概率图模型揭示了一个反直觉的真相：相关性不等于因果性，但图结构可以帮你区分

在概率图模型中，$A$ 和 $B$ 之间没有直接的边，但可能有共同原因 $C$——这就是所谓的"虚假相关"（Spurious Correlation）。更深刻的是：即使 $A$ 和 $B$ 相关，你也不一定能通过干预 $A$ 来改变 $B$——因为相关可能是通过 $C$ 产生的，而 $A$ 对 $B$ 没有直接因果效应。这区分了三种知识：观察到的关联、条件独立关系、因果关系——它们分别对应不同的行动策略。