当数据如潮水般涌来，如何不被数据误导而迷失方向？探寻深藏于数据海洋中的“因果关联”

2024-07-09 09:12| 来源: 网络整理| 查看: 265

剖解因果关系的数学工具，在我们这个拥有丰富大数据的时代有着相当广泛的应用前景——了解事物的因果关系，将成为解决算法致命缺陷的必要工具。

道理人人都懂，但问题是，要理清数据中的因果关系，我们还需要数据以外的一些额外信息。鲨鱼伤人和冰淇淋销量之间的关系并不难理清，但如果涉及到一些更复杂或对其背景了解不多的数据，要区分两者之间是相关关系还是因果关系，就没那么容易。

事实上，了解因果关系对人类生活意义重大。例如，数据相关性研究可以告诉我们，哪种治疗方案可以让病人更快恢复，但却不能告诉我们这是为什么。而且，数据相关性也不能告诉我们如何更加有效地治愈病人，甚至不能成为给病人开处方的依据。

“若想治疗某种疾病，或者知道如何降低某种疾病的风险，就需要理解其中的因果关系。”丹麦哥本哈根大学的乔纳斯·彼得斯说。美国哥伦比亚大学的伊莱亚斯·巴伦布瓦姆则认为，科学研究和科学系统的运行都绕不开对因果关系的理解。

遗憾的是，可以用来理清因果关系的科学工具太少了。从伽利略时代开始，现代科学的研究工具之一是代数和等式。物理学家用等式来表达大气压和气压计读数之间的关系，但这样的等式说明不了它们之间的因果关系——是气压导致了气压计读数的变化，还是正好反过来呢？显然，代数语言不可能解决哪个是因哪个是果的问题。

创新数据“游戏规则”，为因果推理理论奠定基石

上世纪90年代初，美国加利福尼亚大学洛杉矶分校的朱迪亚·珀尔开始创建科学迫切需要的“因果关系语言”。

珀尔的解决方法是引进一种被称为“doing” （表示做、作为、动作、行动的意思）的数学语言。比如，如果通过“do”这个新引入的运算符采取某种干预“行动”，让气压计周围的大气压产生变化，那么气压计上的读数也会随之变动；但如果干预“行动”是移动气压计上的读数，显然大气压不会因此发生任何变化。所以，通过这样的数据变动，就能找出数据之间的因果关系——“因” 变“果” 也随之变，但无论“果”如何变，“因”却不会变。

如何用数学语言来表达这个概念呢？珀尔创建了一套包括加减和其他运算法则在内的运算方法。就像其他运算符一样，他的“do”运算符可以作为一种特殊变量加入到运算中。

再让我们回到海边场景。通过数学模型模拟，珀尔的“do”运算符改变了冰淇淋的消耗量，而不考虑其他任何对吃冰淇淋或被鲨鱼攻击产生影响的混杂因素。在实验中，如果只改变冰淇淋的消耗量，那么鲨鱼袭击频率如果有任何相应变化就应该是由吃冰淇淋引起的。

珀尔的实验表明，使用可观察到的数据，“do”运算符的变化可有效模拟随机控制实验，从而提取其中的因果关系。珀尔因这项研究获得了2011年图灵奖，他也由此奠定了因果推理理论的基石。

因果推理“工具包”，破解“结论不可重复”窘境

除了赋予科学以更坚实的因果推理基础之外，珀尔的数学框架还有助于解决许多学科问题，包括困扰医学和社会科学领域的“研究结论不可重复危机”。

过去十年，因为相关的实验结果无法复制，人们对一些领域中的研究产生了怀疑。比如，有研究认为，学生用模糊字体更容易解答出数学问题；还有研究提出，意志力是一种有限的、可耗尽的资源。事实上，心理学领域于2015年进行的一项关于实验结果复现性的大规模研究发现，该领域60%的研究成果无法复制，这给整个学科蒙上了巨大阴影。

巴伦布瓦姆认为，因果推理可以帮助解决这些问题。他说，在许多情况下，最初的测试结果容易受到多种混杂因素的影响，而这些因素可能是实验者没有意识到或被忽略的，而随后的复现性尝试可能会在混杂因素中发现新的因果关系。

一个典型例子是关于幸福感对经济决策的影响。最初，实验通过向参与者展示美国喜剧演员罗宾·威廉姆斯的镜头来衡量幸福感。可到了进行复现性实验时，威廉姆斯已经去世，同样的实验可能会对参与者的反应产生不同影响。另一个因素是，原始研究实验中的受试者为美国人，而复现研究中的受试者是英国人。由于这些混杂效应的影响，后来的复现实验显然无法对最初的研究发现作出合理评价。

因果推理理论的应用远远超越了科学的范畴。“如果你想要做出更好的决策，就要了解因果关系。也就是说，在做决策前要考虑一下，如果我这么做，会有什么后果，世界会发生什么变化。”美国约翰·霍普金斯大学的苏奇·萨里亚说。