|
因果关系在日常生活如此重要，然而，在哲学上却没有一个公认的关于因果关系的理论，也没有什么万无一失的计算方法能帮助我们准确找到因果关系，这让人有点惊讶。 但更棘手的是，由于人们对“原因”的定义不同，所以同一情况下，人们可能会将不同的因素视为事件发生的原因，但事件的真相可能并没有人知道。 “原因”最早的定义来自亚里士多德，他认为原因是用来回答“为什么”的。继亚里士多德之后，还出现了其他里程碑式的成就。比如13世纪的阿奎奈，文艺复兴之后科学革命时期的伽利略、牛顿、洛克等人。 但是，真正为当今因果关系思维和寻找因果关系的方法论奠定基础的，却是18世纪的大卫·休谟。这并不是说休谟做的一切都是对的，也不是说所有人都赞成他 的观点甚至信他所信，而是说他以一种批判性的方式重新定义了因果性这个问题。 休谟不单单提出了“是什么使得某事成为了原因”，而是将这一问题一分为二： 何为原因? 如何才能找到原因? 更重要的是，休谟没有去寻找能够区别原因与非原因的特征，而是从本质上将二者的关系提炼成了经常性事件。也就是说，我们通过经常性地观察事件发生的规律来了解因果关系， 而且也只能通过经历这些有规律的事件来了解原因。 因果关系研究领域所面临的主要问题，是我们该如何区分包含因果关系的事件和不含因果关系的事件。20 世纪六七十年代，出现了三种主要的研究方法，它们都建立在休谟的理论基础之上。 由于单一的原因不太可能引起某种结果，所以 John L. Mackie 提出的理论认为，某种结果的产生是由一系列条件共同导致的。这一理论很好地为我们排除了 不包含因果关系的事件，并且解释了原因的复杂性。 类似地，许多因果关系都包含偶然性因素，在这类情况下，原因可能只是提高了某种结果出现的可能性，但并不保证它一定会出现。针对这一特征，Patrick Suppes 及其他研究者们提出了概率法。 休谟的理论还促成了由David Lewis提出的反事实推理法：通过假设导致某件事的原因不存在，事情的发展会有何不同，从而来界定这一事件发生的原因。 比如说，某个人是赢得一场比赛的主要原因，因为如果没有他，这场比赛就不会赢。 哲学上的这些方法似乎已经脱离了寻找因果关系的计算方法，但这些不同的因果思维却能为我们提供许多方法去寻找因果关系的证据。20 世纪 80 年代，以Judea Pearl 为首的计算机科学家们向人们证实了， 以概率来定义因果关系的哲学理论可以用图表来表示。 这些图表可以向人们直观地呈现出事件之间的因果关系，并为人们提供了针对不同变量之间的数学关系进行编码的方法。此外，他们还引入了一些根据先验知识来构建图表以及从数据中寻找它们的方法。 尽管大部分有关因果关系的定义都是基于休谟的理论建立的，但是，却没有任何一个定义能够包含所有可能出现的情况，每一个定义都有其他定义所没有的例外情况——比如安全带一般可以防止交通事故中的死亡事件，但在有些少数情况下却可能会引发死亡事件。 因果推理的方法不止一种，而且，目前还没有哪一种方法能够在所有案例中都准确无误地找到事件之间的因果关系（这就让我们有了很多研究的机会和五花八门的理论）。 有些方法得出的结论更具普遍性，但是这些结论往往取决于那些存疑实的假设。只知道一种寻找因果关系的方法并孜孜不倦地用它来解决每一个问题是不行的，我们需要的是一个工具箱。大部分方法都可以通过调整来适应大部分案例，但调整后的方法往往既不是最简便的，也不是最有效的。 因此，康德并不赞成休谟把因果关系简化为规律，他认为必然性是因果关系的基本特征，而且由于我们无法凭经验推理出事物之间的必然联系，也就无法通过观察归纳出事件发生的原因。他认为我们可以用一种先验知识去阐释我们所观察到的因果关系。 对因果性的争议如此之多，人们甚至对“某些特定的理论是否能与因果实在论的概念兼容”也各执己见。 有些人认为，原因如此难找，我们根本不可能找到，甚至觉得那些物理学定律都比原因有用得多。也就是说，他们认为“原因”只是“引发”“推动”“抵制”“阻止”这类词的简约表达，而不是一个基本的概念。 所以我们需要时常想到有些因素在不同环境下可能会产生不同的结果。这个状况常被归结为一个艰难的问题：我们应该将原因视为这个世界的基石或原始力量(这种东西无法简化为任何定律)，还是我们强加给事物的一种逻辑结构? 然而，令人崩溃的是，人们对因果关系的方方面面都存在不同的见解，就连这一问题也不例外。 想象一个场景，向一面玻璃投掷一颗🏀，不出意料，玻璃碎了。 问题是，玻璃为什么碎了？这个问题显而易见的回答是：因为有人投了🏀。但如果你仔细考虑这当中的因果影响，就一定不能忽略更多的物理因素——🏀和玻璃之间牛顿定律的作用方式，然而，一旦你开始这样思考，你所给出的答案，或许已经不是提问者想要的答案了，而是为了回答另一个不太一样的问题：玻璃为什么会以飞溅粉碎的这种方式破裂？ 后一个问题的答案，必须考虑几乎所有针对玻璃的因果影响，而前一个问题的答案，则忽略了因果故事的诸多元素——提问者只是想知道窗户破裂的直观解释，而不是要了解诸多与玻璃破碎直接相关的影响的元素的细节。 人类学家想解释为什么人类进化出了巨大的大脑，但往往却对脑组织出现的基因机制不感兴趣。经济学家有兴趣解释最近金融危机发生的原因，但他们却对雷曼兄弟负债的财务数据不感兴趣。宇宙学家想解释太阳系的形成，但却对引力的起源不感兴趣。 这种观察得以让我们区分两种因果关系： 类型层面上的因果关系——让我们能够深入认识事物的一般属性。它是由正确的世界基本层次理论揭示出来的，是因果解释的原材料。 实体层面的因果关系——则与具体事件有关。这是一种解释关系，将影响的网络中的各种属性与高层事件和其他解释联系起来。 类型层面中，我们会发现阳光照射会引起皮肤受伤； 实体层面中，我们会说皮肤受伤是因为我们没有涂防晒霜。 在类型层面上，我们想要获得的是可以用来预测未来事件的知识，或者是可以用来在普遍意义上改变事件发展进程的知识；而实体层面的因果关系则是关于某个具体事件的因果关系——这通常在划分法律责任，认定个人贡献大小的奖励等情境下发挥更加重要的作用。 这种分类的特性恰恰导致了人们难以在实体因果关系上达成共识——如果我们不能把类型层面的原因当作实体原因，那么即使实体原因出现了，我们又如何才能得知某件事情为什么会发生呢？ 如果我们想证实路面结冰是导致某起交通事故的实体原因，那我们还要知道令路面结冰导致交通事故的其他因素是否也存在于现场——比如能见度低。在这个例子中，路面结冰本身并不足以导致交通事故。但是，如果路面结冰和能见度低这两个因素都出现了， 驾驶员又醉酒，而且交通也非常拥挤，情况又会怎样呢？ 这些组合足以引起一场交通事故了。然而，由于这个超定事件中出现了多重充分原因，我们很难找到事故发生的原因。 在这个案例中，我们可以说多重因素共同导致了某个结果，但在现实中，我们必须界定行为主体，定下一个实体层面的因果逻辑，以此对交通事故的责任进行划分。 尽管有人建议，当我们无法确定某个因素是否应该承担责任时，可以按照每一个原因责任比例来划分。但是，这种建议假设了事件发生的一般性概率可以直接适用于某一个具体事件，但事实上，这种方法的操作性太差——要求我们对事件发生的类型层面的背景知识有着充分的了解，而这在日常生活中往往是不现实的——因而我们往往通过交通法规，利用简单易懂的规则划分责任，尽管这样做很可能会带来误判。 有些哲学理论认为某些案例是无法解决的，比如超定事件。在超定案例中，两个或两个以上的因素都可能是导致某个结果的原因，其中任何一个都无法被判定为导致某种结果的唯一原因。在超定的情境下，常规的反事实推理法是没有用的——如果使用常规的反事实推理法，我们会发现各种因素都不是原因。 但在法律活动中，我们不能接受这种说法——我们无论如何都要做出判定。在日常生活中，出于各种实际的原因，我们常常需要解释一些问题，但又不一定非要对相应的领域有十分深刻的了解。 实体层面的因果相当复杂，即便我们解决了超定的问题，不同人采用统一推断方法也会得到不同的结论，这意味着因果解释具备主观性。实际上，类型层面的解解释也会因为测量的方法或描述的方式带来不同的结论，而这也会影响到实体层面的解释。 很多因果关系的出现都是有一定概率的——这可能是事物本身的不确定性导致的，也可能是我们对世界的认知不够全面导致的。即使某个原因导致某种结果的概率很低，但它在实体案例中仍有可能成为导致某个事件发生的原因之一，而我们计算出的概率或原因强度可以告诉我们这种情况发生的可能性有多大。 然后，我们可以利用这些'砝码'来评估各种因果解释的依据。 概率的问题，也能够简化我们的认知，来解决有关确定性因果关系复合体——即实体因果和类型因果交织给我们带来的各种困扰。 概率方法可以根据我们所掌握的实体层面的信息来对类型层面的显著性值进行加权处理——对于一个具体案例而言，由于各个事件发生的时间不同或者具有不确定性，某个因素的显著性值要低于它在类型层面的显著性值。 我们可以根据已知的事物运行机制或者先前的数据（比如计算随着时间的变化某个结果出现的概率） 来定义一个函数，让这个函数来告诉我们如何将观察到的数据与某个原因起作用的概率相匹配。 这种方法不再主观地判断某个具体案例是否符合我们对类型层面的认知，而是将类型层面的因果关系和实体层面的因果关系更有条理地结合在了一起。 我们看到的是一组原因和一系列事件，并且要将这两方面的信息结合起来，从而确定各种假设的显著性值。我们由此得 的结论不再类似于“这个原因导致了（或没有导致）那个结果”这种二元结论，而是对各种可能的原因进行的排序。 事物之间的联系不强并不意味着它们之间就没有因果关系——因为有些原因可能会比较弱（比如吸二手烟与肺癌之间）；事物之间也可能会出现很强的相关性， 却不存在相应的因果关系（比如存在共因的时候）。概率的方法不需要完全了解哪些变量是真的、哪些变量是假的，这让我们能够更好地处理因果关系链——尤其是超定的案例。 概率的观点下，改变某个结果出现概率的原因有很多，但在这个结果实际出现的时候，并不是每一个原因都对这个结果的出现产生了影响。在某些情况下， 一个事件可能会提高某个结果出现的概率，却不会导致这个结果的出现。 通过概率我们能够将一般会发生的事情和实际发生的事情区分开来，并且意识到，由于概率会随着上下文环境和时间发生变化，因而一个一般情况下可以防止某种结果出现的原因，也可能会逐渐成为导致这种结果出现的原因。 谈到因果，不如看看物理学的观点。学习物理除了深入了解这个世界是怎么运作外，还能培养分析和问题解决的能力。这里有经典力学电磁学问题，有引力与核作用问题，有量子物理问题，有统计物理问题……它们的理论框架和推理逻辑都完全不同，这个广泛的覆盖面能将思维和分析能力扩展的很大。 说起量子力学的正统解释，那非“哥本哈根解释”莫属。 这一解释流派的支持者众多，玻尔，海森堡，玻恩，冯·诺伊曼。这当中，一般认为，海森堡的“不确定原理”，玻尔的“互补原理”，玻恩的“概率解释”（“上帝掷骰子”），是哥本哈根解释的三大理论支柱。 为了探究因果性，我们有必要深入了解玻恩的观点。实际上，波恩一贯反对按照经典意义的严格决定论来绝对化因果必然性。他一生都信仰客观的随机性。 玻恩的观点可总结为三个方面： （1）量子理论突破了严格决定论的模式，本质上是统计性的。单个量子过程“概率决定论”具有内禀的随机性和非决定性。 单个粒子本身具有内禀的、先天的、固有的不确定性。相比之下，在经典统计的“统计决定论”中，单个过程却是符合严格决定论的——总体的不确定性只是人类知识的局限性、信息的不完全性所造成的，不是过程本身的问题。 就像双缝干涉的图样决不是两个单缝图样的简单重叠一样，这个实验揭示了量子概率“概率决定论”相比经典概率“统计决定论”的特殊性：量子力学的状态叠加原理实质上是针对“概率幅”的——不是经典方法所熟悉的概率直接相加。 （2）物理世界同时受到因果性和随机性两方面的支配；并且随机律是终极律，然而即使随机也还是有规则的。 玻恩在《非决定论的物理学》中写到： 在《论物理学理论的意义》中，玻恩谈到： “即使偶然性也不是完全任意的，因为存在着一些随机律，它们是数学上的概率论表述出来的。”；“我们至多只能说是'有规则的偶然性’，我们必须假定随机律的存在，这些定律假设，自然界或人类活动是有规律的。” （3）把因果性与严格决定论混同起来是错误的。应当提倡人类认识模式的革命：以前的严格决定论观点是人类认识自然的根本模式，概率统计观点只是权宜之计；现在则要颠倒过来，随机律是终极规律，随机性、几率要比因果性观念更为根本。 对此，玻恩说： “今天，这些（因果性与随机性）观念的次序颠倒了过来：随机性变成了原始的观念，力学是它定量规律的表示，而因果性及其全部属性在日常经验领域里的压倒多数的证据，都可以从大数统计律中得到满意的说明。” 玻恩还借助爱因斯坦的布朗运动理论有力地证明，宏观可观测性的精确程度也有自然的极限——即使经典物理学也是非严格决定论的。 玻姆是一个“反还原论者”——他认为，自然界存在着无穷个层级，他强调各个层级的独立性，每一个层次都有独特的规律，这是一种反还原论的观点。他说： 玻姆在《现代物理学中的因果性与机率》中指出，“自然界质的无穷性”在量子物理学起着指导作用。根本不存在终级自然律——而且每一层次都突现独特的规律。 波姆认为，由于物理世界相互作用的复杂性，偶然性总是出现在多种不同因素、可能趋势的交叉点上，而其中每一分支都是一条因果链。这就是玻姆的“量子势因果解释”。 玻姆认为，在物理领域，除了经典势之外，还应当有量子势。量子粒子的运动由量子势掌控，而量子势由波动方程所决定。玻姆的“量子势因果解释”，勾勒了关于新型量子场和粒子之间关系的清晰的本体论图像。 量子场是整体全息相关的，量子势是不随距离而衰减的，它的波函数的“形式”（即结构特征）才是根本的，因为它携带着能够对量子场全局起控制作用的“主动信息”的量。量子场、量子势是粒子的引导条件，因而量子场和粒子仍然是因果性的。 量子势因果解释是因果决定性与概率统计的某种整合。它在物理上有清晰的直观模型；在哲学上有明确的本体论基础。 从哲学上说，玻姆的因果观比较集中地体现在他的专著《现代物理学中的因果性与机率》一书之中。 他认为决定论与统计的随机律分别是自然规律单一结构的两个侧面。从哲学视角看，玻姆的量子势模型表现了所有基本要素（场和粒子）的独立实在性及其行为的完全因果决定性。 他的“因果性观点”是与”量子整体论“相互关联的——他的新整体观是：按照量子概念，世界是作为一个统一的、不可分割的整体而存在的。即便每个部分的内在性质（粒子或波），也依赖于场境。 玻姆说法的特点在于，因果性是必然性的特殊形式，即只是相对的必然性。 最终，以下观点对玻姆的立场进行了高度概括： （1）不能完全脱离条件、偶然性来讨论因果律； （2）偶然性出现在多种不同因素、性质、可能趋势的交叉点上。事件的结果往往是掺杂多原因的复合产物。 （3）完全脱离偶然性来定义因果律，只是不切实际的幻想——当然，暂时性的抽象是可以允许的。 （4）尽管在复杂性相互作用下，事件的结果来自多种原因的合力，但是仍然可以把握其近似真理。 （5）偶然性是讨论范围之外的各种可能性，唯有忽视联系才能凸显偶然性。 （6）随机偶然性或者因果必然性，这两极都只是近似概念，都是对真实过程的单方面抽象、局部近似的描述（忽略掉与对立方面的联系）。其实，这两个侧面双方互相制约、校正。 值得一提的是，关于概率的本质，玻姆更愿意相信客观解释（比如频率学派），不喜欢主观解释。这很可能与他的科学实在论的哲学立场有一定联系。 戴维·玻姆主张，必然的因果关系与随机偶然性应当结合起来，因果性定律与随机性定律共同决定事物的实际发展；而马克斯·玻恩则肯定“量子世界是由因果与随机联合支配的”。 粗看起来，两者的因果性观点似乎没有什么分歧，两者几乎是高度一致的。那么，他们的实质分歧究竟在哪里？ 我们至少看到，玻恩在批评严格决定论的同时，却走向了另一个极端，以随机律做为终极律。玻姆对“随机律是终极规律，甚至比因果性观念更为根本”的观点表示强烈的不满，认为这样子“宇宙就变成超大的赌博轮盘”了！就变成了“绝对随机论”。 然而，在批评的同时，玻姆也看到了玻恩在反严格决定论的时候，并不否认随机性有规则。玻恩尽管反对严格决定论，然而并不否定自然律——他只是认为自然律可以通过几率形式来表述而已。 仔细看起来就会发现，两个人之间观点的矛盾并非不可调和。 在一般人的常识中，并没有将“绝对偶然论”的观点与“随机律的观点”严格区分开来，相反很容易简单地混为一谈。 “绝对偶然论”认为“世界绝对无规律可言，一切都是偶然的，偶然性决定一切”的。而“随机律的观点”则认为，尽管随机性存在于宇宙的最基本的层次里，是根本性的，无法消除或不可还原的，然而随机性有规则，可以成为基本自然律，在数学上它还遵守概率论定律。 波姆在批评玻恩的时候，就混淆了这两个概念，误将玻恩划分为绝对偶然论一派，他无视了玻恩“随机有规则”的承诺。 类似的，玻姆在讨论“不确定原理”时，又犯了同样的错误——他批评对手的观点主张在微观领域一切都是不确定的，根本不存在什么因果关系，要完全“摒弃因果性”和“微观客体的客观实在性”等等。 然而，从随机律是终极自然律，并不能推导出“因果关系不存在”。 玻姆的显然是误解了玻尔、海森堡的观点——他们所谓“因果性概念在量子领域完全失效”，仅仅指的是相关“经典概念”的失效。类似地，所谓“客观实在”观念的失效，仅仅指的是相关“经典概念”的失效。 玻姆尤其不喜欢正统派的几个认知： a.几率 = 终极性的、第一性的。 b.几率解释 = 最后的、不可逾越的解释。 c.微观事件中，存在没有来源的、基本的无规性，比如“随机涨落”。 不同于“正统派”的激进理解方式，玻姆很有见地的，采取比较温和的方式肯定了本体论意义的偶然性，并认为因果性=相对的必然性。 他提出： （1）因果性只是相对的必然性，这种必然性是有条件的、非绝对的； （2）因果律=理性思维固有的本性； （3）抽去条件、完全摆脱偶然而确定因果性=不切实际的空想。 玻尔的“现象整体论”主张“量子整体性”是“量子现象”的不可简约性和不可分析性；相比之下，玻姆的具有本体论意味的“全域整体论”则主张，“量子整体性”是不可分割但可分析的整体性。 那么，我们应该认同马克斯·玻恩，“把因果律当作是随机律的统计近似”，还是应当像戴维·玻姆那样“把随机律当作因果律结果的统计近似”？目前，并没有直接的判决性实验可做，这还有待于实证的科学实践来给出裁定。 再来看一个数学观点下因果推断的例子。 从下面加热一层又宽又薄的油，在适当的情况下，会出现瑞利-贝纳德对流。最为独特的是，对流流体分解成许多六边形对流“细胞”，呈现出蜂窝状。 为什么是这种形状？ 一个最有力的解释是，二维中圆的最密集晶格排列是六角形排列：由于不相关的原因，流体形成了小的圆形对流单元；然后，这些细胞要尽可能密集地分布，并膨胀填充间隙，于是呈现六角形。 显然，要理解蜂窝结构，只是对相关因果事实的把握是不够的——必须还要理解一些纯粹的数学知识。 伽利略在《分析者》中提出了一个著名的观点：“自然之书是用数学字符书写的”。这个比喻表明，数学植根于自然界本身。因此，也许数学属性可以通过数学的必要性来解释事物的物理状态。 伽利略的观点可能在许多方面得到充实。你可以认为，数学解释的例子就是因果关系。然而，这并不是一种流行的观点。我们往往认为物理机制塑造了因果关系，但是，数学机制能塑造因果影响的渠道吗？ 实际上，物理世界中有大量的数学结构，在牛顿力学的情况下，因果关系通过F=ma的数学结构来运作——沿着实数二阶微分方程的数学在现实中刻下的虚拟的轨迹线施加影响。如果是这样的可理解的情况，那么发现数学是科学因果解释的核心就不足为奇了——它决定了物理过程可能展开或不展开的方式——这也被看作是第一性的溯因逻辑。 当我们说一种现象是由于一些数学事实而产生的时，这并不是说数学定理本身就是一个原因（就像我们说牛顿第二定律是一个原因一样），而是它展示了一个数学的事实，这个事实在构成因果过程的展开中起着直接和重要的作用。 数学是一个以原始的，和未经中介的方式参与因果故事成立的一个事实，因此，任何希望理解故事的人都必须掌握其本质。数学性质在因果关系中不可能发挥任何作用，但数学驱动的解释可能被理解为因果关系。 要理解我们人类的科学著作，就必须有数学知识，但数学不是内容，而是语言。上帝不会用数学字符书写，至少在上帝讲解释性故事的时候是这样的。我们人类试图理解上帝的方式，就是要使用代表性工具，利用数学结构来编码非数学解释性的事实，来表达上帝的伟大思想。 在科学实证领域，我们可以利用实验设计，比如随机试验去寻找事件发生的原因，但在很多情况下，我们都做不了这样的试验。这时，我们需要对其他证据进 行评估，以此来确定某种关系是因果关系的可能性。 然而，我们从理想并完美的随机试验中了解到的信息，与我们从任何给定的真实试验中了解到的信息也是不同的——真实的试验可能并非盲法试验，试验的样本可能会很小，而且在试验的过程中，很多参与者可能在试验还未结束时就已经 退出了——这带来了删失的数据。 就算是科学的研究，也是处处受限的。 之所以引入概率来定义因果关系，是因为我们不仅想知道某个事物到底是不是因果关系，还想要知道这个事物到底有多重要。 研究人员躲在他们各自所属学科的筒仓里，就发现和使用原因的最好的方法争论不休。这些研究人员没有达成任何明显的共识，而且每种方法的众多局限性导致整个研究似乎陷入绝境。即使我们真的需要原因，最后可能也无法找到它们。 研究领域之外，我们的感知也会进来添乱——'我们能够感知到因果关系'这一概念在哲学上也是有争议的。事件发生的时间和空间的邻近性等因素往往会导致我们错误地感知因果关系，从而做出错误的判断——这就是休谟的观点，认为人们如果经常看到一些事件同时发生，就会假设它们之间存在因果关系。 然而，就连得到因果关联的方式，也是存在分歧的。有人认为应该先收集数据，然后根据数据来选择与我们观察最一致的结构；也有人认为，我们应该先假想一个结构，然后通过新的信息不断优化这个结构。 而且，我们还要兼顾责任划分的问题——我们在实际问题中，往往不能单单列出引发后果的原因本身，还要兼顾道德因素或过失程度。为此我们有必要区分类别因果和实体因果。这些研究大都是基于人类的直觉或人们'应该会有'的想法，而不是通过实验所收集的数据。 概率模型不是因果推理的唯一方法，反事实推理法也不是解释事件的唯一方法。很多方法都在以人们意想不到的方式被应用于不同的学科当中。实验设计，概率方法，反事实方法，还原论方法、干预方法...它们形成了一个工具箱，帮助我们形成一组需要考虑的因素。 因果关系仍然是一个长期悬而未决的问题——而且这种状况将持续下去很久。人们一不小心就会推理出一些并不存在的因果关系，而我们发明的各种计算程序也不是万无一失的。 反事实推理无法解答冗余因果关系的超定情境，概率的变化也可能误导我们生造因果关系，不是原因的事件也会提高结果事件的概率，没有因果关系的变量也存在概率上的依赖性，甚至还有没有相关性的因果关系（比如辛普森悖论），我们还看到，在量子力学当中，研究者也遭遇了信仰危机并提出了互为竞争的理论，这些问题都成为因果之路上新的困扰。 更糟糕的是，即便我们能够找到一个原因，由于收集和理解信息的局限性，我 们仍然很难使用这个知识来防止或促使某个结果发生。 问题是，既然因果性这么折磨人，我们为什么还要如此费力地研究因果关系呢？ 尽管认知很难，但我们仍在深入，逐步加深对因果关系的认识——一方面是因为我们有了更好的数据和更强大的计算能力，另一方面是因为各个领域的不断重叠和跨学科研究的不断发展。 我们不能抛弃因果关系，而是要抛弃黑匣子的思想——不要以为我们可以从数据源头直接获取一些数据放进黑匣子，然后黑匣子就会吐出一系列无须解释且无须人为干预的原因。因果推理是必要且充满可能性的，却不是完美的。 最重要的是，我们看到，数学理论的，量子理论的，责任判定的问题，它们的因果推断的内核都存在微妙的差异，为了解决实际的问题，它们都离不开所属领域的专业知识。 |
|
|
