們更合理的洞見。由於因果思考可以呈現罪責，電腦能因而具備道德感——「具備道德感的強AI」是因果革命在人工智慧領域的終極追求，作者形容這「是人工智慧給人類的第一個、也是最好的禮物」。 　　因果性研究還釐清了我們多年來對許多知識本質的不解，改變我們對於眾多問題的認識，這些問題牽涉的層面無所不包，舉凡涉及解讀資料以及根據解釋而採取的作法（

像是致病因素、醫療資源分配、公共政策擬定等），都能受益。集結眾多領域學人之力才有如今成果的因果革命，亦將回頭影響整個科學界，珀爾形容它「將使科學的體質更加健全，是人工智慧給人類的第二個禮物」。在美國，因果科學已經開始被大學列入課程…… 　　▎我們強烈建議這些人士閱讀這本書： 　　（1）資料科學家與大數據研究者，以及對大數據深感興趣的人 　　（2）統計學家、數學家，電腦科學相關從業人員與學習者 　　（3）對經濟趨勢與科研發展有興趣的一般大眾 　　（4）希望培養科學素養，了解最新科學方法的學子 　　▎各章內容簡介請參閱〈目錄〉的引文。 各界盛讚 　　◎谷歌網路推廣長文特‧瑟夫： 　　珀爾近

三十年來的學術成就，為人工智慧發展提供堅實的理論基礎……同時把「思考機器」提升到另一個境界。 　　◎《大演算》作者佩德羅‧多明哥斯： 　　因果如果不是相關，那又是什麼？拜朱迪亞‧珀爾的劃時代研究之賜，現在我們已能精確回答這個問題。想理解世界如何運行，這本引人入勝且讀來愉快的書是理想的起點。 　　◎微軟研究實驗室科技研究員及主任艾瑞克‧霍爾維茲： 　　朱迪亞‧珀爾是人工智慧領域、甚至整個電腦科學界革命的核心人物。 　　◎諾貝爾經濟學獎得主及《快思慢想》作者丹尼爾‧康納曼 ： 　　各位是否曾疑惑「相關」和「因果」究竟是什麼關係？這本精彩著作深入淺出地說明了答案。 　　◎《紐約時報》喬納山‧

尼伊：解說十分詳盡……本書不僅詳盡介紹概念的發展史，也提供概念工具，讓讀者理解大數據的優勢與不足之處。 　　◎《自然》雜誌：「相關不是因果」這句科學俗語已在社會上造成影響……朱迪亞‧珀爾提出嶄新的數學解決方案……現在已在生物、醫學、社會科學和人工智慧領域開花結果。 　　◎《猶太日報》：深入淺出……珀爾是有遠見的因果革命領袖，這本書則是他最大的成就。 讀者好評 　　◎對電腦科學、統計學或人工智慧當今發展有興趣的人都應該讀讀。這本書如同康納曼的《快思慢想》，是作者畢生科學研究的總結，不僅對同領域科學家而言價值非凡，也是全人類的瑰寶。（讀者阿蘭‧約瑟夫‧坎恩） 　　◎朱迪亞‧珀爾的貝氏網路

和因果圖以十分優雅的方式結合統計學、流行病學、決策和電腦科學等領域。他的研究成果賦予並擴大了大數據的潛力。這本書是市面上第一本為一般大眾介紹這主題的書籍，其影響將無以估計。（讀者湯瑪斯 J. 阿拉岡，流行病學家） 　　◎知名商學研究所都應該用這本書當成教材。我送了一本給我念大學時的院長。為了現在和未來的學生著想，我希望它能成為一門課。（讀者喬治‧莫札奇斯）

悖論問題進入發燒排行的影片

被遺忘權與資料留存的悖論—以區塊鏈技術為中心

為了解決悖論問題的問題，作者林宛誼 這樣論述：

生物辨識技術及資訊科技的提升使數位足跡逐漸與個人身分合一，個人資料保護議題中被遺忘權（The right to be forgotten，RtbF）以及其下所關連之刪除權（The right to erasure）、刪除連結權（The right to de-listing）議題已受到多國重視；然而在實務運用中，資料留存基於產業分析、復盤、稽核、偵測、控管、舉證、法遵等原因，仍扮演舉足輕重的角色；兩者間的拮抗關係應如何取得衡平，值得研究。分散式帳本、共識機制的運作模式，賦予區塊鏈（blockchain）技術去中心化、難以竄改且高度透明等特質，有利各種資料的紀錄及查驗、取代第三方公證、直接證明

真實性的潛能，在數位證據的資料留存顯有助益。但也因此，區塊鏈技術的運用不免產生與資料保護互為拮抗的疑慮，如被遺忘權及跨境傳輸議題等。被遺忘權概念可回溯自二戰時期，各國也逐步肯認其權利地位，其中，歐盟於1995年所制定的個人資料保護綱領（Data Protection Directive），及2016年所通過取代前述規範的一般資料保護規範（General Data Protection Regulation，GDPR）因具備高度監理性質及域外效力，而深刻影響其他國家對個人資料保護的立法趨勢。本研究將以歐盟、美國、中國、我國之法規及實務進行分析。綜上，在巨量資料、高度重視個人資料安全的時代，企業如

何在發展區塊鏈商業運用時確保被遺忘權合規將成為重要課題。而先前研究多建議採用「脫鏈儲存方式」解套；惟本研究以為，「脫鏈儲存」無法根本性處理此悖論問題，且此法將無法完整發揮區塊鏈優勢。故本研究嘗試以區塊鏈的「側鏈技術」作為悖論的解方，盼能為區塊鏈架構人員及企業（尤指易被認定為資料控管者（data controller）之類型）內部法遵人員及行銷人員提供建議。

政府會計改革「績效悖論」問題成因研究

為了解決悖論問題的問題，作者於國旺 這樣論述：

開放－閉合雙元領導對部屬創新行為之影響－以創造力自我效能為中介變項

為了解決悖論問題的問題，作者周晨晞 這樣論述：

隨著 VUCA 時代的到來，市場環境的不確定性、複雜性與模糊性都不斷上升，使得企業需要保持快速適應、預測市場的能力以及在決策上的靈活性，才能不斷加快自主創新能力，打造出自身的核心價值。因此，組織內的管理者更需要關注思考如何提升員工的創造力。雙元領導結合了雙元領論與領導力，強調領導者能根據情境靈活的轉換兩種相互衝突的領導風格，為企業在動態且複雜的環境下，克服單一領導風格無法處理的悖論問題。過去研究大多將開放式領導風格與閉合式領導風格分別進行研究，探討單一領導風格與創新行為之間的關係，對於兩者之間做用機制的研究更是稀缺。因此，本研究以兩者兼備(both/and)的思維，考量主管兩種領導風格兼備的

可能，並以新的研究方法-多項式迴歸及反應曲面分析，探究開放-閉合雙元領導、開放式領導、閉合式領導、無為型領導對於創造力自我效能及創新行為之間的關係。本研究共蒐集 383 份台灣企業之有效主管部屬配對問卷，並使用多項式迴歸與反應曲面圖分析結果，研究發現:(1)當主管同時展現開放-閉合雙元領導時，其部屬的創造力自我效能會高於主管展現無為型領導時。(2)展現高開放式領導的主管，其部屬的創造力自我效能會高於展現閉合式領導的主管。(3)部屬創造力自我效能在開放-閉合雙元領導與部屬創新行為之間具有中介作用。研究結果之學術貢獻、管理意涵、研究限制及未來研究方向，也在最後提出討論。