這本書也是跟著讀書會讀完的。發現外國人的寫作習慣通常都會有那種引(ㄅㄧ)人(ㄋㄧˇ)入(ㄎㄢˋ)勝(ㄨㄢˊ)的設計，也就是會在前面講個大概，跟你說後面還有更精采的唷(花媽音效)，欲知詳情下回分曉的寫作風格，於是就默默地看完了整本。
大抵而言，如果想了解近代統計學的發展，以及統計能夠解決哪些問題，這本書無疑梳理了多數的脈絡，讓讀者可以從概念發展史的角度切入，來了解統計如何處理從相關到因果的問題，以及為什麼現代的統計可以處理這麼多的訊息給出可靠的估計，甚至發展成大數據、深度學習等新的演算法。
貝氏定理就是統計，也有一堆數學上的運算和推演。但鄉民都知道，人生會背叛你，但數學不會，不會就是不會。怕是自己數學不好、統計也不好這本書會看得很辛苦。但其實不會，即便略過所有的算式和方程式，也不影響你了解整個概念發展的進程，以及他所展演出來的因果關係如何獲致。簡單說，你可以看他所舉的例子，去理解原來數學家們怎麼想問題，以及他們覺得應該透過怎樣的方式去解決。當然整本書最吸引人的應該是原先主張這樣的因果革命為強AI的發展開啟了無限可能，因果革命這樣的統計方法應用與發展，使得因果關係變得更為可靠。但實際上卻發現，當數學計算缺乏方向性，乃至於大量的數據運算後缺乏透明性，就會產生無法探知其所以然的困境。當你不清楚這樣的運作為何有效，就遑論要在運作失靈的時候採取策略改善運作無效的現象。
作者在最後想像了機器如何可以接近人，透過決策模式建立與記憶，讓機器也像幼兒成長一樣，逐步建立起相關的因果乃至於意圖。但實際上沒解決的是像自駕車ㄧ般的難題，也就是自駕車的交通事故，鳩竟是設計程式的程式設計師要負責，還是坐在駕駛座的駕駛要負責？或者之後會發展出一個不需要「駕駛座」的自駕車？那會不會再演變成所有搭車的「乘客」都要一起為了交通事故負責？還是以後的交通事故就是機率，不需要有人負責？
作為一個電腦科學家，和學生一起建構出許多現今當道的統計乃至於演算法模型，作者對於人工智慧的發展極為樂觀，機器能夠思考指日可待，也可能有一天人類會再向機器學習。畢竟，機器比人類更接近所謂的「中立」，而這個「中立」所建立起的理想世界，也將打破艾西莫夫機器人四大定律(0：機器人不得傷害整體人類，或坐視整體人類受到傷害；1：除非違背第零法則，否則機器人不得傷害人類，或坐視人類受到傷害；2：機器人必須服從人類命令，除非命令與第零或第一法則發生衝突；3：在不違背第零、第一或第二法則之下，機器人可以保護自己)。
推薦給也覺得因果關係很有趣的朋友，隨處可見的因果關係從電腦科學到法律，應用極廣，儘管最後作者的樂觀並沒有太多的基礎，但大數據仍將掌握這世界的脈動好一陣子，值得深入研究。