为了研究因果关系，原来科学家在这么多方向上都有尝试（附链接）

来源：集智俱乐部

本文约3500字，建议阅读8分钟

本文尝试整理近年来关于因果推断的代表性研究，梳理出几个典型的探索方向。

[ 导读 ]自从休谟喊出“因果是人类的错觉”，科学家就再也停不下对因果关系的探寻。本文尝试整理近年来关于因果推断的代表性研究，梳理出几个典型的探索方向。

在现代科学到来之前，人们从经验出发，通过归纳获得知识。归纳方法受限于观测，无法产生突破性成果。而现代科学则是先从事实归纳出假设、模型，再根据数据去验证模型是否正确。而所谓的模型，则是对因果关系的一组假设。现代科学的方法论，追根究底就归结于到因果关系的判定。

2002 年，加州大学伯克利分校教授亨利·布雷迪撰文整理了因果推断的各种经典理论，并根据不同假设，将其整理为：新休谟理论、反事实理论、操控实验理论、机制理论这4类，自然科学和社会科学中许多针对因果关系的检测方法，都可以归于其中。

论文题目：

Models of Causal Inference: Going Beyond the Neyman-Rubin-Holland Theory

论文地址：

http://www-personal.umich.edu/~wmebane/midx2003.pdf

而从计算视角，近年来还兴起了利用“柯尔莫哥洛夫复杂度”和“压缩感知”的新方法。

本文从这几个角度出发，简要梳理近年来关于因果关系检测，特别是复杂系统中因果检测的代表性研究。

1. 休谟之问：如何证明

是因果关系而非相关关系

哲学家大卫·休谟最早深刻思考“因果关系”：人们所谓的因果，实质上是对“相关关系”的归纳推理，而相关性无法保证因果性。休谟有言——“因果关系”是我们的错觉。

之后，以恩斯特·马赫、伯特兰·罗素等人为代表的物理学家和数学家，改造了休谟的理论，提出了新休谟式（New Humean）的框架——X如果是Y的原因，那么X的出现，应该是Y出现的充分条件。

这一类的典型研究是 2012 年 Science 刊载的一篇针对复杂生态系统中因果关系检测的论文。文中提出了收敛交叉映射算法，综合考虑 X 推出 Y、从 Y 倒推 X，来判断其因果关系，效果良好。这类方法所量化的，不是变量 X 和变量 Y 之间因果关系的强弱，而是它们之间存在因果关系的可能性。

论文题目：

Detecting Causality in Complex Ecosystems

论文地址：

https://science.sciencemag.org/content/338/6106/496

相关阅读：

Science经典论文：如何检测复杂生态系统中的因果关系？

http://mp.weixin.qq.com/s?__biz=MzIzMjQyNzQ5MA==&mid=2247500394&idx=1&sn=06c5c3579b538ff8d960af0db6edbba5&chksm=e89798e7dfe011f1a01f720f6d0bf67486534a51ca23a1912864d7302e1c80eabcdef7df7f34&scene=21#wechat_redirect

另一个典型的方法，是2019 年 11月 的 Science Advances 一篇论文中提出的 PCMCI 算法。复杂系统中存在大量非线性相互关系，因果作用有较长时间滞后，并且要素之间只在部分情况下会出现因果关系。针对这些特点，这套算法，既考虑到“错误检出因果关系”，也考虑到“未检出因果关系”，因而模型具有更强的检测能力。

图 1：将PCMCI算法应用到全球气候数据中，检测WPAC（西太平洋）、CPAC（中太平洋）、EPAC（东太平洋）、ATL（大西洋）之间的因果关系

上图展示了该方法在全球气象数据中的应用。图中的每个圆圈代表的某个地区的气候系统，图片下方的颜色深浅代表了因果性/相关性的强弱。左图展示了不同地区之间的相关关系，右图是 PCMCI 算法从相关关系中检测出的因果关系。可以发现，因果箭头远远少于相关箭头，且相关性的强弱不等于因果性的强弱，这说明了 PCMCI 算法能够从复杂系统内的众多关系中，找出真正的因果关系。

论文题目：

Detecting and quantifying causal associations in large nonlinear time series datasets

论文地址：

https://advances.sciencemag.org/content/5/11/eaau4996

2. 反事实——

思想实验中的因果推断

如果X没有发生，那么是不是Y就一定不会发生？这样假设事件没有发生的思想实验，就是反事实型（count factual）的因果关系检测。

哲学家大卫·刘易斯，完善了反事实条件语句，把反事实因果推断的方法推向正轨。这套方法的优点，在于其能够通过思想实验，来探讨因果关系，而不需要真实场景。

英国历史学家尼尔·弗格森写《虚拟的历史》这本书，探讨历史上的大事件究竟是偶然还是必然。书中是假设在某个关键节点上，某件事并没有发生，历史的演化会是怎样。这就是反事实的思想实验方法。

中文屋的思想实验，则是美国哲学家约翰·希尔勒提出另一案例。假设一个不懂中文的人，藏在屋里，Ta能够通过执行某个关于“如何进行中文对话”的规则系统，骗过人们，让人们误以为Ta理解中文。如果你不认为中文屋里的Ta理解中文，就会形成反事实，从而反驳了图灵测试中的因果假设——因为电脑可以模拟人脑的某些特定功能，所以可以认为电脑具有人类的智能。

3. 操控实验——

如何用实验分析因果关系

随机双盲实验，是医学界最常用的因果检测方法。常用语药物效果检测，通过将人群随机分为两组，使两组在各种评价指标上都尽可能相似，而唯一不同的是待考察的原因，进而根据两组之间的区别判定因果关系。

互联网公司做的AB测试，也是通过给不同组的用户展示不同样式的网页，来判定不同的网页设计、文章标题等因素和点击率之间的因果关系。

现实中还有很多场景无法进行随机双盲实验，但可以通过观察，看到不同行为产生不同的影响。美国统计学家唐纳德·鲁宾，提出了“虚拟事实模型”，通过计算来检测因果关系——根据观察结果，用算法模拟进行双盲实验，看会得到怎样的因果联系。

专注因果推断研究的学者朱迪亚·珀尔则质疑鲁宾的虚拟事实模型，他认为自己的因子图模型（casual diagram）更清晰。但数学家已经证明，珀尔的模型其实是和鲁宾的模型是等价的，只是表达形式不同。

图 2：计算机科学家，图灵奖得主朱迪亚·珀尔和他的《为什么》

4. 发现机制——

从原因怎样一步步推到结果

因果关系，无论怎样研究，都绕不改因素之间内部的作用机制。找到了一条从原因到结果的影响机理，才能真正判断因果关系。

比如针对“吸烟是肺癌的原因吗”这个大问题，一方面，研究者会考察被试人员在吸烟后，肺部组织会发生怎样的变化，这些变化又是如何导致癌细胞更容易出现的。另一方面，研究者提取出香烟中的尼古丁，再通过体外实验，最终确定烟草中的尼古丁致癌。类似的研究思路，也被应用在寻找基因变异和疾病之间的关系上。

2019 年初，新刊 Nature Machine Intelligence 的一篇论文，提出一套通用的、无监督且无参数的算法，能够通过反卷积操作提取模型、进行因果聚类，在对元胞自动机数据和图网络数据的处理中，都性能良好。这在机器学习传统统计方法之外，探索了如何教会机器理解因果关系。

相关阅读：

Nature机器智能：如何基于算法信息破解因果推断难题

http://mp.weixin.qq.com/s?__biz=MzIzMjQyNzQ5MA==&mid=2247495957&idx=1&sn=24da64035691500936e9cb6505f60bf1&chksm=e897ab98dfe0228e5b26f7fe3e6dd9a5eadb36c66ab217f58c089325ec4d7a27b977fad88d3d&scene=21#wechat_redirect

论文题目：

Causal deconvolution by algorithmic generative models

论文地址：

https://www.nature.com/articles/s42256-018-0005-0

计算理论的思想，近年来也被引入了因果关系研究中。2019 年 10 月发在 arxiv.org 的一篇预印本是这类研究的典型，研究者基于条件概率下的 Kolmogorov 复杂度不同，推导变量之间的因果关系。

论文题目：

Causal Inference via Conditional Kolmogorov Complexity using MDL Binning

论文地址：

https://arxiv.org/abs/1911.00332

5. 压缩感知——

因果关系推断新方向

利用压缩感知方法，研究因果关系，是新兴的一个研究方向。压缩感知又称压缩采样或稀疏采样，是信号处理领域的概念，指通过采用更少的信息、来尽可能逼真地重现原始数据中的模式。经过压缩，噪音和非必要信息被过滤，数据中的因果关系能够更容易被找到。

根据基因与环境的相互作用数据，找到影响人身高的基因突变位点，该方法能够找到70%-100%的之前传统方法（全基因组关联分析）找到和身高相关的位点，通过改变L1正则项的权重（压缩的比例），还能够在寻找相关位点的的过程中，发现能找到的位点数目突然增多（相变现象）。

论文题目：

Applying compressed sensing to genome-wide association studies

论文地址：

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4078394/

对于时间序列的数据，可以采用网络重构的方法找到因果关系，而重构网络的过程，本质上是对信息的压缩过滤。在 2014 年发表于 Nature Communications 一篇论文中，研究者基于传染病传播的时间序列数据，使用相对较少数据，且在部分节点无法获取数据的条件下，用重构后的网络，去除数据中的噪声，找出了传播源。

论文题目：

Reconstructing propagation networks with natural diversity and identifying hidden sources

论文地址：

https://www.nature.com/articles/ncomms5323#Sec1

找到因果关系，对于构建可解释的机器学习模型至关重要。要解释模型的决策，模型要能回答反事实的what if型问题，这需要机器能构建因果关系模型。

2019 年 10 月发表在 Physical Review Letters 的一项研究，借助压缩感知，同时参考了人脑认知设计神经网络架构，让机器学到了天体运行背后的因果规律。

图 3：a）人类的思考方式，从观察到抽象表征出模型，再基于模型回答相关问题，b）仿照人脑认知的神经网络架构，其中假设对观察的表征要尽可能简洁

研究者设计了两个神经网络，一个发现规律（用更少的神经元表征数据中的规律），一个解释规律（找到因果模型），在没有进行任何初始假设的前提下，根据太阳系行星的运动轨迹的数据，通过压缩感知，发现了天体之间的关系——地球绕着太阳转。

论文题目：

Discovering physical concepts with neural networks

论文地址：

https://journals.aps.org/prl/accepted/9e07eY09T2e1fd7f88ae46166090ef41fa6ad4c34

因果推断的具体方法，有很多种，然追根溯源，都可以追溯到某一种朴素的假设上。这篇文章整理了对因果推断方法近年来的一些代表性研究，希望帮你建立对因果推断研究的粗略认识。

编辑：王菁

校对：王欣