主题：【原创】因果关系（科学中的因果关系） -- earthcolor

The following is the Chinese translation of Professor Judea Pearl’s lecture transcript at the eighty-first lecture in the UCLA Faculty Research Lectureship Program. The original version is at the web page http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm. This translated version may differ from the original version. If you find any confusion or errors in this translated version, please refer to the original version for more information, and please leave your message in this forum. I'd like to thank Professor Judea Pearl for granting permission to translate and to publish his lecture on the web.

下面是朱迪亚.明珠教授 教授在1996年获得加州大学洛杉矶分校研究讲座演讲的中文译稿。原稿的网址是http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm。 这个中文译稿有可能和原稿不一致。如果你在中文译稿中发现有语言不妥或错误的地方，请参照原文以获取更多的信息，并请在这个论坛上留言。我非常感谢朱迪亚•明珠教授同意翻译他的演讲稿，并发表在网络上。

朱迪亚.明珠

被授予第八十一届研究讲座**

原因与结果的艺术和科学*

于1996年10月29日星期四的演讲稿，作为加州大学洛杉矶分校第八十一届研究讲座系列的一部分

*本演讲现作为（我的专著）《因果关系：模型，推理与推论》的后记。本书即将由剑桥大学出版社于2000年1月出版（已经出版 – 译者注）。

** （此乃该校最高的学术荣誉 – 译者注）

另外，您也可以打开一个新的网页浏览器，同时查看文本和幻灯片

提醒 – 这个演讲的页面包含很多图片，可能要花一段时间才能下载。

如果需要硬拷贝的话，请联络[email protected]

阅读这个翻译，请配合原幻灯片看，因为有一部分内容在幻灯片里。

The lecture "The Art and Science of Cause and Effect" was delivered by Judea Pearl in 1996, and also appears as Epilogue in his book "Causality" by Cambridge University Press.

原文链接

http://singapore.cs.ucla.edu/LECTURE/lecture_sec2.htm

幻灯片40 ：纲要––第2部分

这把我们带到了演讲的第二部分：因果关系的第二个谜可以如何通过结合图形和方程来解决，以及这个解决方案如何使得因果关系的第一谜变得不那么艰巨。

这个解决方案中最重要的思路是：第一，将因果关系看做在干预措施下行为的总结；第二，利用方程和图形作为一个数学语言，有了这样一个语言，因果关系的想法可以被表达和操纵。把这两者结合起来，我们需要第三个概念：把干预措施看做是对方程的一个手术。现在让我们从一个广泛应用因果关系并从未有过任何麻烦的领域：工程，开始。

幻灯片41 ：电路图

这里是一个电路图的工程图，它显示了电路信号间的因果关系。这个电路中包含了与门和或门，每一个与或门完成输入和输出之间的特定逻辑功能。让我们仔细地看看这个图，因为它的简单性和熟悉性很容易骗人。这个图实际上是科学最大的奇迹之一。它能够传达比以百万计的代数方程或概率函数或逻辑表达式还多的信息。使得这个图有如此强大功能的是，它有能力预测在正常情况下电路是如何表现的，而且能预测在以百万计的异常情况下电路是如何表现的。举例来说，给定这个电路图，如果一个输入从0变到1，我们可以很容易知道输出将是什么 。这是正常的并可以容易地用一个简单的输入输出方程来表达。现在来看看异常的部分。当我们把Y设置为0、或把它和X接在一起、或者把这个与门换成一个或门、或者我们进行任何百万计的操作组合，我们也可以知道输出是什么。

这个电路图的设计者不会预计到，或者甚至不会考虑这些怪异的干预措施。然而，像奇迹一样，（从这个图中）我们可以预见这些干预措施的后果。如何做呢？ 这样的表达能力是哪里来的呢？它来自早期经济学家所谓的自治，即这些图中的与或门表达了独立的机制 – 就是很容易地改变一个与或门而不改变其他的。这个图利用了这种独立性，并正是用那些在干预措施下没有改变的模块描述了电路的正常功能。我在Boelter大厅的同事们，你们肯定怀疑为什么我站在你们面前胡说八道，将一个在工程中微不足道的东西，讲得像发现了世界第八大奇迹一样。我有三个理由这样做。首先，我将尝试演示在工程师认为理所当然的实践中有很多尚未开发的智慧。

幻灯片42 ：路径图

第二，我想提醒经济学家和社会科学家这种图解方法的好处。

他们已经断断续续地使用相似的方法超过75年了，那个所谓的结构方程建模和路径图，但近年来他们任由代数的简便性替代了图解表达方式和它的好处。

最后，在我看来这些图表捕捉到了因果关系的本质 ––预测不正常的突发事件和新操作的后果的能力。

举例来说，在这个图里，如果我们改变环境因素，在这里显示为绿色的输入（ e ），或者甚至是遗传因素，由父母和后代间的红色中间节点（h）表示，是有可能预测荷兰猪毛皮的模式将会是什么。这种预测不可能从基于代数或者相关性的分析中得到。这样看待因果关系，解释了为什么科学家以这样的热情来追寻因果解释，以及为什么获得因果模型总是伴随着对“深刻理解”和“在控制下”的需求。

幻灯片43 ：机械鸭子

“深刻理解”，意味着我们不仅知道事情昨天是如何运作的，而且知道事情在新的假设条件下、在控制条件下如何运作的。有趣的是，当我们有这样的认识后，甚至在我们没有实际可行的途径来控制事物时，我们也有“在控制”的感觉。例如，我们没有任何实际的方法控制天体的运行，不过万有引力理论给了我们理解和控制的感觉，因为它提供了一个假设性控制的蓝图。我们可以预测意想不到的新事件对浪潮的影响，比如，月球被一个流星击中，或万有引力常数突然减到了原来的一半，正如重要的是，万有引力理论给我们保证，在地球上事物的普通操作不控制浪潮。

不足为奇的是，因果模型被看作是区分有意识的推理和本能反应的试金石。鸟类和猴子可能被训练来执行复杂的任务，如修理断了的电线，但是这需要试错的训练。另一方面，深思熟虑的思考者可以预测新操作的结果。

幻灯片44 ：方程与图表

让我们放大一部分电路图，这样我们会明白，为什么图可以预测结果，而方程不能。也让我们从逻辑开关转换到线性方程组（使在这里每个人都更容易地接受） ，并假设我们正在处理一个只包含两个部分的系统：一个乘法器和一个加法器。乘法器接受一个输入并给它乘以2；加法器接受一个输入并给它加上1 。在这个图的左边，给出了描述这两个组成部分的方程。但是，这些方程和右边的图等价吗？显然不等价！如果他们等价，那么让我们交换方程中的变量，这样会产生下面的和电路图等价的方程。但是，这两个电路是不同的。

上面的电路图告诉我们，如果我们完全地操纵Y，它会影响Z的值 ，而下面的电路图告诉我们，操纵Y会影响X，而不会有对Z有任何影响。此外，在我们的方程上进行一些额外的代数运算，我们可以得到两个新的方程，如下所示，这些方程没有任何对应的结构。他们只表示了三个变量的两个限制条件，而没有告诉我们他们如何相互影响的。让我们更仔细地检查我们的心理过程，是如何决定在完全操纵Y后的结果，比如将Y设置为0。

幻灯片45 ：看做手术机理的干预措施

显然，当我们将Y设置为0 ， X和Y之间的关系不再由乘法器决定 – 现在有一种新的机制来控制Y ，在其中X 没有发言权。在方程的表达中，这相当于由一个新的方程Y = 0取代原方程式 Y = 2X ，解这组新的方程，可以得出Z = 1 。如果我们对代表下面一个模型的方程组执行这种手术，我们当然会得到一个不同的解。第二个方程将需要被替换，结果将是X = 0而Z没有约束。

现在我们看看这种干预措施的模型如何导出了一个因果关系的正式定义： “如果我们可以通过操纵Y来改变Z，那么Y是Z的一个原因，即，在外科手术般地去掉Y的方程后，Z的解将取决于替代Y的新值。我们也看到，在这个过程中这个图是如何地至关重要。这个图告诉我们当我们操纵Y时，哪一个等式应该被删除。当我们将方程变换到等价的代数形式时，这样的信息就完全丢失了，就如屏幕底部所显示的––单从这对方程，是无法预测的设定Y为0的结果，因为我们不知道执行什么样的外科手术执行––因为没有一个“对应于Y”的方程 。

总括而言，干预措施相当于一个遵循图表对方程进行的手术，因果关系意味着预测这样手术的后果。这是一个超越了物理系统的普遍主题。事实上，为干预措施建模的思想是首先由经济学家赫尔曼伍德在1960年提出来的，但他的观点已全部从经济学文献中消失了。历史书籍将这个神秘消失归咎于伍德的个性，但我倾向于相信有更深层的原因：早期经济计量学家是非常仔细的数学家；他们努力保持代数的纯正和形式化，不同意有如作为图表这样的噱头玷污代数。正如我们在屏幕上看到的，没有图表，上面外科手术般的操作没有数学意义，因为它对我们写方程的方式很敏感。在阐述这一新数学运算的特性之前，让我演示它在澄清统计学和经济学概念上是如何的有用。

幻灯片46 ：作为外科手术的干预措施 –– 受控的实验

为什么我们选择受控的实验而不是不受控的实验研究？假设我们要研究一些药物治疗对某种疾病患者康复的影响。支配每一个患者的机理和我们前面看到的电路图的结构是相似的：康复是治疗和其他因素的函数，比如社会经济状况、生活方式、饮食、年龄等等。这里仅仅显示了一个这样的因素。在不受控的条件下，治疗选择是由病人决定的，可能取决于病人的社会经济背景。这就产生了一个问题，因为我们不能确定康复率的变化是治疗的结果还是这些背景因素的结果。我们所希望做的是，比较有相同背景的患者，这正是费舍尔的随机对照试验所完成的。如何做呢？

它实际上包括两部分，随机选择和干预措施。干预措施意味着我们改变了个人的自然行为：我们将患者分成两组，所谓的治疗组和控制组，我们说服患者服从实验的规定。我们将指派一些在正常情况下不会寻求治疗的患者在治疗组，而我们给一些会接受治疗的患者一些安慰剂。在我们的新词汇表里，这意味着外科手术操作 –– 我们是切断一个功能连结，并用另一个来取代它。费舍尔伟大的洞察力是，将新连结接到一个随机硬币翻转上，保证将我们想切断的连结真的被切断了。原因是，一个随机的硬币是假定不受任何我们可以测量的宏观层面的因素影响，当然包括病人的社会经济背景。此图片提供了一个有意义的和正式的被普遍接受的随机临床试验过程的基本原理。在相比之下，我们的下一例子用外科手术的想法来指出被广泛接受的过程的不足之处。

幻灯片47 ：例子2 ––政策分析

这个例子涉及到政府官员试图评估一些政策的经济后果，例如税收。一个深思熟虑的提高或降低税收的决策，是对经济模型的一个手术，因为它修改了在模型建立时普遍存在的条件。经济模型是建立在一定时期数据的基础上的，而且在此期间，针对一些经济条件或政治压力，税收被降低或提高。然而，当我们评价一个政策时，我们希望在同样的经济条件下比较不同的的替代政策，即我们要割断这种在过去将政策和那些条件连结起来的联系。在这种结构下，当然是不可能将我们的政策和一枚硬币连结起来运行一个受控实验；一来，我们没有足够的时间这样做，二来，我们可能在实验结束前会破坏了经济。不过，我们应该进行的分析是由没有更改的模型得到的数据推断被更改的模型的行为。我说“应该进行”是因为在任何经济学的教科书你不会找到这样的分析。正如我刚才所说，赫尔曼伍德的手术想法已经被1970年代的经济学文献淹没了。所有我可以找到的政策分析讨论，都是建立在“假设一个更改过的模型是始终存在的”的基础之上的。

在模型评估时，税收是在政府控制下的。这个事实，被假定为有足够的理由相信在整个过程中，将税收看做一个外生变量。在事实上，税收在建模阶段是一个内生变量，而只有评估时才当做外生变量来评价。当然，我不是声称，恢复了手术模式将可以使政府在一夜之间平衡预算，但它肯定是值得尝试的。

让我们现在看看手术解释如何解决罗素之谜：关于因果关系的方向性和物理方程的对称性之间的冲突。物理方程真的是对称的，但是，当我们比较句子“A导致了B”与“B导致了A”，我们现在谈的不是单一的一组方程。相反，我们是比较两个世界模型，由两个方程组所代表的两个世界模型；在一个模型中，A的方程被手术般地去掉了，在另一个模型中，B的方程被手术般地去掉了。罗素可能会在这一点上阻止我们，并问： “将所有的物理方程放在一起，其实这里只有一个世界模型，你如何可以说两个世界模型呢？” 答案是：说的没错。如果你想把整个宇宙包括在模型中，因果关系消失了，因为干预措施消失了 –– 操作者和被操作者之间失去了他们的区别。

然而，科学家很少将整个宇宙作为一个调查的对象进行考虑。在大多数情况下，科学家从整个宇宙中切一块下来，并宣称这块就是系统的内部，即调查的重点。宇宙的其他部分将被看做是系统的外部或者背景，并由我们称为边界条件的来总结。这种系统内部和外部的选择产生了我们看待事物的不对称性。正是这种不对称性，允许我们谈论“外部干预” ，还有因果关系和因果关系的方向性

幻灯片48 ：手眼系统（笛卡尔，人权）

用笛卡尔的经典绘画可以对这一点进行很好的说明。作为一个整体，这个手眼系统不知道什么因果关系。这只是一个乱七八糟的等离子体粒子和光子，尝试着服从薛定谔的方程。这是对称的。

幻灯片49 ：手眼部分

不过，从上面切割一大块出来，比如物体部分，我们可以说手的移动导致光线改变了角度。

幻灯片50 ：手眼部分

换一种切法，重点放在脑部，（？lo），现在是光线导致了手的移动。这是和前面完全相反的情况。教训是，我们切割世界的方式决定了我们联系原因和结果的方向性。在每一个科学研究中，这种切割都是默认的。在人工智能里，它被J.麦卡锡称为界限。在经济学上，界限包括决定哪些变量是内生的和外生，即模型内部或外部。

幻灯片51 ：从物理到因果关系

让我们总结方程模型和因果模型的本质区别。两者都使用了一套对称的方程来描述正常状态。不过，因果模式包含三个额外的组成部分： 系统内部和外部的区别；一个假设（每个方程对应一个独立的机制，因此，必须由一个单独的数学语句来表达）；干预措施被解释为对这些机制的外科手术。这使我们更接近实现将因果关系作为物理友好的一部分的梦想。但还缺少一个成分：代数。我们前面讨论过，对伽利略时代的科学家和工程师来说，代数计算的便利性是多么的重要。我们能期望这样的代数便利性也为因果关系服务吗？让我换句话说：科学活动，正如我们所知道的，包括两个基本组成部分：

幻灯片52 ：天文台（赫维留， 1673 ）

观察

幻灯片53 ：打造磁铁（GILBERT, DE MAGNET， 1600 ）

和干预措施

幻灯片54 ：实验室

结合这两个就是我们所说的一个实验室。在这个地方，我们控制一些条件然后观察其他的。现在发生的是，标准代数在观测中起到了非常好的作用，但是，迄今为止，并没有对干预措施起到好处。事实就是这样，方程代数，布尔代数和概率演算，都在为观测服务的，而没有为干预措施服务。

幻灯片55 ：操作代数的需求（续）

采取举例来说，看看概率论。如果我们想知道给定我们看到草湿时下过雨的几率，我们可以把我们的问题表达成一个正式的句子：P(rain|wet)读作：给定草是湿的时下雨的概率。竖线表示这样的短语： “给定我们所看到的” 。我们不仅可以用正式的语句表示这个问题，而且我们也可以使用概率论的机制，并将这个句子变化成其他的表达形式。在我们的例子中，如果我们发现更方便或翔实的话，我们可以将左边的句子可以转化为右边的句子。

但假设我们问一个不同的问题：“如果我们把草弄湿，下雨的几率是多少？” 我们甚至不能用概率的句法来表达我们的问题，因为竖线是已经表示了这样的意思： “给定我们所看到的” 。我们可以发明一种新的符号“DO”，每次我们在竖线后面看见一个“DO”，我们读作“给定我们做”，但这对我们计算我们问题的答案没有帮助，因为概率的规则不适用于这种新读法。直觉上我们知道的答案应该是P(rain)，因为把草弄湿并不改变下雨的几率。不过，这直观的回答，和其他类似的，可以按规则推导吗？当直觉失败时，这样可以安慰我们的想法吗？

答案是肯定的，它需要一个新的代数：第一，我们指定一个符号给新的操作符“给定我做的”；第二，我们找到了操作包含这种新符号的句子的规则。我们通过一个类似于数学家发现标准代数规则的过程那样做到了这一点。

幻灯片56 ：需要：DOING的代数

想象你是一位十六世纪的学家，你现在是一个加法代数的专家；你觉得有迫切的需要来引进新的操作符：乘法，因为你已经厌倦了成天将一个数连加。你做的第一件事是指定一个操作符：相乘。接着你指定了操作符的意义，从其中可以推导出变化的规则。例如：乘法的交换律可以推导出来，结合律，等等,.... 我们现在在高中都了解这一切。以完全相同的方式，我们可以推导出支配新符号do(X)的规则。我们有一个针对“seeing”的代数，即概率论。我们有一个新的操作符，通过外科手术般的过程，给了我们一个崭新的红色装备和一个非常明确的意义。对于推导的大门敞开了，结果将在下一个幻灯片中给出。

幻灯片57 ：因果关系的演算

请不要惊慌，我不期望您现在就读懂这些方程，但我相信你仍然可以对新的运算有一定的感觉。它包含了三个规则，允许我们将涉及行动和观察的表达式变换为同类的表达式。第一个规则让我们忽略无关的观察，第三个规则让我们忽略无关的行动，第二个规则让我们交换具有同一事实的观察和行动。右边的绿色符号是什么？这些是图表给我们的、在任何时候当转换是合适时的绿灯。我们将在下面的例子中看到关于行动的规则。

Professor Judea Pearl is awarded FACULTY RESEARCH LECTURER in UCLA。

从网上可以得知，FACULTY RESEARCH LECTURER是一个学校的最高的学术荣誉。网上有翻译为“研究讲座”，感觉不太确切。我想翻译成“杰出研究成就奖”，不知如何？请大家指导

The following is the Chinese translation of Professor Judea Pearl’s lecture transcript at the eighty-first lecture in the UCLA Faculty Research Lectureship Program. The original version is at the web page http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm. This translated version may differ from the original version. If you find any confusion or errors in this translated version, please refer to the original version for more information, and please leave your message in this forum. I'd like to thank Professor Judea Pearl for granting permission to translate and to publish his lecture on the web.

下面是朱迪亚.明珠教授 教授在1996年获得加州大学洛杉矶分校研究讲座演讲的中文译稿。原稿的网址是http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm。 这个中文译稿有可能和原稿不一致。如果你在中文译稿中发现有语言不妥或错误的地方，请参照原文以获取更多的信息，并请在这个论坛上留言。我非常感谢朱迪亚•明珠教授同意翻译他的演讲稿，并发表在网络上。

朱迪亚.明珠

被授予第八十一届研究讲座**

原因与结果的艺术和科学*

于1996年10月29日星期四的演讲稿，作为加州大学洛杉矶分校第八十一届研究讲座系列的一部分

*本演讲现作为（我的专著）《因果关系：模型，推理与推论》的后记。本书即将由剑桥大学出版社于2000年1月出版（已经出版 – 译者注）。

** （此乃该校最高的学术荣誉 – 译者注）

可以点击略图来查看全尺寸的幻灯片

另外，您也可以打开一个新的网页浏览器，同时查看文本和幻灯片

提醒 – 这个演讲的页面包含很多图片，可能要花一段时间才能下载。

如果需要硬拷贝的话，请联络[email protected]

阅读这个翻译，请配合原幻灯片看，因为有一部分内容在幻灯片里。

The lecture "The Art and Science of Cause and Effect" was delivered by Judea Pearl in 1996, and also appears as Epilogue in his book "Causality" by Cambridge University Press.

原文链接

http://singapore.cs.ucla.edu/LECTURE/lecture_sec1b.htm

幻灯片22 ：休谟––《人性论》扉页

休谟令人信服地指出，“为什么”不只是排在“如何做”之后，而且“为什么”是完全不必要的，因为“为什么”完全由“如何做”所包含。

幻灯片23 ：《人性论》第156页

在休谟《人性论》的第156页 ，我们发现该段文字把因果关系打乱的如此彻底，以至于到今天它也没有恢复（到以前的）。我每读到这段文字都能从其中得到乐趣：

“因此，我们记得我们曾看到那种我们称为*火焰*的东西 ，并有那种我们称为*热*的感觉。同样地我们回想起在以往事件中他们总是同时发生。自然地，我们称一个为*原因*，称另一个为*结果*，并从一个的存在推断出另一个的存在。”

因此，根据休谟的说法，因果关系是观察的结果。因果关系是头脑中一个可学习的习惯，几乎和视觉错觉一样虚幻，和帕夫洛夫的条件反射一样短暂。很难相信，休谟没有意识到他所提出的方法中的固有难题。

他相当清楚地知道，公鸡叫和日出有着不变的同时发生的关系，但是公鸡叫并不会导致日出。他知道气压计的读数和下雨有着不变的同时发生的关系，但是气压计的读数并不会导致下雨。

今天这些关系都可称为“虚假相关”，即“相关性并不意味着因果关系” 。

现在，根据休谟的名言，所有的知识来自经验（经验是以相关性来在头脑中表达的），以及我们的观察（相关并不意味着因果关系），我们遇到了第一个因果关系之谜：人们一直以来是如何获取因果关系知识的？

幻灯片24 ：第一个因果关系之谜

在公鸡的例子中我们看到，只有连续的规则性是不够的：那么什么是（因果关系的）充分条件呢？什么模式的经验将证明一个联系是“因果关系”呢？此外，什么模式的经验可以说服人们，一个联系是“因果关系的”呢？

幻灯片25日：第二个因果关系之谜

如果第一谜关注的是因果关系的学习问题，第二谜关注的是因果关系的应用问题：如果我告诉你在某方面是或不是的因果关系，这会导致什么差别呢？

继续我们的例子：如果我告诉你，公鸡会导致日出，这会有什么分别？这个问题听起来可能微不足道。明显的答案是，知道“什么会导致什么”会在我们的行动上造成很大的差异。如果公鸡叫是日出的原因，我们可以通过提前唤醒我们的公鸡，并让它们叫（给它们讲最新的公鸡笑话）而缩短黑夜。

但这个谜不像它看上去这么简单。如果在连续的规则性之外，因果信息具有实证的意义，那么，这种信息应该在物理定律显示出来。但是它没有！哲学家罗素在1913年提出的这个论点：

幻灯片26 ：从物理中证明因果关系？

“所有的哲学家”，罗素说：“假定因果关系是科学的基本公理之一。但也奇怪，（实际上并非如此），在现代科学中，‘原因’这个字从来没有出现... 我相信，这是因为讨论因果关系的就像君主立宪制一样，是过去岁月尚存的遗迹，只是因为错误的假定这样做没有坏处而已… … ”

在另一方面，帕特里克撒普斯，认为因果性极其重要： “只有在极少的*物理评论*期刊中，不包含至少一个文章在其标题中使用“原因”或“因果关系”。

从这种交流中，我们的结论是，物理学家讨论、写文章和思考是一种方式，而用公式表达物理学是另一种方式。如果因果关系仅仅是作为一种方便的交流工具 –– 一种表达物理关系的复杂模式的方便形式，不然就需要很多方程来表达，那么这样的话这样的双语表达将是情有可原的。毕竟科学是充满着缩写：我们使用“ 将X乘以 5 ” ，而不是说“将X连加5次” ;我们说 “密度” ，而不是“重量和体积的比率” 。为什么会选择（使用）因果关系？

“因为因果关系是不同的”，罗素勋爵会说， “这不可能是缩写，因为物理定律都是对称的，具有双向性，而因果关系是单向的，是从原因到结果的”。以牛顿定律f=ma为例。代数规则允许我们以任意句法形式表达这个定律，并意味着同样的事情 – 也就是说，如果我们知道三个数量中的任何两个，第三个变量就可以被计算出来。然而，在一般的谈话中，我们说力量导致了加速度 –– 而不是加速度导致了力，并且我们对这种区别有很强烈的感觉。同样，我们说f/a的比值帮助我们确定质量，而不是产生质量。这种区分是不由物理方程支持的，这使得我们要问，是否整个因果关系的词汇纯粹是形而上学的，就像“存在着，像君主立宪制一样，...” 。

所幸的是，极少有物理学家注意罗素的谜。他们继续在办公室写方程和在自助餐厅讨论原因和结果，并取得了惊人的成功：他们粉碎了原子，发明了晶体管和激光。这同样适用于工程。但在另一个领域，局势的紧张不能被忽视，因为在这个领域里，对区分因果关系和其他关系的需求是很明确的。这个领域就是统计。 故事从约一百年前的相关性发现开始。

幻灯片27 ：弗朗西斯高尔顿（人像）

弗朗西斯高尔顿 ，作为指纹的发现者、和查尔斯达尔文的的堂弟，相当有创造性地开始证明天才和美德与家庭有关。

幻灯片28 ：《自然遗传》 扉页

这些探索驱使高尔顿考虑各种不同方法来测量一类个人或对象的特性如何与另一类人或对象的特性有关系。

幻灯片29：高尔顿相关数据的示意图（ 1888 ）

在1888年，他测量了人的前臂长度和头部大小，并探寻在何种程度上这些数量中的一个可以预测另一个数量。他偶然有了下列发现：如果你画一个数量相对于另一个数量的示意图，并将两个坐标轴的比例调整的合适的话，那么最佳拟合直线的斜率有一些很好的数学属性：只有当一个数量可以完全预测另一个数量时，直线的斜率为1；当预测的结果和随机猜测差不多时，斜率是零。并且最值得注意的是，不管如果您画X对Y的示意图还是Y对X的示意图，斜率都是一样的。“这是很容易看到的”，高尔顿说： “ 即相关性必定是有共同原因的两个器官的变化的结果” 。

幻灯片30 ：皮尔逊（人像， 1890 ）

高尔顿的发现迷住了他的一个学生，卡尔皮尔逊，也就是现在被认为是现代统计学奠基者。皮尔逊那时30岁，是一个有成就的物理学家和哲学家，当时正打算转行做律师。下面是他在45年后所说的他对高尔顿发现的最初反应。

幻灯片31 ：皮尔逊（ 1934 ）

“我感觉像《德雷克的天》里的冒险家，我把高尔顿的那句话理解为，在因果关系之外，有一个更广阔的称为相关性的领域，因果关系只是一种极限情况，并且这个相关性的新概念可以把大部分的心理学、人类学、医学和社会学进行数学处理。” 现在，皮尔逊已被描述为一个具有“像汉尼拔超过阿尔卑斯山和马可波罗到中国一样的动力和决心”的人 。当皮尔逊感觉像一个冒险家时，你可以肯定他得到了他的回报。

幻灯片32 ：列联表（ 1911 ）

1911年，皮尔逊出版了他的著作“科学的语法”的第三版。这本书包含了新的一章，名为“可能性及相关性 –– 因果关系的不充分性”。下面是皮尔逊在这一章所讲的： “在被放弃的基本要素比如物质和力量之外，在现代科学不可思议的秘密中，还有一个重大秘密，那就是属于原因与结果的那一类。”

幻灯片33 ：皮尔逊（ 1934 ）

然后，皮尔逊断然否认在相关性之外，需要一个独立的因果关系概念。他在他的一生中坚持这个观点，因此，在他的任何技术文件中都没有提及因果关系。他对万物有灵论的概念，比如意志和力量，的坚决反对是如此的强烈，对宿命论的拒绝是如此的绝对，以至于因果关系有机会在统计学中生根之前就被灭绝了。

幻灯片34 ：罗纳德费舍尔爵士

经过了25年，另一个意志坚定的人 ––罗纳德费舍尔爵士，为统计人员制订了随机实验，这是唯一经科学证明的从数据中测试因果关系的方法，这也是一个和唯一一个被主流统计学所接受的因果关系的概念。

到目前为止，事情的情况基本就是这样的。如果我们算上博士论文，研究论文，或教科书那些撰写因果关系的数量，我们得到的印象是，皮尔逊的观点仍然统治着统计学。“统计科学百科全书”用12页的篇幅讲相关性，但只有2页讲因果关系，并且1页是讲 “相关性并不意味着因果关系” 。让我们听听现代统计学家们是怎样说因果关系的。

幻灯片35 ：现代统计和因果关系

由皮尔逊创立的杂志Biometrika目前的编辑菲利普达维德承认：“因果推断是统计学的所有问题中最重要，最微妙，最被忽视的问题之一。”

生物统计协会的前任主席泰德斯皮德，你可能记得他是OJ辛普森谋杀案的专家证人，声明：“对因果关系的思考应该被认为它们已经在统计学中被研究了：更合适地说是根本没有（但是如果需要的话，那么可以被非常仔细的研究）”。

在几个月前刚刚出版的书中，大卫考克斯爵士和南妮沃尔姆斯这样致歉说：“我们在这本书没有用‘因果’或‘因果关系’这些词。。。我们谨慎的理由是，只有极少的情况下我们可以从研究中得到确切的因果关系结论。”

这一谨慎和逃避的态度已经麻痹了很多指望统计学指导的领域，特别是经济学和社会科学。一个著名的社会科学家在1987年说：“如果更多的研究人员放弃思考和使用原因和结果这些词，这将会是非常有益的！”

这样的事情状态是仅仅一个人的工作嘛？甚至像皮尔逊一样的冒险家？我对此表示怀疑。

但是我们可以如何解释，为什么统计这个给了我们假设检验和实验设计等有力概念的领域，会这么早地放弃了因果关系呢？

当然，其中一个明显的解释是，因果关系比相关性更难以测量。相关性可以直接从一个单一不受控的研究中估计，而因果关系的结论，需要受控的实验。

不过，这样说是过于简单化了；统计人员不会这么容易地因困难而望而却步，而小孩子可以在没有受控实验的情况成功地学习因果关系。我相信这里有更深层次的答案，这个答案和统计学的正式语言相关，就是和概率相关。对你们有些人来说，这可能很奇怪，因为“原因”这个词不在概率论的词汇中。我们不能用概率论的语言表达下面的句子“泥不会引起下雨” ––所有我们可以说的是，两者是相互关联，或相互依赖的––这意味着，如果我们发现一个，我们可以预期看到另一个。当然，如果我们缺乏一种语言来明确地表达某一个概念，我们不能期望围绕这个概念开展科学活动。科学的发展要求知识可以可靠地从一个研究转移到另一个研究，就像伽利略 350年前做的那样，这种转移要求一个正式的语言所具有的精度和计算的便利。

我会尽快回来讨论语言和符号的重要性，但是首先，我想用另一个处理因果关系有难度的领域的一个故事为这个历史综述做一个总结。这次是计算机科学，研究符号的科学。这个领域相对较新，但它特别强调语言和符号，因此可能为这个问题提供了一个有用的视角。

当研究人员开始使用电脑为因果关系进行编码时，这两个因果关系之谜被新的活力激活了。

幻灯片36 ：机器人在实验室

想像一下把你放在一个机器人的位置，这个机器人正想弄明白厨房或实验室发生了什么。从概念上来说，机器人的问题和经济学家所面临为国债建模的问题是一样的，和流行病学家试图了解疾病传染的建模是一样的。我们的机器人，经济学家和流行病学家都需要利用有限的行动和有噪音的观察数据，从环境中追踪因果关系。这使得他们要面对休谟的第一个因果关系之谜：如何做这些事情？

幻灯片37 ：有导师的机器人

在机器人的世界中，第二个因果关系之谜也在起作用。假设我们希望采取一种捷径，并将这个会场上我们所有人所知道的因果关系教给我们的机器人。机器人应如何组织和利用这一信息？因此，这两个哲学意义上的因果关系之谜现正转化为具体和实际的问题：

幻灯片38 ：着新装的旧谜

机器人应如何通过和它的环境进行交互来获取因果关系的信息？机器人应该如何处理从它的创造者––程序员那里得来的因果关系信息？还有，因果关系的第二个谜不像它看起来那样没有价值。罗素勋爵关于因果关系和物理方程是格格不入的警告，现在由逻辑上的一个明显缺陷表现了出来。

幻灯片39 ：因果关系：一个程序员的梦魇

举例来说，当给出如下信息， “如果草是湿的，那么一定下过雨”和“如果我们打破这个瓶子，草将会变湿” ，计算机将会得出以下结论， “如果我们打破这个瓶子，那么一定下过雨” 。这种编程缺陷出现的快捷性和特异性使得人工智能项目成为一个理想的研究因果关系的实验室。

阅读这个翻译，请配合原幻灯片看，因为有一部分内容在幻灯片里。

The lecture "The Art and Science of Cause and Effect" was delivered by Professor Judea Pearl in 1996, and also appears as Epilogue in his book "Causality" by Cambridge University Press.

原文链接

http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm

The following is the Chinese translation of Professor Judea Pearl’s lecture transcript at the eighty––first lecture in the UCLA Faculty Research Lectureship Program. The original version is at the web page http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm. This translated version may differ from the original version. If you find any confusion or errors in this translated version, please refer to the original version for more information, and please leave your message for the confusion or errors of the translation in this forum. I'd like to thank Professor Judea Pearl for granting permission to translate and to publish his lecture on the web.

下面是朱迪亚明珠教授在1996年获得加州大学洛杉矶分校研究讲座演讲的中文译稿。原稿的网址是http://singapore.cs.ucla.edu/LECTURE/lecture_sec1.htm。 这个中文译稿有可能和原稿不一致。如果你在中文译稿中发现有语言不妥或错误的地方，请参照原文以获取更多的信息，并请在这个论坛上留言指出翻译中的不妥或错误的地方。我非常感谢朱迪亚明珠教授同意翻译他的演讲稿，并发表在网络上。

朱迪亚明珠

被授予第八十一届研究讲座*

原因与结果的艺术和科学**

于1996年10月29日星期四的演讲稿，作为加州大学洛杉矶分校第八十一届研究讲座系列的一部分

* （此乃该校最高的学术荣誉 – 译者注）

**本演讲现作为（演讲者的专著）《因果关系：模型，推理与推论》的后记。本书即将由剑桥大学出版社于2000年1月出版（已经出版 – 译者注）。

可以点击略图来查看全尺寸的幻灯片

另外，您也可以打开一个新的网页浏览器，同时查看文本和幻灯片

提醒 – 这个演讲的页面包含很多图片，可能要花一段时间才能下载。

如果需要硬拷贝的话，请联络[email protected]

原因与结果的艺术和科学*

演讲者：朱迪亚明珠教授

翻译：earthcolor

幻灯片1：

感谢杨校长、感谢各位同事、感谢学校评选委员会的委员们，加州大学洛杉矶分校感谢你们邀请我在第81届研究讲座做演讲。能站在这个讲台上、能有机会和如此众多的杰出听众分享我的研究，是我莫大的荣幸。

这次演讲的题目是因果关系，也就是我们对这个世界上什么导致了什么和为什么会这样的感知。尽管因果关系是人类思想中最基本的部分，它仍旧是一个充满了神秘、充满了争议、并让人小心对待的概念，因为科学家和哲学家在定义什么情况下一个事件真正导致了另一个事件有（很大的）争议。我们都理解公鸡叫不会导致太阳的升起。但是，就是要把这样一个简单的事实用数学公式表达出来，也不是那么容易。

今天，我很高兴能和大家共享我在研究这类现象时所发现的非常有用的想法。这些想法已经发展成实用的工具。我希望你发现这些工具在解决你所遇到的因果关系问题时是有用的。

在这里（我们）很难想象有人没有碰到过因果关系的问题。无论你是评价双语教育计划的影响、还是通过实验来确定老鼠如何从危险的（食物）中辨别出真正的食物、或者为什么朱利叶斯凯撒越过了卢比肯河、或者为病人进行诊断、或者预测谁会赢得1996年的美国总统大选，你都在处理一个复杂的因果关系的网络。我这里要讲的目标是帮助研究人员处理因果关系的复杂性，并澄清其中的含义。

幻灯片2 ：

这个演讲分三部分。首先，我会概述一下不同学科在处理因果关系中所遇到的困难的历史，接着，我会略述如何减少或消除部分历史困难的思路。最后，为了纪念我的工科背景，我将演示如何将这些想法发展成一些简单实用的工具，并在统计和社会科学领域中举例说明。

幻灯片3 ：亚当和夏娃（ durer ）

首先，在我们可以记忆的远古，因果关系就不是问题。在人类发展的早期，就有问为什么的冲动和寻找因果关系解释的能力。 例如，圣经告诉我们，在仅仅品尝知识树果实的几个小时后，亚当已经是一个因果关系辩论方面的专家。当上帝问： “你吃了树上的果实嘛？”亚当是这样回答的： “你送来陪伴我的女子，她给了我树上的果实，我就吃了” 。夏娃（的回答）一样老练： “蛇欺骗了我，我吃了树上的果实” 。

在这个故事中要注意的是：上帝并没有要求解释，他只是在询问事实：是亚当自己感觉需要解释 – 这里的信息很明确，解释原因是一个人造的概念。这个故事中另一个有趣的地方是，解释完全是用来推卸责任的。实际上，在过去的千万年里，解释没有其他别的功能。因此，只有神、人类和动物可以促成事情的发生，而其他的物体、事件或物理过程是不能这样的。

幻灯片4 ：飞行的地段（Dore）

自然事件进入的因果解释要晚得多，因为在古代的世界中，事件只是预先确定好的。风暴和地震是由愤怒的神控制的，而不能为它们的后果承担因果关系责任。

幻灯片5 ：棋盘游戏（埃及坟墓）

甚至一个不规则的和不可预测的事件，如掷骰子，也没有被认为是几率事件，而被认为是一个来自神的需要正确解释的信息。

幻灯片6 ：关于船只和鲸

当先知约拿被确定为上帝的叛教者并被从船上扔进水里时，这样一个讯息给了他生命中的恐惧。引用《约拿》这本书中的话： “然后水手们说： ‘来，让我们抽签决定谁为这苦难负责’。所以他们抽签，结果是约拿抽中 。”显然，在这豪华如腓尼基人的游艇上， “抽签”不是为了娱乐，而是为了沟通 –– （相当于）一个单向的调制解调器来处理至关重要的信息。

总括来说，在古代世界里，因果力量的代表，要么是神，他们为了某种目的让事情发生，要么是人和动物，他们拥有自由意志，并为此他们受到惩罚和奖励。

幻灯片7 ：阿基米德螺旋泵（ vitruvius ， 1511 ）

在阿基米德螺旋泵中，因果关系的概念是简单原始的，但是是明确的和没有问题的。一如以往，问题是由工程开始的：当机器被建造来做有用的工作时。

幻灯片8 ： “ … …我将移动地球” （ vavignon ， 1687 ）

当工程师变得雄心勃勃时，他们认为，地球也可以被移动，只是没有这样一个的杠杆而已。

幻灯片9 ：移动推土机（ delmedigo ， 1629 ）

在巨大规模的项目中，需要由许多皮带轮和车轮组成互相驱动的系统。一旦人们开始建造多级系统时，在因果关系上发生了一个有趣的事情 –– 实物开始获得因果关系的特性 。当这样一个系统出故障时，责怪上帝或操作者是没有意义的 –– 相反，一根断掉的绳索，或生锈的滑轮是一个更有用的解释，这仅仅是因为（我们）可以轻易地更换绳索或滑轮，使得该系统继续运转。在历史上的这一时刻上，神和人类不再是因果力量的唯一代表 – 无生命的物体和过程成为了责任的承担者。一个轮子转动和停止，是因为前面轮子的转到和停止 –– 人类的操作者（在这里）成为了次要的。毫不奇怪，这些新的因果关系的代表，具有他们前任（神和人类） 的一些特点。自然物不仅成为奖励和惩罚的承担者，而且是动力、意志、甚至目的的承担者。亚里士多德认为，对目的的解释，是“为什么一个东西是它那个样子”的唯一的完整的和令人满意的解释。他甚至称它是“终极原因” ，即科学探究的最终目的。

从这个角度上来说，因果关系起到了双重角色：一方面，原因是奖励和惩罚的目标，另一方面，原因是对其他物质控制的物质流动的承担者。

幻灯片10 ：水磨机

这种双重性一直相对安宁地存在着，直到文艺复兴运动时期，这种双重性才遇到了概念上的困难。

幻灯片11 ：知识的城堡（ recordes ， 1575 ）

所发生的事情可以从1575年发表的第一本英文科学书籍 – Recordes的“知识的城堡”的封面看出：命运之轮被转动了，但不是由上帝的智慧，而是由人的无知。此外，当上帝的角色 ，所谓的终极原因，被人类替代时，整个因果解释的概念遭到了挑战。

幻灯片12 ：伽利略（人像， 1613 ）

怀疑是从伽利略的工作开始的。

幻灯片13 ：伽利略（在监狱）

我们大多数人知道伽利略是一个因捍卫日心说而被调查与监禁的人。不过，在这些事件的同时，伽利略还设法悄悄地进行了科学上到目前为止最为深刻的革命。

幻灯片14 ：Discorsi封面

伽利略在1638年在远离罗马的莱登（Leyden）出版的Discorsi中，阐述了这场革命所包括两个原理：

幻灯片15 ：伽利略的革命

一，描述第一，解释第二 – 也就是说，“如何做”排在“为什么”前面;

二，描述由数学语言，即方程，来完成。伽利略说：不要问一个物体的下落是有力量在从下面拉还是从上面推；

幻灯片16 ：倾斜平面实验

而要问：你能多好地预测一个物体在飞行一段确定距离所需要的时间，这个时间如何随着物体的不同和抛射角的变化而变化。伽利略进一步说：不要试图用定性的、模糊的人类语言的细微差别来回答这些问题，而要用数学方程式来回答。

幻灯片17 ：伽利略方程 d=t2

今天，我们是很难评价这个想法在1638年有多奇怪，那时仅仅是在Vieta引入代数符号50年之后。要宣称代数是科学的通用语言，是不是有点像今天宣称世界语是经济学的语言？为什么在所有的语言中，自然会遵循代数法则？但是，你无法否认它的成功。一个物体的飞行距离的确和飞行的时间成正比。

幻灯片18 ：伽利略梁（手稿， discorsi ， 1638 ）

比预测实验成果更成功的是代数方程组的计算特性。这些特性，在历史上第一次，使得工程师们可以在“如果有什么”的问题之外，问“如何做”的问题。在除了问： “如果我们使梁变窄的话，它还会承担同样的负载吗？”，他们开始问更难的问题： “如何改变梁的形状，以便它会承担相应的负荷？”这是因为解方程方法的存在而使得这些问题变得可能。代数方法没有区分变量；除了根据参数预测行为，我们可以将事情倒过来想，根据所需要的行为而求解参数。

现在，让我们把精力集中在伽利略的第一个原理： “描述第一解释第二” ，因为科学家们非常认真地对待了这一想法，并将科学的特性从投机过程改到了实证过程。

幻灯片19 ： Snell定律（选自笛卡儿的Dioptrics ， 1637 ）

在物理学中，开始出现了很多非常有用的实证定律。Snell定律，虎克定律，欧姆定律，焦耳定律都是纯粹的实证概括的例子。在被更基本的原理解释之前，这些例子都已经被发现和使用了。

幻灯片20 ：虎克定律（ 1678 ）

然而，哲学家还不愿放弃因果解释的想法，并继续寻找这些成功的伽利略方程的起源和理由。举例来说，笛卡尔将原因归咎于永恒的真理。莱布尼茨认为原因是不言自明的逻辑规律。

幻灯片21 ：大卫休谟（人像）

最后，在伽利略一百年后，一个名叫大卫休谟的苏格兰哲学家将伽利略的第一原理推到了一个极端。