超越数据：因果之科学
信息图制作：段燚
相关性 ≠ 因果性：百年争论
"看到"模式的陷阱
一个多世纪以来，科学界更青睐可观测的相关性。统计学家卡尔·皮尔逊曾指出，尽管英国巧克力消费量与诺贝尔奖得主数量同时增长，但两者并非因果关系。这揭示了一个关键缺陷：数据模式可能是误导性的巧合，而非因果关系的证明。
🍫 ⇒ 🏆 ?
一个经典错误：两件事同时发生，并不意味着一个导致了另一个。
高尔顿的"回归平均"
实验表明，极端特质（如非常高的父母）往往会生出特质不那么极端的孩子，其身高更接近平均值。这被视为直接因果关系薄弱的证据，世界会自然地趋于平衡。
人类的优势：反事实思维
与机器不同，我们能不断想象未曾发生的事情。这种"如果…那么…"的思考是理解因果的精髓。它不只是总结过往经验，更是我们为理解世界而构建的主观模型。
如何磨练你的因果思维
1. 揭示混杂因素
"混杂因素"是同时影响原因和结果的隐藏变量，它会制造误导性的结论。关键在于将其隔离。
案例研究：辛普森悖论药物试验
有误导性的总体视图
从总体来看，药物似乎有益。
正确的、分段式视图
按性别（混杂因素）分开后，药物对男性和女性都明显有害。
2. 寻找中间因素
有时，一个原因并不会直接导致结果。它会触发一个中间步骤，而这才是真正的起因。识别这个"中间人"对于建立正确的因果模型至关重要。
案例研究：坏血病和柠檬
最初有缺陷的模型
当使用煮过的柠檬汁时，这个模型就失效了，因为它破坏了关键成分。
正确的因果链
将维生素C识别为中间因素，解释了为何最初的模型有时会失败。
从理论到实践：创业者的思维模式
对于创业者而言，仅仅依赖相关性是冒险的。一个新广告上线后注册量激增20%看似成功，但因果思维会深入挖掘，确保成功是可复制的，而非偶然。
新广告活动
(最初的原因)
同期有媒体报道吗？
(潜在的混杂因素)
广告是否导向了更优的落地页？
(潜在的中间因素)
注册量增加20%
(最终的结果)
真正的增长源于理解整个因果链，而不仅仅是起点和终点。
你有没有想过，为什么现在的AI（人工智能）那么聪明，但总觉得少了点"灵魂"？它们能下围棋，能翻译语言，能画出惊人的画作，可你问它"要是当初我没选这个，会怎么样？"，它就一脸懵了。
《为什么》这本书的作者朱迪亚・珀尔，就是这么一位AI界的传奇人物。他曾是机器学习的先驱，但现在却成了最尖锐的批评者。他转变的原因，就藏在"因果"这两个字里。
这本书为啥这么重要？
珀尔觉得，现在的AI就像一个巨大的"数据复读机"。你给它海量数据，它就能找到数据间的隐藏联系，这叫**"相关性"**。比如，它发现爱看科幻电影的人，也喜欢吃披萨。但它不知道"为什么"。
珀尔认为，真正有智慧的AI，必须拥有**"反事实"**思考的能力——也就是能想象那些没发生过的事情。比如，一个AI在数据库里只见过猫和狗，但它能靠因果思维去猜想，如果有一种生物，它长着猫的耳朵、狗的尾巴，会是什么样子？这正是人类最厉害的能力，我们总是在用"如果……那么……"来分析和预测。
就像《圣经》里，上帝问夏娃为啥吃了苹果，这只是个事实。但夏娃回答"是蛇骗我吃的"，这才是因果。她没有说"我吃了苹果，然后被你骂了"，而是指出了她吃苹果的原因。这种因果思维，让她可以想象出上帝责备的场景，即便这个场景之前从未发生。
人类用因果思考太自然了，以至于我们都忘了，这是一种超越经验的能力。但对科学家来说，给因果下定义却是个大难题。过去一百多年，很多科学家甚至认为因果关系根本不存在，因为它太主观、太难用科学语言描述了。既然连科学家都无法用严谨的语言描述它，又怎么可能把它教会给计算机呢？
这本书最重要的价值，就是把这个难题摆在了台面上。它用科学的视角，重新审视了因果这个概念，为我们如何把因果思维教给AI，指明了方向。
科学视角下的因果：百年思辨
为啥因果关系在科学界被冷落了这么久？这要从一百多年前，统计学大师高尔顿的一个实验说起。
他设计了一个"高尔顿板"，就像一个大弹珠机。小球从上方落下，经过一排排小钉子的碰撞，最终落在底部的槽里。虽然每个小球的路径都是随机的，但当你放足够多的小球后，你会发现，中间的槽里小球最多，两边的最少，形成一个完美的"正态分布"曲线。这证明了即使是随机过程，宏观上也会呈现出可预测的规律。
高尔顿用这个模型来研究人类遗传。他发现，不管父母的身高是高是矮，孩子的身高总会"回归平均"。比如，个子特别高的父母，孩子大概率没有他们那么高；个子特别矮的父母，孩子也大概率比他们高一点。高尔顿把这个现象称为"回归平均"。
这个发现让他得出了一个重要的结论：父亲的身高和孩子的身高之间，不是那种"你决定我"的绝对因果关系。它们之间有一种关联，但不是百分百的。高尔顿将这种不绝对的关联称为**"相关性"**。
高尔顿和他的追随者们，比如皮尔逊，进一步认为：世界上只有相关性，没有因果。他们甚至举了一个例子：一个国家的人均巧克力消费量和该国的诺贝尔奖得主数量呈正相关。难道你能说，吃巧克力让人更聪明，更容易得诺奖吗？显然不能。这只是一个巧合。
然而，一个尴尬的矛盾出现了：尽管科学家们嘴上说没有因果，但他们自己却离不开"导致"、"因为"这样的因果词汇。这说明，因果关系也许不是客观世界运行的唯一规律，但却是人类认识世界的主观方式。我们观察到世界是相关的，但为了理解它，我们会在脑中建立起因果模型。比如，你吃了一个馒头没饱，你推测再吃几个会饱，即便你还没吃，这个因果关系已经帮你建立了对"吃馒头能饱"的认知。
因此，《为什么》这本书并没有给出因果关系的精确定义，因为它还没有被科学界完全搞清楚。但它告诉我们，因果关系有两大特点：一是它能帮助我们进行超越经验的思考；二是它是我们主观建立的认知模型。既然AI需要这种能力，我们就必须想办法把它教给AI。
完善我们的因果思维
既然因果思维是主观的，那在教给AI之前，我们得先把它弄明白。珀尔在书中介绍了两个非常实用的方法。
1. 区分混杂因子
我们先从著名的"辛普森悖论"说起。想象有这么一种药，数据显示，它对男性有害，对女性也有害，但对人类总体却有益。是不是听起来很矛盾？
来看看数据。在一个实验中，吃药组的男性患病率是40%，女性是7.5%。没吃药组的男性患病率是30%，女性是5%。单看男女，吃药后的患病率都升高了。但如果把男女数据混在一起计算，你会发现吃药组的总体患病率反而低于没吃药组。
为什么会这样？珀尔提出，这是因为你忽略了一个混杂因子——性别。混杂因子就是那些同时影响"原因"（是否吃药）和"结果"（是否患病）的因素。在这个例子里，性别影响患病率，同时也影响你被分到哪个组（实验中，两组的男女比例不同）。
要解决这个悖论，你不能直接把不同性别的数据混在一起。正确的做法是分开计算。单独看男性，吃药后患病率从30%升到40%；单独看女性，从5%升到7.5%。很明显，药对男女性都有害。所以，这个药对人类整体也是有害的。找到并隔离混杂因子，是得到正确结论的关键。
2. 找到中介因素
再讲一个经典故事：几百年前，航海的水手们经常得坏血病。人们发现吃柠檬能预防，于是建立了简单的因果模型：柠檬 → 预防坏血病。
但后来，人们换了柠檬的品种，还把柠檬汁煮熟了带上船，结果坏血病又大面积爆发。这个简单的因果模型行不通了。直到20世纪，人们才发现真正起作用的是柠檬里的维生素C。
在这个故事里，维生素C就是中介因素。它是由"吃柠檬"这个原因导致的，然后又导致了"预防坏血病"这个结果。正确的因果模型应该是：吃柠檬 → 摄入维生素C → 预防坏血病。一个因果模型如果无法通过实践的反复验证，很可能就是因为我们忽略了中间的某个关键环节。
总结与创业思考
《为什么》这本书虽然读起来有点烧脑，但它帮我们理清了两个核心问题：第一，科学家们是怎么看待因果关系的？它是一种我们主观建立的思考模型。第二，我们该如何提升自己的因果思维？要学会辨别混杂因子和中介因素。
这本书告诉我们，只盯着数据（相关性）是远远不够的。比如，你发现投放了一个新广告，用户注册量增加了20%。这很好，但这只是相关性。更重要的是，你要搞清楚为什么。这个增长是新广告带来的吗？还是因为同期媒体报道了你的公司（混杂因子）？或者新广告引导用户进入了一个流程更顺畅的页面（中介因素）？
我们必须成为因果的"侦探"。因为只有搞懂了背后的因果，你才能真正重复成功，避免失败。否则，你可能只是在数据大海里盲目航行。