來源：集智俱樂部
本文約3500字，建議閱讀8分鐘
本文嘗試整理近年來關於因果推斷的代表性研究，梳理出幾個典型的探索方向。
[ 導讀 ]自從休謨喊出「因果是人類的錯覺」，科學家就再也停不下對因果關係的探尋。本文嘗試整理近年來關於因果推斷的代表性研究，梳理出幾個典型的探索方向。
在現代科學到來之前，人們從經驗出發，通過歸納獲得知識。歸納方法受限於觀測，無法產生突破性成果。而現代科學則是先從事實歸納出假設、模型，再根據數據去驗證模型是否正確。而所謂的模型，則是對因果關係的一組假設。現代科學的方法論，追根究底就歸結於到因果關係的判定。
2002 年，加州大學伯克利分校教授亨利·布雷迪撰文整理了因果推斷的各種經典理論，並根據不同假設，將其整理為：新休謨理論、反事實理論、操控實驗理論、機制理論這4類，自然科學和社會科學中許多針對因果關係的檢測方法，都可以歸於其中。
論文題目：
Models of Causal Inference: Going Beyond the Neyman-Rubin-Holland Theory
論文地址：
http://www-personal.umich.edu/~wmebane/midx2003.pdf
而從計算視角，近年來還興起了利用「柯爾莫哥洛夫複雜度」和「壓縮感知」的新方法。
本文從這幾個角度出發，簡要梳理近年來關於因果關係檢測，特別是複雜系統中因果檢測的代表性研究。
1. 休謨之問：如何證明
是因果關係而非相關關係
哲學家大衛·休謨最早深刻思考「因果關係」：人們所謂的因果，實質上是對「相關關係」的歸納推理，而相關性無法保證因果性。休謨有言——「因果關係」是我們的錯覺。
之後，以恩斯特·馬赫、伯特蘭·羅素等人為代表的物理學家和數學家，改造了休謨的理論，提出了新休謨式（New Humean）的框架——X如果是Y的原因，那麼X的出現，應該是Y出現的充分條件。
這一類的典型研究是 2012 年 Science 刊載的一篇針對複雜生態系統中因果關係檢測的論文。文中提出了收斂交叉映射算法，綜合考慮 X 推出 Y、從 Y 倒推 X，來判斷其因果關係，效果良好。這類方法所量化的，不是變量 X 和變量 Y 之間因果關係的強弱，而是它們之間存在因果關係的可能性。
論文題目：
Detecting Causality in Complex Ecosystems
論文地址：
https://science.sciencemag.org/content/338/6106/496
相關閱讀：
Science經典論文：如何檢測複雜生態系統中的因果關係？
http://mp.weixin.qq.com/s?__biz=MzIzMjQyNzQ5MA==&mid=2247500394&idx=1&sn=06c5c3579b538ff8d960af0db6edbba5&chksm=e89798e7dfe011f1a01f720f6d0bf67486534a51ca23a1912864d7302e1c80eabcdef7df7f34&scene=21#wechat_redirect
另一個典型的方法，是2019 年 11月 的 Science Advances 一篇論文中提出的 PCMCI 算法。複雜系統中存在大量非線性相互關係，因果作用有較長時間滯後，並且要素之間只在部分情況下會出現因果關係。針對這些特點，這套算法，既考慮到「錯誤檢出因果關係」，也考慮到「未檢出因果關係」，因而模型具有更強的檢測能力。
圖 1：將PCMCI算法應用到全球氣候數據中，檢測WPAC（西太平洋）、CPAC（中太平洋）、EPAC（東太平洋）、ATL（大西洋）之間的因果關係
上圖展示了該方法在全球氣象數據中的應用。圖中的每個圓圈代表的某個地區的氣候系統，圖片下方的顏色深淺代表了因果性/相關性的強弱。左圖展示了不同地區之間的相關關係，右圖是 PCMCI 算法從相關關係中檢測出的因果關係。可以發現，因果箭頭遠遠少於相關箭頭，且相關性的強弱不等於因果性的強弱，這說明了 PCMCI 算法能夠從複雜系統內的眾多關係中，找出真正的因果關係。
論文題目：
Detecting and quantifying causal associations in large nonlinear time series datasets
論文地址：
https://advances.sciencemag.org/content/5/11/eaau4996
2. 反事實——
思想實驗中的因果推斷
如果X沒有發生，那麼是不是Y就一定不會發生？這樣假設事件沒有發生的思想實驗，就是反事實型（count factual）的因果關係檢測。
哲學家大衛·劉易斯，完善了反事實條件語句，把反事實因果推斷的方法推向正軌。這套方法的優點，在於其能夠通過思想實驗，來探討因果關係，而不需要真實場景。
英國歷史學家尼爾·弗格森寫《虛擬的歷史》這本書，探討歷史上的大事件究竟是偶然還是必然。書中是假設在某個關鍵節點上，某件事並沒有發生，歷史的演化會是怎樣。這就是反事實的思想實驗方法。
中文屋的思想實驗，則是美國哲學家約翰·希爾勒提出另一案例。假設一個不懂中文的人，藏在屋裡，Ta能夠通過執行某個關於「如何進行中文對話」的規則系統，騙過人們，讓人們誤以為Ta理解中文。如果你不認為中文屋裡的Ta理解中文，就會形成反事實，從而反駁了圖靈測試中的因果假設——因為電腦可以模擬人腦的某些特定功能，所以可以認為電腦具有人類的智能。
3. 操控實驗——
如何用實驗分析因果關係
隨機雙盲實驗，是醫學界最常用的因果檢測方法。常用語藥物效果檢測，通過將人群隨機分為兩組，使兩組在各種評價指標上都儘可能相似，而唯一不同的是待考察的原因，進而根據兩組之間的區別判定因果關係。
網際網路公司做的AB測試，也是通過給不同組的用戶展示不同樣式的網頁，來判定不同的網頁設計、文章標題等因素和點擊率之間的因果關係。
現實中還有很多場景無法進行隨機雙盲實驗，但可以通過觀察，看到不同行為產生不同的影響。美國統計學家唐納德·魯賓，提出了「虛擬事實模型」，通過計算來檢測因果關係——根據觀察結果，用算法模擬進行雙盲實驗，看會得到怎樣的因果聯繫。
專注因果推斷研究的學者朱迪亞·珀爾則質疑魯賓的虛擬事實模型，他認為自己的因子圖模型（casual diagram）更清晰。但數學家已經證明，珀爾的模型其實是和魯賓的模型是等價的，只是表達形式不同。
圖 2：計算機科學家，圖靈獎得主朱迪亞·珀爾和他的《為什麼》
4. 發現機制——
從原因怎樣一步步推到結果
因果關係，無論怎樣研究，都繞不改因素之間內部的作用機制。找到了一條從原因到結果的影響機理，才能真正判斷因果關係。
比如針對「吸菸是肺癌的原因嗎」這個大問題，一方面，研究者會考察被試人員在吸菸後，肺部組織會發生怎樣的變化，這些變化又是如何導致癌細胞更容易出現的。另一方面，研究者提取出香菸中的尼古丁，再通過體外實驗，最終確定菸草中的尼古丁致癌。類似的研究思路，也被應用在尋找基因變異和疾病之間的關係上。
2019 年初，新刊 Nature Machine Intelligence 的一篇論文，提出一套通用的、無監督且無參數的算法，能夠通過反卷積操作提取模型、進行因果聚類，在對元胞自動機數據和圖網絡數據的處理中，都性能良好。這在機器學習傳統統計方法之外，探索了如何教會機器理解因果關係。
相關閱讀：
Nature機器智能：如何基於算法信息破解因果推斷難題
http://mp.weixin.qq.com/s?__biz=MzIzMjQyNzQ5MA==&mid=2247495957&idx=1&sn=24da64035691500936e9cb6505f60bf1&chksm=e897ab98dfe0228e5b26f7fe3e6dd9a5eadb36c66ab217f58c089325ec4d7a27b977fad88d3d&scene=21#wechat_redirect
論文題目：
Causal deconvolution by algorithmic generative models
論文地址：
https://www.nature.com/articles/s42256-018-0005-0
計算理論的思想，近年來也被引入了因果關係研究中。2019 年 10 月發在 arxiv.org 的一篇預印本是這類研究的典型，研究者基於條件機率下的 Kolmogorov 複雜度不同，推導變量之間的因果關係。
論文題目：
Causal Inference via Conditional Kolmogorov Complexity using MDL Binning
論文地址：
https://arxiv.org/abs/1911.00332
5. 壓縮感知——
因果關係推斷新方向
利用壓縮感知方法，研究因果關係，是新興的一個研究方向。壓縮感知又稱壓縮採樣或稀疏採樣，是信號處理領域的概念，指通過採用更少的信息、來儘可能逼真地重現原始數據中的模式。經過壓縮，噪音和非必要信息被過濾，數據中的因果關係能夠更容易被找到。
根據基因與環境的相互作用數據，找到影響人身高的基因突變位點，該方法能夠找到70%-100%的之前傳統方法（全基因組關聯分析）找到和身高相關的位點，通過改變L1正則項的權重（壓縮的比例），還能夠在尋找相關位點的的過程中，發現能找到的位點數目突然增多（相變現象）。
論文題目：
Applying compressed sensing to genome-wide association studies
論文地址：
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4078394/
對於時間序列的數據，可以採用網絡重構的方法找到因果關係，而重構網絡的過程，本質上是對信息的壓縮過濾。在 2014 年發表於 Nature Communications 一篇論文中，研究者基於傳染病傳播的時間序列數據，使用相對較少數據，且在部分節點無法獲取數據的條件下，用重構後的網絡，去除數據中的噪聲，找出了傳播源。
論文題目：
Reconstructing propagation networks with natural diversity and identifying hidden sources
論文地址：
https://www.nature.com/articles/ncomms5323#Sec1
找到因果關係，對於構建可解釋的機器學習模型至關重要。要解釋模型的決策，模型要能回答反事實的what if型問題，這需要機器能構建因果關係模型。
2019 年 10 月發表在 Physical Review Letters 的一項研究，藉助壓縮感知，同時參考了人腦認知設計神經網絡架構，讓機器學到了天體運行背後的因果規律。
圖 3：a）人類的思考方式，從觀察到抽象表征出模型，再基於模型回答相關問題，b）仿照人腦認知的神經網絡架構，其中假設對觀察的表征要儘可能簡潔
研究者設計了兩個神經網絡，一個發現規律（用更少的神經元表征數據中的規律），一個解釋規律（找到因果模型），在沒有進行任何初始假設的前提下，根據太陽系行星的運動軌跡的數據，通過壓縮感知，發現了天體之間的關係——地球繞著太陽轉。
論文題目：
Discovering physical concepts with neural networks
論文地址：
https://journals.aps.org/prl/accepted/9e07eY09T2e1fd7f88ae46166090ef41fa6ad4c34
因果推斷的具體方法，有很多種，然追根溯源，都可以追溯到某一種樸素的假設上。這篇文章整理了對因果推斷方法近年來的一些代表性研究，希望幫你建立對因果推斷研究的粗略認識。
編輯：王菁
校對：王欣
— 完 —
關注清華-青島數據科學研究院官方微信公眾平台「THU數據派」及姊妹號「數據派THU」獲取更多講座福利及優質內容。