米兰·(milan)中国官方网站-Judea Pearl 怼 Michael Jordan：不是所有随机对照实验都叫「反事实」

2011 年图灵奖患上主、因果科学之父 Judea Pearl 曾经提出闻名的“因果阶梯”论（Pearl Causal Hierarchy，PCH）。

他认为，因果揣度有三个层级，最低的第一层级是相干（association），触及的是猜测，而不触及因果瓜葛，只会商变量之间的联系关系，好比公鸡打鸣与日出之间的相干瓜葛。

第二层级是干涉干与（intervention），触及因果性，好比抽烟与患肺癌之间的因果瓜葛。

第三层级是反事实（Counterfactuals），触及的是回覆诸如“假如环境不是此刻如许，可能会发生甚么”的问题。

反事实是当下很多因果揣度研究的热点话题，但也呈现不少蹭热度的研究，一些研究对于在“反事实”一词加以禁绝确的利用甚至滥用。

近来，一篇研究文中屡次说起“反事实”的因果揣度论文于推特上被转发后，受到了 Judea Pearl 的攻讦。

这篇论文的第一作者是加州年夜学伯克利分校的 Michael Jordan 传授，论文中，作者研究了一种组织算法（constructive algorithm），该算法聚焦在因果推理泛函，经由过程有限差分迫近统计泛函的 Gateaux 导数。于几率漫衍是先验未知但也需要从数据中预计的环境下，预计的漫衍孕育发生经验的 Gateaux 导数，是以作者还有进一步考查了经验的、数值的及阐发的 Gateaux 导数之间的瓜葛。于反事实均值预计的案例研究中，作者证实了有限差分与解析 Gateaux 导数之间简直切瓜葛。

一个存眷提供贝叶斯收集软件及办事的公司账号 @www.ar-tiste.xyz（如下称“ar-tiste”）转发了该论文，并评论：Michael Jordan 传授用贝叶斯收集而不是 SCM 来做反事实，以是他认为可以于不消 SCM 的环境下做第三梯级（即反事实）的推理计较。

SCM 是 Judea Pearl 提出的布局因果模子（Structural Causal Models），它由暗示因果常识的图模子、反事实及干涉干与逻辑、布局方程构成，常被用在回覆反事实问题。

而 Pearl 认为：任何声称利用贝叶斯收集（Rung-2，第二阶梯）举行反事实计较的人都应该遭到质疑，证据来自第 35-36 页（Pearl 的著作《Causality: models, reasoning, and inference》）中的示例。Jordan 的这篇论文将反事实界说为 E[Y(1)]，也就是第二阶梯，而不是第三阶梯的反事实即 E[Y(1)|Y]。

他所援用的证据就是下面这两页内容：

一名研究因果的俄罗斯研究员也介入了会商，他指出，反事实触及的是近似在“假如医治方案差别，成果有多年夜可能差别？”的问题。以是，这篇论文其实不是于做反事实计较。

ar-tiste 对于此回应说，他并无传播鼓吹 SCM 是过错的，而是认为 SCM 是一个特例，假如做一个 bnet 的全几率漫衍的 FUNCTIONAL Taylor 级数，那末该扩大中的主导项就是 SCM。他认为，这也恰是 Jordan 这篇论文的目的，Gateaux 导数是泛函导数。这篇论文并不是一篇关在变分推理（VI）的论文。

他接着指出，“潜于成果”（Potential Outcomes，PO）是于没有利用 SCM 的环境下做反事实计较，而 Pearl 及 Bareinboim 声称只能利用 SCM 做反事实计较。以是要末是这篇论文弄错了，要末是 Pearl 的不雅点过错。

这个说法引起了 Pearl 的强烈否决，他暗示，本身并无声称“只能利用 SCM 举行反事实计较”，他的立场是，“假如你想相识你于做甚么，你想捍卫或者查验你的假定，那末你就需要知道反事实来历在 SCM”。

Pearl 援用了他早于 2014 年写的一篇博客“On the First Law of Causal Inference”，文中他提到，因果阐发的现代东西其实不是新事物，而是从 SEM 框架有机继续而来的。是以，人们可以使用 SEM 的研究来使因果阐发更有用。

博客地址：http://causality.cs.ucla.edu/blog/index.php/2014/11/29/on-the-first-law-of-causal-inference/

所谓 SEM 是指“布局方程模子”（Structural Equation Model），是一种做多元数据阐发的统计东西，于因果研究中，于贝叶斯收集的基础上插手 SEM 可以进一步构建 SCM。Pearl 认为，反事实的布局性界说（ structural definition）是因果推理的第必然律。

到这里，论文的作者之一 Angela Zhou 终究出头具名回应 Pearl ：“是的，这篇论文只存眷了第二阶梯（干涉干与效应，干涉干与平均值），而底子没有对于第三阶梯（反事实）发表任何不雅点”。

然而，ar-tiste 看到正主回应后其实不断念，又去搜了一下论文中的“counterfactual”一词，发明一共被说起了 25 次，以是“at all”这个说法其实不正确...

这时候，另外一个网友站出来注释，于 PO 语境下，干涉干与量及反事实量没有区分，以是纵然文中屡次呈现“反事实”一词，论文自己也可能不触及 Rung-3。

而 ar-tiste 认为，这好像表示了于 Pearl 及 PO 两派（SCM 及 PO 是两种重要的因果框架）眼中，“反事实”的界说差别，但两者都是将 Y(0) 及 Y(1) 界说为反事实变量。

Pearl 则发表了他对于在“反事实”的见解，他认为，甚至是做第一阶梯预计的人也会声称本身于研究反事实，由于这个词显患上更具现代性及前瞻性，这也是为何他呼吁人们只于第三阶梯使命中利用“反事实”这个词的缘故原由。

可以看出，Pearl 对于在“反事实”一词的利用很是审慎，于一名不知本相的网友评论 Jordan 这篇论文是“优异的因果建模并不是常有 1980 年月的气势派头”时，Pearl 就绝不留情地指出，他没有从中看出一点 1980 年月的影子，论文没有 d-separation，也没有 graphoids，跟 1980 年月的图模子是八棍子撂不着。

简直，因果揣度的研究时下很是热点，也呈现了许多盲目追逐潮水的研究，但 Pearl 认为：研究中将随机比照试验所孕育发生的的一切都称为“反事实”的习气是造成曲解的重要来历。

末了，论文作者 Angela Zhou 没有给出更多注释，她回应：论文以后的编纂版本将改称为“干涉干与平均值”（interventional mean），以此作为澄清。

不外，Pearl 还有是将严谨立场贯彻到底，他认为，纵然是“干涉干与平均值”于论文例 1 中的界说也其实不明确。

看来，即即是于因果揣度这门看似不那末“硬”的学科中，研究者也需要连结充足的严谨精力。

扫码添加 AI 科技评论 微旌旗灯号，投稿 进群：

雷峰网(公家号：雷峰网)

雷峰网版权文章，未经授权禁止转载。详情见转载须知。