開卷 | 穿透大數據的光暈理解因果關系

無論在科學、哲學還是日常生活領域，因果關系都一直是具有理性的人類認識和實踐的基礎觀念，甚至可以說，正是因果觀念才使人們相信理性能夠把握對象。但是，自從人們涉入微觀領域，傳統因果觀念便面臨顛覆性挑戰；而隨著信息文明的發展，大數據相關關系在給傳統因果觀念帶來更嚴峻挑戰的同時，進一步清晰地展露了這一挑戰的發展契機性質。

原文 ：《穿透大數據的光暈理解因果關系》

作者 |王天恩

圖片 |網絡

與其說大數據給因果觀念帶來了根本挑戰，莫如說為因果觀念的發展提供了前所未有的發展機遇；只是隨著大數據的爆發式發展，相關關系應用的耀眼光芒同時造成炫目光暈，使我們不容易看清甚至難以看到其更深遠的因果關系意蘊。量子力學對于傳統因果觀的顛覆性挑戰，就源自量子現象實質上的信息性質；而大數據則正是信息數字編碼發展的產物。只有在因果關系的信息層次，才能在量子力學因果觀念發展啟示的基礎上，穿透大數據的炫目光暈，沿著光芒所向，走進因果關系理解的更深層次。

思維規定的發展

在當代信息科技發展中，大數據相關關系和因果關系問題處于核心地位，下涉信息的更到位理解，上涉人工智能通用化。人工智能特別是通用人工智能的發展，在更深層次展示了大數據及其相關關系和因果關系問題的重要性。其之所以涉及人工智能通用化，就因為關乎因果關系的機器理解，正是由此催生了朱迪亞·珀爾（Judea Pearl）等的“因果新科學”。珀爾是圖靈獎得主，有“計算機科學家和哲學家”之稱，在2019年出版了《為什么：關于因果關系的新科學》（The Book of Why: The New Science of Cause and Effect）?！靶乱蚬茖W”研究的重要目標，就是為人工智能通用化打造新的因果模型。構建走向通用人工智能的新因果模型，在更深層次涉及新的認識論等哲學基礎理論。

面對自然界，人類在認識中能做的主要是描述。盡管隨著科學的發展，對大自然的描述遇到越來越大的困難，描述本身也越來越遠離經典夢想中的客觀，我們仍然有自知之明地停留在神秘的“客觀規定性”。然而，當科學技術的發展形成前所未有的大數據，信息可創生、不守恒的本性得到更深入揭示，從而人類不僅得以創構從未存在過、自然界也不可能存在的新硬件和新軟件，甚至可能創構一個新的世界層次——信息世界，人類便從認識世界和改變世界，走上創生意義上的創構世界，由此使創構世界的前提性規定成了人類新的重要課題，前所未有，且必須面對。

“規定”是一個從常識性的日常概念，到人類知識最深層次基礎范疇的觀念性存在。在自然語言的具體使用中，由于語境的復雜多樣性，在西文中甚至還沒有一個統一的概念。這就凸顯了規定論研究的必要性和重要性。

在人類實踐和認識活動中，規定最早出現在作為感性實踐的日常活動中，那就是行為規定。由于任何規定活動和結果都是思維活動及其產物，在廣義上理解，所有的規定都是思維規定。

關于思維規定的初步系統研究，“隱秘地”始自黑格爾的邏輯學。黑格爾之所以以法哲學結束其哲學研究，除了個人旨趣，也與當時規定的發展有關。在黑格爾那里，“邏輯學是純粹思維規定的體系”。規定問題的研究隱含于黑格爾邏輯學中的思維規定思考，而其當代研究則在弗雷格（Friedrich Frege）那里啟動，在維特根斯坦（Ludwig Wittgenstein）那里發生重要轉折，在克里普克（Saul Aaron Kripke）那里展開，在信息科技發展帶來的信息文明時代空前凸顯。由于越是深層次的規定越是作為思維進一步進行的前提存在的，因此可以區分為作為行為依據的規定和作為描述前提的規定，即行為規定和思維規定。

“思維規定”和一般的“定義”或“觀念”有根本區別。一方面，不是所有的定義和觀念都是思維規定；另一方面，思維規定都是在一定具體條件下由“不可能不是如此”得到的基本假設。

在信息文明時代，由于思維或認識越來越清晰地進一步分化，思維規定又可以區分出兩個亞類：作為既存對象描述前提的思維規定和作為創生對象創構前提的思維規定，因而思維規定又有描述的思維規定和創構的思維規定。但關于規定的研究更為根本的，則是把規定作為一個整體對象的探索。規定論研究更為重要的意義，在于關于規定的整體性研究。

關于創構的規定前提，明顯是大數據世界發展空前凸顯的基礎理論研究領域。從大數據理解的深化到新因果模型的更深層次探索，都必須建立在作為創構前提的規定之上。思維規定的發展意味著基本觀念的轉換，往往與范式變革聯系在一起。正是大數據相關關系帶來的因果關系發展，意味著人類因果觀念的重大轉換。

形成三種基本的因果觀

隨著人類認識的深化和實踐活動層次的提升，人類因果觀念經歷了兩次重要轉換，形成三種基本的因果觀：實在論因果觀、描述論因果觀和模型論因果觀。從實在論因果觀到描述論因果觀，肇因于從經典物理學到量子力學的發展；從描述論因果觀到模型論因果觀，則源自信息科技特別是大數據的發展。在三種因果觀念中，相互之間的認識遞進關系顯而易見。實在論因果觀是關于對象確定性聯系的把握；描述論因果觀是將實在論因果觀抽象為描述的產物；而模型論因果觀則是描述論因果觀發展到完全抽離具體經驗條件的結果。在從實在論因果觀到模型論因果觀的發展過程中，珀爾關于因果關系的研究具有重要地位，其“因果新科學”將因果關系與人工智能相聯系，堪稱模型論因果觀的典范。珀爾的因果階梯三層次雖然角度不同，但與因果觀念的發展大致相契合。

因果階梯的最底層是“關聯”（association）。比如，作為一種癥狀，心口疼與藥具有關聯。中間層是“干預”（interventions），進一步涉及通過采取行動影響因果過程，在這一例子中，即通過調節心口疼和藥物的相互作用進行干預，看看服用止疼藥會不會治愈心口疼。最高層是“反事實”（Counterfactuals），通過想象、反思和理解，沿著與事實相反的路徑思考問題。比如服用止疼藥心口不疼了，可以睡覺了，結果一睡就沒有再醒過來，就可以引出進一步的“為什么”：如果不服用止疼藥會怎樣？其中含有更豐富多彩的可能性的蓓蕾。由此可以想見，走向“反事實”的“假設”這一最高層次意味著真實世界和虛構世界的對比，而作為其結果，在高層次的可能性是通向新事物的創構。

在珀爾因果階梯的最高層次，“反事實”的“假設”不僅涉及因果模型的未來維度，更重要的是與思維規定相聯系。最基本的思維規定就是最基本的假設，而思維規定的設置則是人類完全不同于其他動物的根本能力，也是人工智能研究未能確定智慧性突破的關鍵環節。珀爾的因果模型還有另一個基礎層面有待突破，這與對信息的理解密切相關。兩方面的原因可以解釋為什么大家都覺得珀爾的因果模型理論很重要，同時又存在質疑之聲。事實上，珀爾關于因果新科學研究的最重要意義，就在于試圖以可實際操作的方式涉及可以用于通用人工智能的新因果模型。只是關乎人工智能通用化的新因果模型，必須進一步深及更到位理解的信息層次才可能實現。當對大數據相關關系和因果關系問題的理解建立在對信息更到位理解的基礎上，我們窺見的將是哲學和科學一體化的因果關系呈現，也是上升到思維具體層次的因果模型。

（摘自《大數據相關關系和因果關系》）

文章為社會科學報“思想工坊”融媒體原創出品，原載于社會科學報第2001期第8版，未經允許禁止轉載，文中內容僅代表作者觀點，不代表本報立場。

本期責編：程鑫云

《社會科學報》2026年征訂

點擊下方圖片網上訂報↓↓↓