Shalom

V1

2022/05/30阅读:19主题:自定义主题1

“洞见”association与causation的关系

什么是因果推断,一起听听Judea Pearl教授的最新讲座吧!

记录自己的一点观后体会:

Judea Pearl教授讲座中使用的洞穴比喻的例子我觉得很贴切,但他没有针对这点展开讲,我试着根据我对柏拉图洞穴比喻的理解,来谈谈“洞穴比喻对于我们理解association与causation的关系"有何启发。

什么是洞穴比喻

日喻、线喻、洞喻是柏拉图《理想国》中有名的三个比喻,其中又以洞喻最广为广为人知。

我有幸在本科阶段修读了丁耘教授的《理想国》导读,直到现在,我还时不时翻看老师的讲座,经典值得细细品读。感兴趣的同学可以在网易公开课上搜到录播课程。

洞穴比喻区别于日喻、线喻的关键点在于它有情节。所以拿洞穴比喻哲学与政治是再恰当不过了,出洞是第一哲学,回洞是政治哲学。洞穴比喻意蕴深远,远不是我三言两语能解释清楚的。感兴趣的朋友可以查看相关资料,当做一个有趣的故事听一听也不失为一种消遣。

当然,洞穴比喻,与日喻,线喻也有相似之处,比如从虚实程度的角度去理解。从这个角度理解洞穴比喻对于我们认识association与causation关系是有帮助的。

虚实角度的理解,大家可以类比对于三张桌子的理解。柏拉图的哲学体系里有三张桌子。第二张桌子是,木匠制作的具体的一张桌子,第三章桌子是画家照着木匠做的桌子画出的一张桌子,第一张桌子是桌子的理念(可以理解为木匠造这张桌子的凭据,存在于木匠的脑海中,木匠根据桌子的理念做的桌子)。

如何理解asoociation与causation关系(个人见解)

association与causation的关系就好比,第三张桌子与第二张桌子,亦或是第二张桌子与第一张桌子间的关系;在洞穴必须的例子中,就好比假人假兽在洞底墙壁上的投影与假人假兽,亦或是假人假兽与洞外真实的人和兽之间的关系。

association中有causation的影子,但是是比causation真实性更弱一级的存在。

Association does not mean causation.有关联不意味因果关联。但是否可以说No causation, no association?因为根据causation我们可以断定某些变量间应该存在association。

我们不会根据asssociation来行动,但我们可以根据causation来行动,因为causation比association更可靠。

Causation是我们的研究假设,在思维层面的,因此它就像柏拉图哲体系中"桌子的理念"一样的存在,坚信有这样的因果关系,它就存在,理念存在于思维之中不生不灭。就好比桌子的理念不生不灭。理念是一。

而Association是和数据结合在一起。是实践层面的,就像具体的桌子。具体的桌子分有了桌子的理念,但它不是理念本身。具体的桌子是桌子的理念与制制作桌子的质料结合的产物。理念是一,具体事物是多。理念与质料结合就使得它有生又灭。就好比,数据并不一定完美符合我们的假设。但很多时候,数据中的相关信息的确暗含了一定的因果线索。具体的桌子会坏掉,而理念不会。

从关注association转向关注causation需要怎样的努力(个人理解)

我们不能仅仅满足于探索association,而是要勇于冲破枷锁,灵魂转向,敢于向更高层级的causation攀登。

从association向causation的转变就相当于囚徒的灵魂转向,一开始我们对这种转向可能会不适应,因为我们就像是洞底的囚徒,生活在暗处,猛然转身到了光亮的环境难免不适应,但在适应了之后,我们可以发现比影像世界更为真实广阔的世界。

恰如我们能看见一样东西并不是仅仅因为我们有双眼睛,还需要有光。

洞穴底部的囚徒能看见墙壁上的投影需要借助于火堆的光亮。

囚徒转向,走出洞外能看见真实世界里的花草树木需要借助于太阳的光亮。

要看见一般的理念要借助善的理念。

同样滴。

从关注association转向关注causation,我们同样需要一种工具。结构因果模型(Structural Causal Model)就是这样的一种工具。它使得我们能够用数学语言表述我们的研究问题,能够用图示呈现我们的研究假设,结合因果模型(我们的假设和思维)和数据来尝试探索蕴含在真实世界中的因果关系。

分类:

人工智能

标签:

人工智能

作者介绍

Shalom
V1