干预主义给了我们对因果关系的解释,它并不本质上参考主体的视角 。我们使用这个框架来得到一个清晰的诊断,即在引入主体之前,是否存在一个可以识别的不对称性 。
5. 干预主义因果论
根据干预主义,给定一个变量网络和一组约束条件,变量 A 与变量 B 有因果关系(在变量网络和约束条件下),就等价于干预 A(外在改变 A 的值)能影响 B(或影响 B 的概率) 。下面有一个变量网络 。我们想知道 A 是否是 B 的原因,所以我们在 A 上施加干预,然后观察是否对 B(取值或取值的概率)有影响(图 1) 。
图 1. 因果图
这里对宏观变量没有限制,所以 A、B 可以是任何变量 。大框架是时间对称的 。我们通常希望找到未来的因果效应,所以我们在定义干预的时候本身就是时间不对称的(干预是对变量值的外在改变,切断了过去的潜在原因),然后找干预对时间下游变量()的因果效应 。如果我们想知道阿司匹林能否缓解偏头痛,我们通常会控制环境变量,设定系统宏观可观测环境变量和过去假设 。但其实在干预主义的框架中,没有任何东西迫使我们这样思考 。我们很容易就能建立一个变量网络,选择变量 A,然后手动切除 A 与其时间上游变量()的联系 。然后探究干预 A 是否会影响过去时间的变量值(或其分布概率) 。
文章插图
2000 年,Pearl 在其书[28]中讨论了这种不对称性 。在他看来,方向性完全来自于对内生和外生的选择 。我们从系统里抽取出一部分,然后想象自己参与其中,设定特定变量值,然后观察对其他变量的影响 。外生()变量就是网络外的过程设定值的变量,反之为内生()变量 。Pearl 如是说:
正是内外生变量的选择在我们看待问题的视角上创造了不对称性,正是这种不对称性让我们能够谈论“外部干预” 。因此才产生了因果性和因果效应的方向 。
我们倾向于先选择外生变量而非内生变量,因为后期状态随早期状态变化有何差异对于指导行动来说非常重要 。但从形式上来说,先选内生变量也没有任何问题 。我们好奇未来状态变量对过去的影响,就像我们考虑过去状态变量对未来有影响一样 。这种问题在逻辑上很说得通 。Pearl 写道:
这个启发就是我们分割宇宙的方式决定了联系因果的方向性 。每种科学都默认了这种分法,麦卡锡()在人工智能中称其为限制逻辑() 。在经济学中,限制逻辑在经济学中就等价于确定哪些变量是内生的、哪些变量是外生的 [ 28, p. 420] 。
从这个角度来看,各事件虽有联系,但并不存在内在的依赖方向 。世界本身有其模态子结构(modal ,由时间对称律给出),因果判断的基础是一种假设的情形,不同假设意味着选择了不同的内、外生变量(由特定限制给出) 。因果依赖的方向就由内生变量和外生变量的选择给出,而这又由实验者根据实际兴趣裁定 。我们是时间导向的主体,所以我们倾向于固定过去,然后看因果影响 。但仔细想想又会发现其实这些事件关系本身并没有内在的不对称性(脚注 11) 。
这不完全正确,但它的不完整是有误导性的 。跟着我们继续想象,你将对主体不对称性( of )和因果不对称性( of )的关系有更精深的理解 。一点剧透:我们将证明:事件关系中不存在局部不对称,但在沿热力学梯度的宏观模式事件中,主体的出现和利用信息却是不对称的 。因此,我们需要从宏观不对称的存在解释到主体的出现 。我们之所以能透过宏观的视角看待问题,是因为信息收集和利用的不对称 。
- 因果图法、判定表法
- 公式编辑器和文字不对齐怎么办 公式编辑器和文字怎么合并
- MLM 区别探索:掩码语言模型 和因果语言模型 (CLM)的区别
- sqlserver in 顺序不对_文玩核桃盘的不够红,你可能忽略了一个顺序
- 出生日期看三世因果,三世因果六道轮回
- 凉鞋高跟,喜欢穿高跟凉鞋的女人对不对?
- 刘晓庆近照太怪异,耳垂夸张腮帮子不对称,网友吐槽脸好吓人 刘晓庆话剧破吉尼斯记录
- 世界十大之最建筑有哪些?对不对? 世界十大之最
- 玉米苗后用什么除草剂不对大豆有药害
- 故宫中的冷宫从不对外开放其实原因很简单