因果关系之梯：从观察到想象的能力进阶

因果关系之梯是图灵奖得主、加州大学洛杉矶分校计算机科学教授朱迪亚·珀尔提出的一种分类框架，该分类法回答了“因果推理主体可以做什么”这一问题。因果关系之梯包括三个层级：关联(association)、干预(intervention)和反事实（counterfactual），分别对应逐级复杂的因果问题。

第一层级的梯子上站着的是机器人和动物，它们通过“观察”进行学习，能够做的就是基于被动观察来做出预测。比如观察到症状，这意味着和疾病有关；观察到调查结果，我们知道人们会如何投票。

在这个层级上，问题都是基于“关联”，即相关性的，其典型问题是：“如果我观察到……会怎样？” 比如，一家百货公司的销售经理可能会问：“购买牙膏的顾客同时购买牙线的可能性有多大？”

相关性问题正是统计学的安身立命之本，统计学家主要通过收集和分析数据给出答案。朱迪亚·珀尔认为，目前为止我们的机器学习进展都还是在这一层级的，无论大家认为它有多么强大。

第二层级的梯子上站着的是原始人类和婴儿，它们学会了“行动”，即有意图地去使用工具，对周遭环境进行干预。

在这个层级上，就涉及到了对现实世界的“干预”，并预测干预结果。其典型问题就是：“如果我们实施……行动，将会怎样？” 比如“如果我们把牙膏的价格翻倍，牙线的销售额将会怎么样？”

干预比关联更高级，因为它不仅涉及被动观察，还涉及主动改变现状。深度学习系统，无论数据集有多大或者神经网络有多深，只要使用的是被动收集的数据，都永远无法回答干预问题，因为干预行动据其本意就是要打破机器训练的环境规则。

第三层级的梯子上站着的是有较高智慧的人类，拥有“想象”、“反思”的能力，能够在大脑中将真实的世界与虚构的世界进行对比。

在这个层级，通过“反事实”的问题，构建一个虚拟世界，与现在进行对比，问题的答案就是对比的结果。其典型问题是：“假如我当时做了……现在会怎样？”。回到牙膏的例子，针对这个例子，最高层级的问题是：“假如我们把牙膏的价格提高一倍，则之前买了牙膏的顾客仍然选择购买的概率是多少？”

在这个问题中，我们所做的就是将真实的世界（在真实的世界，我们知道顾客以当前的价格购买了牙膏）和虚构的世界（在虚构的世界，牙膏价格是当前的2倍）进行对比。

反事实与数据之间存在着一种特别棘手的关系，因为数据顾名思义就是事实。数据无法告诉我们在反事实或虚构的世界里会发生什么，在反事实世界里，观察到的事实被直截了当地否定了。然而，人类的思维却能可靠地、重复地进行这种寻求背后解释的推断。

参考资料：

朱迪亚·珀尔，达纳·麦肯齐 著，江生，于华 译，“为什么：关于因果关系的新科学”，中信出版集团，2019.

因果之梯-集智百科

https://wiki.swarma.org/index.php/%E5%9B%A0%E6%9E%9C%E4%B9%8B%E6%A2%AF