因果推理和因果認知：當代邏輯與哲學發展的一個新的生長點
——四川大學博士生導師任曉明教授訪談

任曉明，李晟

任曉明（1953-），四川瀘州人，1979年至1986年在北京師范大學學習，獲哲學學士和哲學碩士學位。1987年至1990年在武漢大學學習，獲哲學博士學位。2001年至2020年任教于南開大學哲學院，其間于2004年至2005年赴美國堪薩斯大學訪問交流。2021年至今被聘為四川大學文科講席教授。

任曉明教授主要從事邏輯學與科學哲學研究，在《中國社會科學》《哲學研究》《世界哲學》《自然辯證法研究》《科學技術哲學研究》等學術期刊上發表學術論文百余篇，出版了《邏輯學視域中的認知研究》《決策、博弈與認知——歸納邏輯的理論與應用》《非經典邏輯系統發生學研究》《計算機科學哲學研究》《生物科學哲學》等多部學術專著，主持并完成國家社科基金重大項目、教育部人文社科重點研究基地重大項目等各級各類研究項目多項。研究成果多次獲得金岳霖學術獎、中國邏輯學會人文社會科學優秀成果獎、高等學校科學研究人文社會科學優秀成果獎、四川省哲學社會科學獎、天津市哲學社會科學獎等各類學術獎項。近年來，因果邏輯是任曉明教授主要關注的研究領域，尤其是以邏輯與哲學為視角分析因果邏輯相關問題。

李晟（以下簡稱“李”）：任老師，您好！很榮幸這次能夠采訪您。新冠肺炎疫情發生后，線上學術交流越來越流行。得益于互聯網平臺，我也有機會在各類學術會議上聆聽到您的講座。我注意到，您最近的研究工作主要是圍繞因果邏輯展開的，所以我想先請您談談，您是如何關注到這一研究領域的呢？

任曉明（以下簡稱“任”）：感謝你的采訪。因果邏輯和因果哲學的研究其實有著相當悠久的歷史。在近代科學研究中，因果問題就是一個繞不開的話題。科學家們會借助因果概念、因果原則來說明物理世界。但隨著人們對世界的進一步認識，尤其是相對論和量子力學的出現，因果概念所具有的模糊性使得人們不太愿意研究因果問題。進入到20世紀中葉，有關因果的研究才重新興起。這一時期的研究成果包括阿瑟·勃克斯（A.Burks）的因果陳述邏輯、大衛·劉易斯（D.K.Lewis）的反事實因果邏輯、喬納森·柯恩（L.J.Cohen）的歸納支持分級理論與非帕斯卡型歸納概率邏輯等。但這些研究進展得并不十分順利，其發展較為緩慢。近些年來，朱迪亞·珀爾（J.Pearl）的結構因果模型方法成為最突出、最為人們關注的因果邏輯研究成果，它在計算領域也得到了廣泛的應用。

我在求學期間其實就研究過與因果邏輯相關的內容，我的碩士學位論文就是圍繞勃克斯因果陳述邏輯完成的。我攻讀博士學位期間研究的歸納支持分級理論與非帕斯卡型歸納概率邏輯也與因果邏輯有著密切關聯。最近幾年，關于因果問題的研究越來越多，不過這些研究主要集中于計算機科學、人工智能等領域。相比之下，邏輯和哲學在因果問題上還有廣闊的研究前景。

此外，我認為因果研究也與我們的生活實踐密切相關。自2020年新冠肺炎疫情暴發以來，人們生活的方方面面都發生了改變。我注意到，相比于“新冠肺炎是什么”，人們其實更加關注“新冠肺炎為什么出現、為什么傳播”，以及“面對新冠肺炎疫情，我們該怎么做”。還有，我們國內很多地方都在人員易聚集的場所設置了“臨時觀察室”，以便對特殊情況及時采取必要的進一步措施。所謂“特殊情況”，通常是指出現了發熱、乏力、咽痛、流涕等與感染新型冠狀病毒類似的癥狀。盡管出現這些情況并不意味著真的感染了新型冠狀病毒，但人們會傾向于認為“采取積極主動的防疫手段”與“控制疫情發展”之間是存在因果聯系的。類似這樣的生活實例說明，因果研究不僅具有理論價值，而且具有實際意義。

李：如您所說，因果研究具有理論和實際的雙重價值，是一塊值得深耕的沃土。但據我了解，您剛剛提到的因果陳述邏輯、反事實因果邏輯和非帕斯卡型歸納概率邏輯似乎并不是熱門的研究領域，一直以來關注的人都是相對較少的。這些理論的不足，或者說它們所面臨的困難主要體現在什么地方呢？

另外我還觀察到，僅就當前人們關注得較多的珀爾結構因果模型理論而言，與之相關的研究工作主要集中于近三十年間，而我們國內則主要是近幾年出現了大量研究成果。所以我還想問問您，珀爾的理論較之于他的前人的理論有哪些創新之處呢？他的理論是對前人工作的跟進，還是對前人工作所作的突破呢？

任：因果陳述邏輯、反事實因果邏輯和非帕斯卡型歸納概率邏輯的確都不是十分熱門的研究領域，它們也確實遇到了一些難以回答的問題。先說因果陳述邏輯和反事實因果邏輯，它們都是參考模態邏輯的方法建立起來的。勃克斯將一般模態邏輯中行之有效的演算和可能世界語義學擴展到因果模態句中，建立了因果陳述邏輯。勃克斯仿照模態邏輯提出了“因果蘊涵”“因果必然”“因果可能”等一系列新概念，并建立了一個因果陳述句的公理系統。這是最早的因果邏輯公理系統之一。實際上，勃克斯建立因果陳述邏輯的方法是一種“將歸納劃歸為演繹”的做法，也就是說，勃克斯因果陳述邏輯是對經典演繹邏輯的繼承與擴展。反事實因果邏輯，則是劉易斯基于對休謨因果思想的考察而建立的。劉易斯認為，休謨式的對因果的規則性解釋是一種經驗概括，而因果關系應當具有某種模態效力。由此，劉易斯從反事實條件句入手，給出了因果關系的定義。他定義了事件之間的反事實依賴（counterfactual dependence）關系，并用反事實依賴關系建立起事件之間的因果鏈條（causal chain），繼而定義并刻畫因果關系。此外，劉易斯還給出了基于可能世界相似性比較的語義解釋。他以可能世界間的總體比較相似性（comparative over-all similarity）關系作為初始概念，來表達一個可能世界相對于其他可能世界而言，是否更接近或最為接近現實世界。

然而，要依循模態邏輯構建因果邏輯，首先需要回答這樣一個問題：因果邏輯是否應當遵循模態邏輯的方法來建立，其恰當性何在？例如，由于勃克斯因果陳述邏輯是在經典邏輯基礎上加上模態算子而形成的擴展型演繹邏輯，所以，為規避蘊涵怪論問題，它不得不增加若干規則和附加條件，這使得它的形式系統不必要地復雜化，也使得它的解釋力較弱，可應用范圍大受限制。而劉易斯提出的比較相似性也因其概念上的含混受到人們的質疑與詬病。甚至劉易斯本人也承認，每一個可能世界都是一個極為復雜的系統，對其相似性的比較并不存在唯一合理的標準。這些問題似乎都表明，研究因果推理不宜直接照搬模態邏輯的做法。但當時的人們似乎別無選擇，因為在當時已有的邏輯中發展相對成熟的只有經典演繹邏輯。這就好比在一個月黑風高之夜，警察問一位在路燈下找鑰匙的年輕人：為什么在這里找？回答是：這里燈亮！顯然，演繹就是那茫茫夜空中唯一的一盞明燈。但我們仍然需要認識到，因果推理并不是演繹推理。不知你有沒有注意過這樣一個問題：因果推理絕對不可能像經典邏輯那樣被先驗地發現，它必須而且只能是后驗的，也即是訴諸經驗的。人的經驗總是與特定的情境和次序有關，所以，對于“是否能建立起普遍有效的因果推理”“因果推理是否能夠具備因果必然性”這樣的問題，我們目前仍是存疑的。這也正是因果推理面臨的演繹困境。一言以蔽之，因果推理不具有演繹推理的必然保真性。

與因果陳述邏輯和反事實因果邏輯的研究方法不同，柯恩是從實驗自然科學的實際出發來建立他的理論的。他繼承了培根歸納邏輯的恰當方面，強調了經驗事實對于建立歸納邏輯的基礎性作用，并指出了歸納邏輯與科學的密切關聯。柯恩認為，既然科學理論往往是不完全的，那么邏輯體系就需要與這些不完全的科學理論相協調，這樣一來，在科學理論與科學實踐中，相比于傳統的帕斯卡概率，非帕斯卡概率或許更加適用。沿著這種思路，柯恩創建了非帕斯卡型歸納概率邏輯，這是一種培根型歸納概率邏輯。柯恩理論的優勢主要體現在兩個方面：其一，它感興趣的是什么引起什么，而不僅僅是發生了什么。也即是，它對“為什么”更感興趣，而不僅對“是什么”。其二，培根型歸納邏輯依據證據變化進行歸納、知識通過形式的等級而進步的思想也是十分恰當的，這很好地反映了科學認識的多樣性、復雜性和多層次性，特別符合實驗自然科學實際。不過非帕斯卡型歸納概率仍有不足。相比于帕斯卡型概率，非帕斯卡型歸納概率還略顯稚嫩和粗糙。并且柯恩仍然將模態邏輯視為歸納支持邏輯和歸納概率的核心，從而使得非帕斯卡型歸納概率邏輯不得不面臨與勃克斯理論和劉易斯理論相同的麻煩。

而珀爾的結構因果模型理論則開創了一種不同于前人的新的做法。一方面，他是從人工智能視角出發來討論因果問題的。人工智能是對人的智能的模擬。既然因果推理是人類智能的重要組成部分之一，那么人工智能就必須要能夠掌握因果關系，而且最好是能夠學習因果關系。珀爾把對因果關系的學習劃分為觀察、干預和反事實三個由低到高的認知層級。他認為，目前所謂的“人工智能”還只是停留在觀察層級，也就是觀察到某種情況，隨后做出某種回應。比如，我們在網上下單購買了圖書，下次購物軟件就會給我們自動推送圖書類的廣告。這體現的是相關性，而不是因果性。珀爾指出，人工智能機器只有具備處理反事實推理的能力，能夠考慮“如果當時做了什么，現在會怎樣”這樣的問題，才是真正具有了因果推理能力，才是比較強健的人工智能。

另一方面，在具體的做法上，珀爾和前人也有很大不同。珀爾創立了一種叫作“do-演算”的算法，這種算法有一套可操作的流程，能夠基于因果圖并根據概率論的算法消除特定的“do-算子”。這樣一來，我們可以采用數學方法來研究干預層級的因果問題，也即是考慮“如果干預某事，會發生什么”這樣的問題，人工智能也有望進入到因果學習的第二層級，從而理解和掌握干預。而且，珀爾所用到的概率論是主流的帕斯卡型概率，所以相比于柯恩的非帕斯卡型概率，珀爾的理論也更容易為人們所理解并接受。這是珀爾的結構因果模型對前人工作取得的重大突破。

珀爾的結構因果模型嘗試在計算機上尋找合適的數據結構和算法來對應于人腦中的內部表征和計算過程，從而實現智能。這種實現智能的方式旨在主動尋找所需知識，而不是機械地先把所有知識集成起來，再看問題是否可解。而且珀爾的方法還假定人腦在某一層次上有一個因果聯系圖，可以刻畫人們在確定一個事件真正原因時的實際思維過程。這一思想徹底改變了人工智能最初基于規則和演繹邏輯的研究方向，在人工智能領域引發了一場重大的思想轉變。

除此之外，珀爾的結構因果模型還可以“翻譯”為劉易斯系統的公理和規則，它可以克服劉易斯系統的困難，包括傳遞性問題、不對稱問題，等等。而且，它不僅可以刻畫不確定推理，也可以刻畫確定性推理；不僅可以刻畫因果推理的非單調性，也可以刻畫其中的單調性。總之，珀爾的結構因果模型可以克服因果模態方法和反事實方法面臨的困厄。

李：您對結構因果模型的闡釋讓我聯想到了近代科學由“本質”到“規律”的轉向。與其說自然科學中的伽利略革命是“描述先于解釋”，倒不如說，通過伽利略革命，自然科學的理論重心從“目的論解釋”轉向了“定量描述”。通過“解釋”，人們試圖揭示的是事物的“本質”，而通過“描述”，人們試圖揭示的是事物的“規律”。從研究“本質”到研究“規律”的轉變，被認為是伽利略革命的關鍵所在。

而無獨有偶，哲學領域也有類似“伽利略革命”的巨變。傳統的真理論一直把“下定義”作為真理論最核心的問題之一，人們嘗試了各種定義來試圖把握“真”這個概念的本質，但從未達成共識，因而也從未獲得真正成功。塔斯基（A.Tarski）則一改從前，盡管他仍然強調自己的目標是下定義，但他的理論重心已經悄然轉向了“真”概念的規律。他的真之遞歸定義雖然并不能說清楚什么是“真”，但卻讓人們看到了由簡單真語句通過邏輯聯結詞和量詞構成復合真語句的基本規律。而追隨塔斯基的轉向，此后的真理論一路高歌猛進、蓬勃發展，大大超越了前人。

任：對，你的說法很有道理。反觀因果邏輯的研究，珀爾的理論的確體現了因果研究重心由“因果的本質”向“因果的規律”的轉變。比如，勃克斯建立了完備的因果陳述邏輯的公理系統及其因果可能世界語義學，從邏輯的角度來看，這的確不失為非常成熟和完善的理論。但是這只是關于因果的本質的理論，而并非關于因果的規律的理論。盡管我們從勃克斯的系統中也能看到關于因果的某些公理和定理表現出了某種“規律”的特征，但是通過這些公理和定理，我們更多的是認識到因果是什么，它的性質如何，等等。而作為“規律”，它們在實踐中的實際運用價值確實是不高的，而且也比較缺乏定量方面的描述。再比如，盡管柯恩的理論中包含著明顯的定量分析，并且具有可操作性，但柯恩理論仍是研究“因果的本質”的，因為柯恩從非帕斯卡概率出發是為了更恰當地解釋因果應該是什么樣的。而珀爾的理論就與之不同了。通過do-演算，我們非常清楚我們在什么情況下可以怎么做，但是這些規則卻并非回答什么是干預，什么是因果。不僅如此，即使在概念的定義方面，珀爾的理論也充分地表現出“規律”性。總之，珀爾的理論中處處呈現“定量描述”的影子。

珀爾的理論正是通過引入數學方法使得因果研究的“定量描述”成為可能，也使得因果研究更具有科學色彩。我認為，珀爾所開創的因果邏輯是一種既不同于演繹邏輯，也不同于通常的概率歸納邏輯的“第三條路徑”。剛剛已經提到，遵循演繹推理特征構建的因果邏輯理論面臨著許多困難。但也要看到因果邏輯與概率歸納邏輯的不同之處，盡管它們都采用了經典的概率論，但因果推理是具有某種確定性的。因果必然性是一種律則必然性（nomic necessity）。

實際上，我們對于歸納邏輯是存有一定的誤解的。其實古典歸納邏輯是很強調因果推理的，比如，培根歸納法和穆勒求因果五法就是希望通過排除不恰當的或假性的因果關系，從而找到恰當的因果關系。即使是休謨問題，它也是對因果概念提出的質疑。不過這使得現代歸納邏輯走向了概率化，相關性逐漸取代了因果性。20世紀的現代歸納邏輯似乎忘記了歸納邏輯的“初心”，其中鮮有關于因果問題的討論。所以我認為，盡管現代歸納邏輯也取得了豐碩的成果，但它用概率化取代因果化，或者說以相關關系取代因果關系的做法是不恰當的。因果關系與相關關系終究還是存在著巨大差別的兩個概念。比如，因果關系具有方向性，原因會影響結果，而反之不成立，但相關關系就不涉及方向性的問題。再比如，面對共同的原因，概率方法往往也不能做出令人滿意的說明，因為總有許多考慮不到的混雜因素會影響計算結果的準確性。二者之間的差異在人工智能時代尤為明顯。因此，我們仍有必要從邏輯和哲學的角度系統考察因果概念和因果推理。這也是珀爾理論所具有的獨到價值。

李：您剛剛對因果邏輯的評價，尤其是您提到的因果邏輯與演繹邏輯、歸納邏輯的區別讓我深受啟發，那么能不能請您進一步談談因果推理的特征呢？

任：好的。我們之所以說因果邏輯是演繹邏輯與歸納邏輯之外的“第三條路徑”，是因為珀爾的結構因果模型既包括演繹因素，又考慮了具有不確定性的概率因素，從而把因果與概率熔為一爐，超越了邏輯學通常的演繹和歸納的截然二分，或者說演繹與非演繹的截然二分。再說得更具體一些，我們還可以總結出因果推理的如下特征：

首先，因果推理具有非單調性和可廢止性（defeasibility）。在因果推理中，“從A到B的推理是有效的”并不能必然推導出“從A和C到B的推理是有效的”。盡管前提確實能夠在一定程度上為結論提供支持，但如果在前提中新加入一些前提，這種支持就有可能不成立了。換句話說，對于因果推理而言，前提可能是真的，但結論卻不一定為真。比如自2020年新冠肺炎疫情暴發以來，這兩年間，我們對新型冠狀病毒的認識是逐漸深入的。但時至今日，人們對于病毒產生的原因仍沒得出確切的結論，其原因就在于，隨著我們對新型冠狀病毒的認識越多，就越是在推翻我們起初對病毒成因的推測。這就是非單調和可廢止的表現。我們還可以以歷史上關于霍亂病因的討論來說明這點。19世紀40年代初的英國主流醫學界認為，霍亂是由于不干凈的空氣所導致的，因為工業革命的迅猛發展造成了城市環境和公共衛生條件的急劇惡化。但有的流行病專家通過調查霍亂死亡病例的時空分布，發現了公共水井與霍亂病毒傳播之間的聯系，從而證明了霍亂與水源之間存在因果關系，而與空氣沒有必然聯系。事實上，類似的例子在人類科學史和醫學史上還有很多，它們都能體現因果推理的非單調性和可廢止性。

其次，因果推理具有“保義優先，保真在后”的特點。這主要是因為，因果推理的價值必須要通過與日常實際相結合才能夠得到體現，那么這樣一來，在因果推理的過程中就會涉及一些不言而喻的規則。由于這些規則的合理性依賴于所涉及的邏輯術語本身的含義，所以因果推理有必要優先考慮保義性，而不必像經典演繹推理那樣優先追求保真性。這就像柯恩所說的，“科學的基本目的是追求逼律性（legisimilitude），而不是追求逼真性（verisimilitude）”。這與因果推理“保義優先，保真在后”的特點有異曲同工之妙。

再次，因果推理還需要同時兼顧外延適當性和內涵適當性（extensional and intentional adequacy）。也就是說，因果推理系統既要能夠推導出那些我們直覺上認可的因果關系事件序列和過程，又要體現與因果關系相關聯的前理論階段的老生常談（platitudes），比如原因先于結果、因果關系具有不對稱性、原因產生結果、結果反過來取決于原因，等等。總之，因果推理研究應該在外延適當性和內涵適當性之間保持必要的張力。

李：我認為，您總結的這幾點因果推理的特征，它們都體現了因果推理所具有的鮮明的實踐價值。而相比于西方的演繹邏輯傳統，我們東方邏輯傳統通常被認為具有更強的應用性。從這種意義上講，我們能不能從東方邏輯中汲取營養，從而為因果推理的研究帶來一些啟發呢？

任：你的這個想法很有道理。東方邏輯具有的應用性、經驗基礎性，形式真與實質真結合的實踐性、非經典演繹邏輯和非演繹邏輯相互聯系的特質，這些特點是西方傳統下基于數學理性主義的邏輯所不具有的。比如我們中國邏輯就十分重視形式真與實質真相結合的研究。我們最為熟悉的“白馬非馬”的例子，如果從形式上分析，那么它顯然是詭辯，但是如果考慮形式真與實質真相結合，它就能夠自圓其說了：“馬者所以命形也，白者所以命色也。命色者非命形也。故曰白馬非馬。”這種將形式真與實質真結合起來的思維方式恰恰與因果推理所具有的非單調性、保義優先性等特征相呼應，啟示我們完全有可能開創一條不同于經典演繹邏輯的東方因果邏輯之路。

此外，印度邏輯也對研究因果邏輯有著很重要的意義。尤其是21世紀初以來，我國印度邏輯研究迎來了前所未有的大好局面，特別是佛教因明作為“冷門絕學”得到了國家的大力扶持。我們研究發現，在印度因果推理研究中，當前因果邏輯的諸多問題都有似曾相識的跡象。實際上，佛教因明研究中就包含著因果推理，但國內外學界對此比較忽視。這種因果推理的跨文化研究可以扭轉一些西方學者對東方邏輯的偏見，也能夠為我國東方邏輯研究的全面展開奠定基礎，為同屬東方邏輯的中國邏輯研究提供助推和啟示。

李：如您所說，因果邏輯自身不僅具有廣闊的研究前景，而且它還能與東方邏輯聯系起來，從而實現因果邏輯的跨學科、跨文化研究。那么在訪談的最后，能不能請您從咱們邏輯與哲學的專業視角，對因果邏輯研究做一些展望呢？

任：首先，我認為人工智能科學界和哲學界可以加強協作，攜手共進，把人工智能和哲學的研究推向新的階段。一般情況下，人工智能技術領域的專家們熱衷于人工智能的具體任務，喜歡從事弱人工智能的研究，但對強人工智能抱有敬而遠之的態度。而哲學家們雖然對強人工智能抱有興趣，但每當談到具體實現途徑時又往往諱莫如深。只有那些既有哲學情懷，又有數學和邏輯素養的科學家兼哲學家，才有可能在這類問題上有所突破。珀爾就既是一位哲學家，又是一位獲得過圖靈獎的科學家。我認為，他能夠在因果研究領域取得重大突破與他的哲學家、科學家雙重身份不無關系。勃克斯也是美國密西根大學數學系和哲學系雙聘教授，所以他提出因果和概率相結合的計算機模型也并不令人感到意外。可見，人工智能科學界和哲學界不能自掃門前雪，應該加強協作，攜手共進，把人工智能和哲學的研究推向一個新階段。

不僅如此，我還認為，因果邏輯的發展能夠促進哲學和人工智能的進步。如果說因果邏輯的探索對計算機科學和人工智能是一場革命，那么可以說，它也將極大改變科學哲學和現代歸納邏輯的面貌。眾所周知，目前歸納邏輯的主體是概率邏輯。在貝葉斯主義概率邏輯中，影響最大的恐怕是主觀貝葉斯主義，但這一學派被各種悖論和謎題困擾多年，苦于先驗概率指派問題久也。若能通過這種因果邏輯研究找到出路，此乃歸納邏輯之幸，也是科學哲學和邏輯之幸。我們衷心希望這個“假如”的世界有一天成為現實世界。

然而，因果邏輯研究還面臨著一些較大的困難。目前，學界對這些困難的重視和探索還非常不夠。比如，盡管珀爾對因果邏輯及其哲學問題的探討推進了長期停滯不前的因果邏輯和因果觀念的研究，但他對這項研究的困難估計不足，對其前景過于樂觀。他所謂的“因果革命”或“新科學”并不像他所想象的那樣無所不能。我們應當認識到，面對因果性悖論等難題，目前的因果邏輯研究仍是無能為力的。而這就表明，目前廣受關注的因果邏輯和哲學研究仍是有局限的，還有待進一步發展。好在因果邏輯研究已經得到了越來越多的學者的關注，我相信，在不久的將來，因果邏輯將取得更為豐富的研究成果，必成為當代邏輯與哲學發展的一個新的生長點。