因果性

「因果关系是人类心灵的投射，还是世界的客观结构？」——休谟以来的持续争论

休谟请你盯住一张台球桌：白球滚过去，撞上红球，红球弹开。你脱口而出「白球撞动了红球」。但休谟追问：你究竟「看见」了什么？你看见白球移动，看见两球接触，看见红球移动——三件事，一件接一件。可那个把它们焊在一起的「撞动」「使之运动」的力量，你看见了吗？没有。你看到的只是「先白球动，后红球动」，从未看到中间那根叫「因果」的链条。把这一桌球反复看上一千次，你看到的也只是一千次「先后相随」。那么，因果到底是世界里真有的一根链条，还是我们看多了「总是先后相随」，便在心里替它们系上的一根绳？

概念定义#

因果性（Causation）是指事件之间的产生与被产生的关系：一个事件（原因）导致另一个事件（结果）的发生。当我们说「火导致了燃烧」「吸烟导致了肺癌」时，我们在断言一种因果关系。

亚里士多德在《物理学》中区分了四种原因：质料因（材料）、形式因（结构）、动力因（推动者）和目的因（目标）。当代科学主要关注动力因——是什么引起了事件的发生。但即使限于动力因，因果性的本质仍然充满争议。

因果性问题是形而上学和科学哲学的核心：因果关系是世界的真实特征，还是只是我们理解世界的方式？如果两个事件总是接连发生，它们之间就一定有因果关系吗？

历史演变#

亚里士多德的四因说为因果思考提供了最早的系统框架。他特别强调目的因：橡子的「目的」是长成橡树，眼睛的「目的」是看。这种目的论因果观在中世纪占据主导地位，直到近代科学革命才被动力因的解释模式取代。

休谟的挑战：大卫·休谟（David Hume，1711—1776）在《人性论》（1739）中对因果性概念发起了最深刻的挑战。他指出，我们从未直接「观察到」因果关系本身——我们只观察到两类事件的恒常连接（constant conjunction）。我们看到撞球A撞击撞球B，然后B开始运动。我们看到的只是A的运动、接触、然后B的运动——我们从未看到一个叫「因果力」的东西从A传递到B。

休谟因此得出结论：因果关系不是世界的客观特征，而是我们心灵的习惯——因为我们习惯了看到两类事件接连发生，所以我们期待它们未来也会如此。这是因果规律性理论（Regularity Theory）的起源，也是归纳问题的核心。

常被忽略的细节：休谟给了两个定义。在《人类理解研究》第七章里，休谟并没有只下一个定义，而是接连给了两个——它们至今让学者争论不休。第一个是「客观的」：原因是「一个对象先于、邻接于另一个对象，且凡与前者相似的对象都跟随着与后者相似的对象」（即恒常连接）。第二个是「主观的」：原因是「一个对象先于、邻接于另一个对象，且它的出现总让心灵立刻想到另一个对象」（即心灵的习惯性联想）。这两个定义并不等价：前者讲世界里的规律，后者讲我们脑中的推断习惯。 这就引出了所谓「新休谟」之争（the New Hume Debate）。传统读法（「老休谟」）认为休谟是个彻底的反实在论者：世界里根本没有「因果力」这种东西，因果只是投射。但加伦·斯特劳森（Galen Strawson）在《秘密的联系》（The Secret Connexion，1989）中提出「怀疑实在论」（skeptical realism）的读法：休谟并不否认自然中真有某种客观的因果力量，他只是坚持我们无法认识它的本性——我们能确知的只有恒常连接。换句话说，争论的不是「世界里有没有因果」，而是「休谟本人到底是否定了它，还是只对它保持沉默」。这个区分对今天的因果实在论争论仍有直接影响。

康德的回应：康德（Immanuel Kant，1724—1804）在《纯粹理性批判》中承认休谟的挑战是有力的，但他不同意因果性只是心理习惯。康德认为，因果性是知性的先天范畴——它是经验得以可能的条件。我们之所以能有连贯的经验（而不是一堆杂乱的感觉碎片），正是因为我们的知性以因果的方式组织感觉材料。

穆勒的发展：约翰·斯图亚特·穆勒（John Stuart Mill，1806—1873）在《逻辑体系》中提出了「差异法」「契合法」等归纳方法，试图为因果推断提供逻辑基础。穆勒的方法至今仍是实验科学的方法论基础。

主要争论#

反事实理论（Counterfactual Theory）由大卫·刘易斯（David Lewis，1941—2001）发展。根据这一理论，「A导致B」意味着「如果A没有发生，B也不会发生」。这避免了休谟的问题——我们不需要观察到「因果力」，只需要进行反事实推理。刘易斯使用可能世界的相似性关系来分析反事实条件句的真值条件。

但反事实理论面临「前置条件问题」：如果火柴没有划过，火就不会燃烧；但氧气也是必要条件。为什么我们说「划火柴」而不是「有氧气」是原因？刘易斯后来引入了「因果依赖链」的概念来回应这一挑战——原因是一系列反事实依赖的环节。

概率因果（Probabilistic Causation）是另一个重要方向。吸烟「导致」肺癌，但并非所有吸烟者都得肺癌。因果关系往往是统计性的而非决定性的。帕特里克·苏佩斯（Patrick Suppes）和韦斯利·萨尔蒙（Wesley Salmon）等人发展了概率因果理论。萨尔蒙还提出了过程理论（Process Theory）：因果关系涉及物理过程的传递——能量、动量、信息从原因传递到结果。

当代应用#

因果推断在当代科学和社会科学中至关重要。朱迪亚·珀尔（Judea Pearl）在《因果论》（Causality，2000）中发展了一套因果图模型，用有向无环图（DAG）来表示因果结构，并给出了从观察数据中推断因果关系的数学工具。do-演算（do-calculus）使得我们能够区分「观察到X发生」和「主动干预使X发生」——这是因果推断的核心区分。

大数据和机器学习让这一区分变得格外迫切。机器学习算法擅长发现相关，却不擅长识别因果——「相关不等于因果」在 AI 时代获得了新的紧迫性。珀尔的「因果阶梯」（关联→干预→反事实）揭示了一个根本局限：没有因果模型的 AI 无法回答「如果 X 没有发生会怎样」这类反事实问题。

在物理学中，因果性问题与量子力学的解释密切相关。贝尔不等式的违反表明，量子纠缠不能用局域因果关系来解释——这对经典因果观念构成了根本挑战。量子场论中的「微观因果性」要求类空间隔的场算符对易，这似乎保留了某种因果结构。

在社会科学中，因果推断面临特殊困难：我们无法像在实验室中那样随机分配「教育」「收入」等变量。自然实验、断点回归、工具变量等方法被发展出来以应对这些困难。

核心概念辨析#

理解因果性需要区分几对关键概念。因果关系（causation）不同于相关关系（correlation）：两个变量相关不意味着一个导致另一个。冰淇淋销量和溺水事件正相关，但不是因果关系——它们都由第三个变量（夏季高温）引起。

决定性因果与概率性因果的区别：经典科学中的因果关系是决定性的——给定原因，结果必然发生。但在量子力学和许多社会科学中，因果关系是概率性的——原因只改变结果发生的概率。

向后因果（backward causation）是否可能？如果未来的事件能影响过去的事件，因果关系的时间方向就不再是固定的。虽然这在直觉上荒谬，但在某些量子力学解释中，向后因果并非不可能。

因果过度决定（causal overdetermination）是一个重要的哲学难题：如果两个独立的原因各自都足以导致同一结果，那么哪个是「真正的」原因？例如，两颗子弹同时击中心脏——每一颗都足以致命。过度决定问题揭示了因果解释中的选择性特征。

中国哲学中的因果观#

中国哲学中的因果观与西方线性因果模型有所不同。佛教的缘起论（pratītyasamutpāda）主张一切事物都是相互依存的——没有独立的、第一因。因果不是线性的链条，而是相互关联的网络。十二因缘描述了从无明到生死的因果循环。

道家的「自然」概念挑战了目的论因果观。老子说「道法自然」——道遵循自然，没有外在的目的或设计。事物的变化不是被「推动」的，而是自然发生的。这种自发性（spontaneity）与西方机械论因果观形成对比。

阴阳五行理论提供了另一种因果框架：事物的变化由阴阳的消长和五行的相生相克来解释。这种解释模式关注的是模式和关系，而非线性的因果推动力。

几个持续的张力#

因果与解释：因果关系是不是科学解释的核心？演绎—律则模型（D-N模型）认为解释就是从规律中演绎，不需要因果概念。反对者则认为，没有因果的解释是不完整的——「解释」的本质就是揭示因果机制。

还原与涌现：高层因果（心理原因、社会原因）能否还原为低层因果（物理原因）？如果一切行为最终由物理定律决定，那么心理学和社会学的因果解释是否只是方便的简化？

关键洞察#

因果性争论的核心困难在于休谟的挑战：我们从未「观察到」因果关系本身——我们只观察到两类事件的恒常连接。当代因果理论试图以不同方式回应：刘易斯的反事实理论避免了观察「因果力」的困难，但它面临「前置条件问题」——有无数个必要条件，为什么我们只选择其中一个作为「原因」？最深刻的洞见或许是：因果关系可能不是一个统一的概念——物理学中的因果、社会科学中的因果和日常语言中的因果可能遵循不同的逻辑。

跨域连接#

• 因果推断：珀尔的"因果层级"把休谟的难题变成了一条可证明的结论——关联、干预、反事实三层之间不可互相推导。给定任意多的观察数据，都无法唯一确定干预的效果，除非额外假定一张因果图。这是一条不可能性结果，不是方法论建议，它精确解释了"相关不等于因果"为什么不是懒惰，而是逻辑上的必然：缺失的信息在数据里根本不存在。
• 实验与自然实验：无法随机化时，社会科学的办法是找一个只经由处理变量影响结果的外生变动——工具变量、断点回归、双重差分都是这个思路的不同实现。关键在于每一种都把因果论断的重量转移到了一个不可检验的假设上（排他性约束、断点处连续性、平行趋势）。因果结论因此从来不是从数据中"读出"的，它总是数据加上一条无法由数据支持的前提。
• 流行病学：医学在完全不能做实验的领域（吸烟与肺癌）发展出了一套操作性判据——布拉德福德·希尔 1965 年提出的一组考量：关联强度、一致性、时序、剂量-反应梯度、生物学合理性等。它们不是充分条件，希尔本人也明确说不是清单式的检验。但它示范了一件事：在无法做实验时，因果论证的可靠性来自多条彼此独立的证据线同时指向同一结论——这与形而上学寻找"因果关系是什么"是两种完全不同的工作。
• 微分方程：物理定律基本都是微分方程，而方程本身不区分因果方向——给定末态解出初态，与给定初态解出末态，在数学上是同一件事。这意味着"原因先于结果"不是从物理定律里读出来的，是我们附加上去的。罗素 1913 年据此主张成熟科学中根本没有"因果"这个概念，只有函数关系。当代的回应是把因果重新安置在"可干预性"上——因果不是定律的性质，是我们作为能够干预的行动者所处位置的性质。
• 深度学习架构：纯相关学习的失效模式给因果问题提供了一个每天都在发生的演示——模型会抓住"捷径"（背景纹理、扫描仪型号、数据集特有的伪影）而不是目标特征，在训练分布内表现完美，换一家医院就崩溃。这不是模型不够大，是相关性本身不承诺可迁移。因果结构之所以有价值，恰恰在于它是那部分在干预与分布变化下仍然成立的东西。

核心事实卡#

参考文献#

1. David Hume, A Treatise of Human Nature (1739), I.III.
2. David Lewis, "Causation" (1973), Journal of Philosophy.
3. Judea Pearl, Causality: Models, Reasoning, and Inference (2000).
4. Nancy Cartwright, Nature's Capacities and Their Measurement (1989).
5. James Woodward, Making Things Happen (2003).
6. Wesley Salmon, Scientific Explanation and the Causal Structure of the World (1984).
7. David Hume, An Enquiry Concerning Human Understanding (1748), Section VII（因果的两个定义）.
8. Galen Strawson, The Secret Connexion: Causation, Realism, and David Hume (1989).