我们认为因果性是什么

几千年来，我们对因果性有很多看法。古希腊的观点认为，事物自然而然会努力发展成它们现在的样子，而更现代的观点认为，事件都是由机器般冷酷无情的因果关系操控的。纵观人类文明史，无论是哪个时期，我们似乎都普遍接受了关于因果性的4种假设——这些假设现在正受到挑战。

事件按规律发生

一家公司几乎想象不到比这更糟的噩梦：航空公司在其安全须知上增加了一条提示，提醒人们在飞机上关闭该公司的产品，以免其在空中爆炸。

2016年，乘客就听到了关于三星Galaxy Note 7手机的安全警告。

在35部手机自燃后——最终数量为400部左右，三星召回了全部250万部手机，损失约50亿美元，公司市值减少了140亿美元。

三星称，问题出在锂离子电池上，并且这一缺陷影响的手机只占总销量的0.01%。9

那为什么99.99%的手机没有自燃呢？我们有几种不同的答案。首先，也许最后自燃的几个在制造时出了问题，材料不合格，或者组装没做到位。其次，可能是一些极端情况导致手机自燃，比如用户坐在手机上导致手机承载的压力过大。再次，也许我们需要将这两种解释结合起来，一些人将少数质量不合格的设备置于极端环境。

不管选择哪种解释，我们都会坚持一个不言自明的基本原则：如果对同一类型的对象执行相同的操作没有得到相同的效果，那么要么实际上它们不是同类型的对象（自燃的手机与99.99%的手机不同），要么原因不同（自燃的手机在颠簸的环境中被挤压）。事件总是以某种有规律的方式发生着。

但是……

愈发明显的是，这些规律并不总是能成为我们应对世界复杂性的最有用的工具。A/B测试可能对每种情况的细微之处都非常敏感，但如果你想要运用自然规律做到这种程度，那么难度不亚于让你精确地找出一块刚好能把你的挡风玻璃砸出蛛网裂痕又不让其彻底裂开的碎石。如果还怀疑这一点，你就仔细想想，既然我们可以直接通过定律来确定A/B测试的结果，那么我们一开始直接用定律好了，也就不用做什么A/B测试了。我们不用搭建什么“深度患者”系统，让医生直接诊断就好了。我们也会知道哪些手机会自燃，因而它们就不会出现在行李中。而围棋大师们也不用再惊叹阿尔法围棋在面对复杂棋局时所下的一步棋是多么美妙了。

我们可以理解事件背后的因果

古埃及人知道，如果吃一些柳树皮，他们的疼痛就会减轻。古埃及人没有我们所谓的科学理论来解释为什么这样会起作用（虽然他们的医学实践在当时是先进的，但是这些实践都基于神、灵魂和身体通道堵塞这些传统观念），不过柳树皮的确有效。18世纪60年代，英国牧师爱德华・斯通重新发现了柳树皮的这种作用，但他同样不具备科学理论。1899年，拜耳公司根据柳树皮中的化学物质开始生产我们现在所知的阿司匹林，当时拜耳公司也没有受到科学理论的指导。直到20世纪70年代末，相关理论才问世，其发现者也因此获得1982年的诺贝尔奖。10

虽然都缺乏理论指导，但是埃及人和拜耳公司还是有区别的：与埃及人不同，拜耳公司的化学家相信存在一种理论——一种由受规律制约的化学作用解释的因果关系，并且我们最终会发现它。

我们坚定不移地信奉这样的宗旨，即规律引发的变化不仅适用于所有类似的情况，而且人类可以了解这些规律。这使得我们成为宇宙中与众不同的存在。

但是……

机器学习比以往任何时候都更精确地做出了“深度患者”那样的重要预测，而我们可能永远无法理解这些预测。我们天真地以为，我们能够了解事件是如何发生的。但如今，这种信心正在被一点一点地侵蚀。

我们可以通过改变正确的条件促使事件发生

何塞菲娜・卡萨斯对BuzzFeed网站（美国新闻聚合网站）进行了调查，她建议，如果想让你的帖子产生病毒式传播，那么标题一定要有数字。知行合一的她，给这篇调查起的标题就是“5个让你的推特和脸书上的标题和BuzzFeed的一样棒和点击量超高的小技巧”。11

她的帖子验证了因果论对我们做出的一个最基本的承诺：事件的发生遵循可知的规律，所以你只需要改变合适的条件就可以促使特定的事件发生。

但是……

一个和其他100万个视频没什么区别的视频在被发布到互联网上之后，出于我们可能永远无法理解的原因，它在全世界掀起了一股风潮，1 700万人将一桶冰水浇在自己的头上，为一项慈善公益事业筹集了1亿美元。12其他数以千计的慈善机构受到启发，尝试着对该活动做一些调整，但没有起到任何作用。我们的推送充斥着各种不可复制的变量，它们就像A/B测试中哪个按钮将获得更多的点击量一样不可预测。

如果你每次做同样的事引发的行为都不一样，那么这背后还有什么规律可言？

变量与效果成正比

如果你想提起一袋100磅重的土豆，你要花费的力气就是提起一袋50磅重的土豆的两倍。在一般的物理原则下，事情就是这样。

但是……

一颗小石子击中挡风玻璃就能把玻璃砸碎，一个雪球能引发雪崩，一段业余的视频可以像病毒一样传播开来，让数百万人走上街头。在这些情况下，一次巨大事件的引发仍然需要巨大的能量，但是如果系统规模足够庞大、足够复杂且互通性非常高，遍布于整个系统的微小变化就足以产生这种能量。

现在，我们大多数人将每天的大部分时间都花在这样一个系统上：互联网。而对深度学习系统那成千上万个微小变量，我们如果调整对了，就能预测出被我们称为人体的复杂系统里危及生命的心脏问题。

* * *

随着我们逐渐远离这4种假设，也许我们对事件因果的惯性理解终于开始朝着世界实际的运行方式靠拢了。对这种运行方式，科学家其实已经研究一段时间了。