为什么：关于因果关系的

前言

20

“转变”被证明是一场改变了诸多科学理念的“革命”，现在，很多人称之为“因果革命”，而它在学术圈激起的波澜正蔓延至教育和应用领域。我相信，眼下是向更多读者分享它的大好时机。

我在这本书中力图完成一个三位一体的使命：首先，用非数学的语言阐述因果革命的知识内涵，说明它将怎样影响我们的生活和未来。其次，分享在解决重要的因果问题时，我们的科学家前辈走过的英勇征程，无论成败，这些故事都值得讲述。

——因果语言进行交流的机器人。新一代机器人应该能够向我们解释事情为何发生，为何以它们选择某种方式做出反应，以及大自然为何以这样而非那样的方式运作。一个更雄心勃勃的目标是，它们也应该能够让我们进一步认识人类自身：我们的思维为什么以这样的方式运行，以及理性思考原因和结果、信任和遗憾、目的和责任究竟意味着什么。

——对我来说这是一次全新的冒险。这种新的体验很奇特，但它可以说是我生命中令我收获的一场自我教育之旅。我需要用读者的语言组织思路，猜测读者的背景、可能提出的问题和给出的反应，这让我比我在写作此书之前对所有那些公式的探索都更能加深我对因果论的理解。

为此，我将永远感激你，我的读者。我希望你能与我一样迫不及待地去寻求答案。

·珀尔及其同事领导的因果关系革命突破多年的迷雾，厘清了知识的本质，确立了因果关系研究在科学探索中的核心地位。

“强人工智能”可以实现吗？借助因果关系之梯的三个层级逐步深入地揭示因果推理的本质，并据此构建出相应的自动化处理工具和数学分析范式，作者给出了一个肯定的答案。作者认为，今天为我们所熟知的大部分机器学习技术，都建基于相关关系，而非因果关系。要实现强人工智能，乃至将智能机器转变为具有道德意识的有机体，我们就必须让机器学会问“为什么”，也就是要让机器学会因果推理，理解因果关系。或许，这正是我们能对准备接管我们未来生活的智能机器所做的*有意义的工作

朱迪亚•珀尓（Judea Pearl）
现加州大学洛杉矶分校计算机科学教授，“贝叶斯网络”之父，2011年因创立因果推理演算法获得图灵奖，同时也是美国国家科学院院士，IEEE智能系统名人堂批10位入选者之一。目前已出版3部关于因果关系科学的经典著作，分别为《启发法》 （1984）、《智能系统中的概率推理》（1988）和《因果论：模型、论证、推理》（2009）。曾获得过多项科学荣誉，包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。

达纳•麦肯齐（Dana Mackenzie）
普林斯顿大学数学博士，自由科学记者，知名科普作家，著有《无言的宇宙》等作品，其学术论文多次收录于《科学》《新科学家》《科学美国》《探索》等重量级期刊。

推荐序

前言

章：因果关系之梯

第二章：从海盗到豚鼠：因果推断的起源

第三章：从证据到因：当贝叶斯牧师遇见福尔摩斯先生

第四章：混杂和去混杂：或者，消灭潜伏变量

第五章：烟雾缭绕的争论：消除迷雾，澄清事实

第六章：大量的悖论！

第七章：超越调整：征服干预之峰

第八章：反事实：挖掘关于假如的世界

第九章：中介：寻找隐藏的作用机制

第十章：大数据，人工智能和大问题

致谢

参考文献

·珀尔及其同事领导的因果关系革命突破多年的迷雾，厘清了知识的本质，确立了因果关系研究在科学探索中的核心地位。

“强人工智能”可以实现吗？借助因果关系之梯的三个层级逐步深入地揭示因果推理的本质，并据此构建出相应的自动化处理工具和数学分析范式，作者给出了一个肯定的答案。作者认为，今天为我们所熟知的大部分机器学习技术，都建基于相关关系，而非因果关系。要实现强人工智能，乃至将智能机器转变为具有道德意识的有机体，我们就必须让机器学会问“为什么”，也就是要让机器学会因果推理，理解因果关系。或许，这正是我们能对准备接管我们未来生活的智能机器所做的*有意义的工作

朱迪亚•珀尓（Judea Pearl）
现加州大学洛杉矶分校计算机科学教授，“贝叶斯网络”之父，2011年因创立因果推理演算法获得图灵奖，同时也是美国国家科学院院士，IEEE智能系统名人堂批10位入选者之一。目前已出版3部关于因果关系科学的经典著作，分别为《启发法》 （1984）、《智能系统中的概率推理》（1988）和《因果论：模型、论证、推理》（2009）。曾获得过多项科学荣誉，包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。

达纳•麦肯齐（Dana Mackenzie）
普林斯顿大学数学博士，自由科学记者，知名科普作家，著有《无言的宇宙》等作品，其学术论文多次收录于《科学》《新科学家》《科学美国》《探索》等重量级期刊。

思维胜于数据

每一门蒸蒸日上的科学都是在其符号系统的基础上繁荣发展起来的。

—— 奥古斯都·德·摩根

20

“因果推断”。它本身也并不是什么高科技。因果推断力图模拟的理想技术就存在于我们人类自身的意识之中。数万年前，人类开始意识到某些事会导致其他事的发生，并且改变前者就会导致后者的改变。没有其他物种领悟到了这一点，更别说达到我们所理解的这种程度。由这一发现，人类这一物种创造出了有组织的社会，继而又建立了乡村和城镇，直至创建了我们今天所享有的科技文明。所有这一切都源于我们的祖先提出了这样一个简单的问题：为什么？

“人工科学家”。这个智能机器人将会为我们发现未知的现象，解开悬而未决的科学之谜，设计新的实验，并不断从环境中提取更多的因果知识。

但在冒险推测未来发展之前，了解迄今为止因果推断这门科学所取得的成就至关重要。我们将深入探讨它是如何改变了几乎所有依赖数据信息的学科中研究者的思维模式，以及它将如何改变我们的生活。

这门新科学解决了以下这些看似简单明了的问题：

“预防”、“导致”、“由……引发”、“证明”和“该不该”这样的词语轻易识别出它们。这些词在日常生活用语中很常见，我们的社会也一直在不断提出这样的问题并寻求答案。然而，就在不久之前，我们甚至还无法在科学的范围内找到途径明确地表述这些问题，更别说回答它们了。

5

25

“新科学”时，你可能会心存疑虑。你甚至可能会问，为什么科学家没有在更早的时间就开始这样做？比如在古罗马诗人维吉尔首次宣称“幸运儿乃是能理解众事原委之人”（公元前

——举个例子，气压计读数 

我的大学教授们就没能做到这件事，也从没有为此抱怨过。我敢打赌，你们的教授中也没人研究过这个问题。现在，我们已经明白原因为何了：他们从未见识过一种关于因果的数学语言，也从未发现到它的好处。这种语言的发展被好几代科学家所漠视，其实质是科学的一种衰败。众所周知，按动开关按钮会导致一盏灯的打开或关闭，夏日午后的闷热空气会促使当地冰淇淋店的销售额增加。那么，为什么科学家们没有像用公式表达光学、力学或几何学的基本法则那样，用公式去捕捉这些显而易见的事实？为什么他们容忍这些事实在原始的直觉中凝滞，而不去运用那些促使其他科学分支走向繁荣和成熟的数学工具呢？

答案部分在于，科学工具的开发是为了满足科学需要。正因为开关、冰淇淋和气压计这类问题我们处理起来驾轻就熟，所以用特殊的数学工具来解决它们的意愿始终不够强烈。但随着人类求知欲的不断增强，，以及社会现实开始要求人们讨论在复杂的法律、商业、医疗和决策情境中出现的因果问题，我们终于发现我们缺少一门成熟的科学所应提供的用于回答这些问题的工具和原理。

400

——高尔顿和皮尔逊提出了一个关于遗传的因果问题，并独具匠心地尝试用跨代数据来解答它。遗憾的是，这一努力失败了，他们没有停下来去问为什么，反而声称这些问题是禁区，转而去发展另一项刚刚兴起、不涉及因果关系的事业——统计学。

“非科学”，被迫转入地下。尽管遗传学家休厄尔·赖特

101

“因果”这个词是徒劳的。统计学不允许学生们 说 

20

“数据科学”方面的课程激增，在涉足“数据经济”的公司中，“数据科学家”享有极高的工作待遇。然而，我希望本书终能说服你相信这一点：数据远非。数据可以告诉你服药的病人比不服药的病人康复得更快，却不能告诉你原因何在。也许，那些服药的人选择吃这种药只是因为他们支付得起，即使不服用这种药，他们照样能恢复得这么快。

在科学和商业领域，仅凭数据不足以解决问题的情况一再发生。尽管或多或少地意识到了其局限所在，但多数热衷于大数据的人仍然选择盲目地继续追捧以数据为中心的问题解决方式，仿佛我们仍活在因果禁令时代。

30

20

“因果关系演算法”。借助这种工具，我们得以解答出一些有关因果关系的棘手的问题。能向公众展示这一演算法实在令我兴奋不已，这不仅是因为它拥有跌宕起伏的发展史，更是因为我真心期待未来某天它能在某些人那里发挥出超越我的想象的潜力……也许就出自本书读者之手。

(causal diagrams)

35

“知识语言”并存的还有一种符号式的“问题语言”，它被用于表达我们想要回答的问题。例如，如果我们感兴趣的是药物

 do(D) 

 L 

 P(L|do(D))

 do

(counterfactual)

“反事实的算法化”正是因果革命另一项宝贵的成果。

(what-ifs)

“思维机器”（

“思维机器”这个词是我有意而为的。我是以一名浸淫人工智能领域多年的计算机科学家的身份涉足这门新科学的，我的研究背景使我在进行因果推断方面的研究时能够使用一种该领域的大多数研究同仁所并不具备的视角。首先，在人工智能的世界里，只有当你能够教会机器人理解某个课题时，你才算真正理解了它。这就是为何你会在本书中看到我反复强调符号、语言、词汇和语法。我痴迷于这样的思考：是否可以用一种业已存在的语言来表达某个论断，以及我们如何判断一个论断是否与其他一些论断是相一致的。我们可以看到，仅仅是遵循科学语言的语法进行话语实践就能让我们掌握大量的知识，这实在令人惊喜。我对语言的强调也源于一个坚定的信念，即语言会塑造我们的思想。你无法回答一个你提不出来的问题，你也不能提出一个你词语用来描述的问题。作为一名哲学和计算机科学的学生，我之所以被因果推断吸引，关键的因素就是渴望获得那种目睹一门被边缘化的科学语言促使一门科学从诞生走向成熟这一整个过程所带来的兴奋感。

20

“你是否曾经对相关关系和因果关系的问题感到疑惑？这部内容精彩的著作对此问题给出了一个富有启发性的答案，且读来妙趣横生。”

——丹尼尔·卡尼曼，诺贝尔经济学奖得主，《思考，快与慢》作者

“在过去的

——温顿·瑟夫，“互联网之父”之一，谷歌副总裁兼首席互联网专家，

“如果因果关系不等于相关关系，那它是什么？感谢朱迪亚·珀尔划时代的研究成果，我们现在对这一问题有了精确的答案。如果你想要理解世界的运行方式，那么这本引入入胜、充满阅读乐趣的著作就是一个很好的起点。”

——佩德罗·多明戈斯，华盛顿大学计算机科学教授，《终极算法》作者

“朱迪亚·珀尔一直是人工智能革命的心脏和灵魂，更广义地说，他是计算机科学革命的心脏和灵魂。”

——埃里克·霍维茨，微软研究实验室主任兼常务董事

“如果把一个学科的疆域比喻为一个不规则多边形，那么多边形的所有顶点就定义了这个学科的边界。这本书的内容代表人工智能学科在因果推理方面的一个‘顶点’。突破性创新必然发生在所有‘顶点’划定的学科边界之外，而‘热点’则往往在边界之内。不了解‘顶点’，就难以展开突破性创新。”

——陈小平，中国科学技术大学机器人实验室主任

“尤瓦尔·赫拉利在《人类简史》中指出，人类进化史上的*次认知革命以发展出“想象不存在的事物”的能力为标志，《为什么》一书则更进一步提出，正是在这一能力的基础之上，人类发展出了因果思维。从原始部落组织狩猎行动，到孟德尔的基因遗传特征分析，从吸烟是否致癌的争辩到强人工智能是否可能实现的大讨论，无一不需要因果思维的指引。”

——罗振宇，得到

“真正的人工智能必须拥有什么能力？珀尔认为，要实现人工智能，就必须让机器具备因果推断能力。珀尔只手推动了人工智能领域的因果革命，面向大众读者推出《为什么》一书，这是一部关于人工智能与因果推断的科普之作，也是一部哲学与科学交相辉映之作。珀尔将技术与思想融为一体，系统阐述了因果关系之梯的三个层级。毫无疑问，该书将和《自私的基因》一样成为我们这个时代的经典之作。”

——梅剑华，山西大学哲学社会学院教授，现代外国哲学学会理事

“人类本能地想要寻找事物之间的因果关系，却长久地陷于迷雾之中。珀尔的《为什么》和卡尼曼的《思考，快与慢》一样，也是石破天惊、开辟鸿蒙的巨作，这本书介绍了新兴的因果推断科学，直达人工智能学科的前沿。阅读这本书，不仅能拓宽你的思维广度，而且能增加你的思维维度。”

——

“颇具启发性……珀尔教授在《为什么》一书中将其对于发现因果关系这一新科学的喜悦以及对于他的学生和同事所做工作的自豪感完全体现了出来……这本书不仅为广大读者们上了关于科学思想发展史的宝贵一课，也为相关领域的从业人士提供了判断大数据是否能够给出有效解释的概念性工具。”

——《纽约时报》

“因果关系是科学界和医学界争论*激烈、*难证明的命题之一。这本书将引领你真正开始思考因果关系，因为它适用于解决我们当今时代的诸多问题，包括吸烟究竟是否会导致癌症，胆固醇水平与心脏病的关系，等等。两位作者细致入微地讲述了这些案例的来龙去脉，实在精彩。”

——“科学星期五”，权威科学媒体

“‘相关关系不等于因果关系。’这一科学禁令已经为社会带来了严重的不良后果……朱迪亚·珀尔提出了一个革命性的数学解决方案……生物学、医学、社会科学和人工智能领域都因此获得了长足的发展。”

——《自然》杂志