第一部分大數(shù)據(jù)時(shí)代的思維變革03更好：不是因果關(guān)系，而是相互關(guān)系

“是什么”，而不是“為什么”

在小數(shù)據(jù)時(shí)代，相關(guān)關(guān)系分析和因果分析都不容易，都耗費(fèi)巨大，都要從建立假設(shè)開始。然后我們會(huì)進(jìn)行實(shí)驗(yàn)——這個(gè)假設(shè)要么被證實(shí)要么被推翻。但由于兩者都始于假設(shè)，這些分析就都有受偏見影響的可能，而且極易導(dǎo)致錯(cuò)誤。與此同時(shí)，用來做相關(guān)關(guān)系分析的數(shù)據(jù)很難得到，收集這些數(shù)據(jù)時(shí)也耗資巨大?，F(xiàn)今，可用的數(shù)據(jù)如此之多，也就不存在這些難題了。

當(dāng)然，還有一種不同的情況也逐漸受到了人們的重視。在小數(shù)據(jù)時(shí)代，由于計(jì)算機(jī)能力的不足，大部分相關(guān)關(guān)系分析僅限于尋求線『性』關(guān)系。這個(gè)情況隨著數(shù)據(jù)的增加肯定會(huì)發(fā)生改變。事實(shí)上，實(shí)際情況遠(yuǎn)比我們所想象的要復(fù)雜。經(jīng)過復(fù)雜的分析，我們能夠發(fā)現(xiàn)數(shù)據(jù)的“非線『性』關(guān)系”。

當(dāng)相關(guān)關(guān)系變得更復(fù)雜時(shí)，一切就更混『亂』了。比如，各地麻疹疫苗接種率的差別與人們在醫(yī)療保健上的花費(fèi)似乎有關(guān)聯(lián)。但是，最近哈佛與麻省理工的聯(lián)合研究小組發(fā)現(xiàn)，這種關(guān)聯(lián)不是簡單的線『性』關(guān)系，而是一個(gè)復(fù)雜的曲線圖。和預(yù)期相同的是，隨著人們在醫(yī)療上花費(fèi)的增多，麻疹疫苗接種率的差別會(huì)變小；但令人驚訝的是，當(dāng)增加到一定程度時(shí)，這種差別又會(huì)變大。發(fā)現(xiàn)這種關(guān)系對公共衛(wèi)生官員來說非常重要，但是普通的線『性』關(guān)系分析師是無法捕捉到這個(gè)重要信息的。

如今，專家們正在研發(fā)能發(fā)現(xiàn)并對比分析非線『性』關(guān)系的必要技術(shù)工具。一系列飛速發(fā)展的新技術(shù)和新軟件也從多方面提高了相關(guān)關(guān)系分析工具發(fā)現(xiàn)非因果關(guān)系的能力，這就好比立體派畫家同時(shí)從多個(gè)角度來表現(xiàn)女『性』臉龐的手法。

網(wǎng)絡(luò)分析行業(yè)的出現(xiàn)就是一個(gè)最明顯的例子。多虧了它，讓描繪、測量、計(jì)算各節(jié)點(diǎn)之間的關(guān)系變成了可能，我們可以從facebook上認(rèn)識更多的朋友，還可以知道法庭上的一些判決的先例，以及誰給誰打了電話。總之，這些工具為回答非因果關(guān)系及經(jīng)驗(yàn)『性』的問題提供了新的途徑。

在大數(shù)據(jù)時(shí)代，這些新的分析工具和思路為我們提供了一系列新的視野和有用的預(yù)測，我們看到了很多以前不曾注意到的聯(lián)系，還掌握了以前無法理解的復(fù)雜技術(shù)和社會(huì)動(dòng)態(tài) 。但最重要的是，通過去探求“是什么”而不是“為什么”，相關(guān)關(guān)系幫助我們更好地了解了這個(gè)世界。

這聽起來似乎有點(diǎn)違背常理。畢竟，人們都希望通過因果關(guān)系來了解這個(gè)世界。我們也相信，只要仔細(xì)觀察，就會(huì)發(fā)現(xiàn)萬事萬物皆有因緣。了解事情的起因難道不是我們最大的愿望嗎？

在哲學(xué)界，關(guān)于因果關(guān)系是否存在的爭論已經(jīng)持續(xù)了幾個(gè)世紀(jì)。畢竟，如果凡事皆有因果的話，那么我們就沒有決定任何事的自由 了。如果說我們做的每一個(gè)決定或者每一個(gè)想法都是其他事情的結(jié)果，而這個(gè)結(jié)果又是由其他原因?qū)е碌模源搜h(huán)往復(fù)，那么就不存在人的自由 意志這一說了——所有的生命軌跡都只是受因果關(guān)系的控制了。因此，對于因果關(guān)系在世間所扮演的角『色』，哲學(xué)家們爭論不休，有時(shí)他們認(rèn)為，這是與自由 意志相對立的。當(dāng)然，關(guān)于理論的爭辯并不是我們要研究的重點(diǎn)。

首先，我們的直接愿望就是了解因果關(guān)系。即使無因果關(guān)系存在，我們也還是會(huì)假定其存在。研究證明，這只是我們的認(rèn)知方式，與每個(gè)人的文化背景、生長環(huán)境與教育水平是無關(guān)的。當(dāng)我們看到兩件事情接連發(fā)生的時(shí)候，我們會(huì)習(xí)慣『性』地從因果關(guān)系的角度來看待它們。看看下面的三句話：“弗雷德的父母遲到了；供應(yīng)商快到了；弗雷德生氣了。”

我們讀到這里時(shí)，可能立馬就會(huì)想到弗雷德生氣并不是因?yàn)楣?yīng)商快到了，而是他父母遲到的緣故。實(shí)際上，我們也不知道到底是什么情況。即便如此，我們還是不禁認(rèn)為這些假設(shè)的因果關(guān)系是成立的。

普林斯頓大學(xué)心理學(xué)專家，同時(shí)也是2002年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主丹尼爾·卡尼曼（danielkahneman）就是用這個(gè)例子證明了人有兩種思維模式。第一種是不費(fèi)力的快速思維，通過這種思維方式幾秒鐘就能得到出結(jié)果；另一種是比較費(fèi)力的慢『性』思維，對于特定的問題，就是需要考慮到位。

快速思維模式使人們用因果聯(lián)系來看待周圍的一切，即使這種關(guān)系并不存在。這是我們對已有的知識和信仰的執(zhí)著。在古代，這種快速思維模式是很有用的，它能幫助我們在信息量缺乏卻必須快速做出決定的危險(xiǎn)情況下化險(xiǎn)為夷。但是，通常這種因果關(guān)系都是并不存在的。

卡尼曼指出，平時(shí)生活中，由于惰『性』，我們很少慢條斯理地思考問題。所以快速思維模式就占據(jù)了上風(fēng)。因此，我們會(huì)經(jīng)常臆想出一些因果關(guān)系，最終導(dǎo)致了對世界的錯(cuò)誤理解。

父母經(jīng)常告訴孩子，天冷時(shí)不戴帽子和手套就會(huì)感冒。然而，事實(shí)上，感冒和穿戴之間卻沒有直接的聯(lián)系。有時(shí)，我們在某個(gè)餐館用餐生病了的話，我們就會(huì)自然而然地覺得這是餐館食物的問題，以后可能就不再去這家餐館了。事實(shí)上，我們肚子痛也許是因?yàn)槠渌膫魅就緩?，比如和患者握過手之類的。然而，我們的快速思維模式使我們直接將其歸于任何我們能在第一時(shí)間想起來的因果關(guān)系，因此，這經(jīng)常導(dǎo)致我們做出錯(cuò)誤的決定。

與常識相反，經(jīng)常憑借直覺而來的因果關(guān)系并沒有幫助我們加深對這個(gè)世界的理解。很多時(shí)候，這種認(rèn)知捷徑只是給了我們一種自己已經(jīng)理解的錯(cuò)覺，但實(shí)際上，我們因此完全陷入了理解誤區(qū)之中。就像采樣是我們無法處理數(shù)據(jù)時(shí)的捷徑一樣，這種找因果關(guān)系的方法也是我們大腦用來避免辛苦思考的捷徑。

在小數(shù)據(jù)時(shí)代，很難證明由直覺而來的因果聯(lián)系是錯(cuò)誤的。現(xiàn)在，情況不一樣了。將來，大數(shù)據(jù)之間的相關(guān)關(guān)系，將經(jīng)常會(huì)用來證明直覺的因果聯(lián)系是錯(cuò)誤的。最終也能表明，統(tǒng)計(jì)關(guān)系也不蘊(yùn)含多少真實(shí)的因果關(guān)系?？傊?，我們的快速思維模式將會(huì)遭受各種各樣的現(xiàn)實(shí)考驗(yàn)。

令人欣喜的是，為了更好地了解世界，我們會(huì)因此更加努力地思考。但是，即使是我們用來發(fā)現(xiàn)因果關(guān)系的第二種思維方式——慢『性』思維，也將因?yàn)榇髷?shù)據(jù)之間的相關(guān)關(guān)系迎來大的改變。

日常生活中，我們習(xí)慣『性』地用因果關(guān)系來考慮事情，所以會(huì)認(rèn)為，因果聯(lián)系是淺顯易尋的。但事實(shí)卻并非如此。與相關(guān)關(guān)系不一樣，即使用數(shù)學(xué)這種比較直接的方式，因果聯(lián)系也很難被輕易證明。我們也不能用標(biāo)準(zhǔn)的等式將因果關(guān)系表達(dá)清楚。因此，即使我們慢慢思考，想要發(fā)現(xiàn)因果關(guān)系也是很困難的。因?yàn)槲覀円呀?jīng)習(xí)慣了信息的匱乏，故此亦習(xí)慣了在少量數(shù)據(jù)的基礎(chǔ)上進(jìn)行推理思考，即使大部分時(shí)候很多因素都會(huì)削弱特定的因果關(guān)系。

就拿狂犬疫苗這個(gè)例子來說，1885年7月6日，法國化學(xué)家路易·巴斯德（louispasteur）接診了一個(gè)9歲的小孩約瑟夫·梅斯特（josephmeister），他被帶有狂犬病毒的狗咬了。那時(shí)，巴斯德剛剛研發(fā)出狂犬疫苗，也實(shí)驗(yàn)驗(yàn)證過效果了。梅斯特的父母懇求巴斯德給他們的兒子注『射』一針。巴斯德做了，梅斯特活了下來。發(fā)布會(huì)上，巴斯德因?yàn)榘岩粋€(gè)小男孩從死神手中救出而大受褒獎(jiǎng)。

但真的是因?yàn)樗麊?？事?shí)證明，人被狂犬病狗咬后患上狂犬病的概率只有七分之一。即使巴斯德的疫苗有效，這也只適用于七分之一的案例中。無論如何，就算沒有狂犬疫苗，這個(gè)小男孩活下來的概率還是有85%。

在這個(gè)例子中，大家都認(rèn)為是注『射』疫苗救了梅斯特一命。但這里卻有兩個(gè)因果關(guān)系值得商榷。第一個(gè)是疫苗和狂犬病毒之間的因果關(guān)系，第二個(gè)就是被帶有狂犬病毒的狗咬和患狂犬病之間的因果關(guān)系。即便是說疫苗能夠醫(yī)好狂犬病，第二個(gè)因果關(guān)系也只適用于極少數(shù)情況。

不過，科學(xué)家已經(jīng)克服了用實(shí)驗(yàn)來證明因果關(guān)系的難題。實(shí)驗(yàn)是通過是否有誘因這兩種情況，分別來觀察所產(chǎn)生的結(jié)果是不是和真實(shí)情況相符，如果相符就說明確實(shí)存在因果關(guān)系。這個(gè)衡量假說的驗(yàn)證情況控制得越嚴(yán)格，你就會(huì)發(fā)現(xiàn)因果關(guān)系越有可能是真實(shí)存在的。

因此，與相關(guān)關(guān)系一樣，因果關(guān)系被完全證實(shí)的可能『性』幾乎是沒有的，我們只能說，某兩者之間很有可能存在因果關(guān)系。但兩者之間又有不同，證明因果關(guān)系的實(shí)驗(yàn)要么不切實(shí)際，要么違背社會(huì)倫理道德。比方說，我們怎么從5億詞條中找出和流感傳播最相關(guān)的呢？我們難道真能為了找出被咬和患病之間的因果關(guān)系而置成百上千的病人的生命于不顧嗎？因?yàn)閷?shí)驗(yàn)會(huì)要求把部分病人當(dāng)成未被咬的“控制組”成員來對待，但是就算給這些病人打了疫苗，我們又能保證萬無一失嗎？而且就算這些實(shí)驗(yàn)可以『操』作，『操』作成本也非常的昂貴。

不像因果關(guān)系，證明相關(guān)關(guān)系的實(shí)驗(yàn)耗資少，費(fèi)時(shí)也少。與之相比，分析相關(guān)關(guān)系，我們既有數(shù)學(xué)方法，也有統(tǒng)計(jì)學(xué)方法，同時(shí)，數(shù)學(xué)工具也能幫助我們準(zhǔn)確地找出相關(guān)關(guān)系。

相關(guān)關(guān)系分析本身意義重大，同時(shí)它也為研究因果關(guān)系奠定了基礎(chǔ)。通過找出可能相關(guān)的事物，我們可以在此基礎(chǔ)上進(jìn)行進(jìn)一步的因果關(guān)系分析，如果存在因果關(guān)系的話，我們再進(jìn)一步找出原因。這種便捷的機(jī)制通過嚴(yán)格的實(shí)驗(yàn)降低了因果分析的成本。我們也可以從相互聯(lián)系中找出一些重要的變量，這些變量可以用到驗(yàn)證因果關(guān)系的實(shí)驗(yàn)中去。

可是，我們必須非常認(rèn)真。相關(guān)關(guān)系很有用，不僅僅是因?yàn)樗転槲覀兲峁┬碌囊暯?，而且提供的視角都很清晰。而我們一旦把因果關(guān)系考慮進(jìn)來，這些視角就有可能被蒙蔽掉。

例如，kaggle，一家為所有人提供數(shù)據(jù)挖掘競賽平臺的公司，舉辦了關(guān)于二手車的質(zhì)量競賽。二手車經(jīng)銷商將二手車數(shù)據(jù)提供給參加比賽的統(tǒng)計(jì)學(xué)家，統(tǒng)計(jì)學(xué)家們用這些數(shù)據(jù)建立一個(gè)算法系統(tǒng)來預(yù)測經(jīng)銷商拍賣的哪些車有可能出現(xiàn)問題。相關(guān)關(guān)系分析表明，橙『色』的車有質(zhì)量問題的可能『性』只有其他車的一半。

當(dāng)我們讀到這里的時(shí)候，不禁也會(huì)思考其中的原因。難道是因?yàn)槌取荷卉嚨能囍鞲鼝圮?，所以車被保護(hù)得更好嗎？或是這種顏『色』的車子在制造方面更精良些嗎？還是因?yàn)槌取荷卉嚫@眼、出車禍的概率更小，所以轉(zhuǎn)手的時(shí)候，各方面的『性』能保持得更好？

馬上，我們就陷入了各種各樣謎一樣的假設(shè)中。若要找出相關(guān)關(guān)系，我們可以用數(shù)學(xué)方法，但如果是因果關(guān)系的話，這卻是行不通的。所以，我們沒必要一定要找出相關(guān)關(guān)系背后的原因，當(dāng)我們知道了“是什么”的時(shí)候，“為什么”其實(shí)沒那么重要了，否則就會(huì)催生一些滑稽的想法。比如說上面提到的例子里，我們是不是應(yīng)該建議車主把車漆成橙『色』呢？畢竟，這樣就說明車子的質(zhì)量更過硬??！

考慮到這些，如果把以確鑿數(shù)據(jù)為基礎(chǔ)的相關(guān)關(guān)系和通過快速思維構(gòu)想出的因果關(guān)系相比的話，前者就更具有說服力。但在越來越多的情況下，快速清晰的相關(guān)關(guān)系分析甚至比慢速的因果分析更有用和更有效。慢速的因果分析集中體現(xiàn)為通過嚴(yán)格控制的實(shí)驗(yàn)來驗(yàn)證的因果關(guān)系，而這必然是非常耗時(shí)耗力的。

近年來，科學(xué)家一直在試圖減少這些實(shí)驗(yàn)的花費(fèi)，比如說，通過巧妙地結(jié)合相似的調(diào)查，做成“類似實(shí)驗(yàn)”。這樣一來，因果關(guān)系的調(diào)查成本就降低了，但還是很難與相關(guān)關(guān)系體現(xiàn)的優(yōu)越『性』相抗衡。還有，正如我們之前提到的，在專家進(jìn)行因果關(guān)系的調(diào)查時(shí)，相關(guān)關(guān)系分析本來就會(huì)起到幫助的作用。

因果關(guān)系還是有用的，但是它將不再被看成是意義來源的基礎(chǔ)。在大數(shù)據(jù)時(shí)代，即使很多情況下，我們依然指望用因果關(guān)系來說明我們所發(fā)現(xiàn)的相互關(guān)系，但是，我們知道因果關(guān)系只是一種特殊的相關(guān)關(guān)系。相反，大數(shù)據(jù)推動(dòng)了相關(guān)關(guān)系分析。相關(guān)關(guān)系分析通常情況下能取代因果關(guān)系起作用，即使不可取代的情況下，它也能知道因果關(guān)系起作用。曼哈頓沙井蓋（即下水道的修檢口）的爆炸就是一個(gè)很好的例子。

大數(shù)據(jù)，改變?nèi)祟愄剿魇澜绲姆椒?/p>

在小數(shù)據(jù)時(shí)代，我們會(huì)假想世界是怎樣運(yùn)作的，然后通過收集和分析數(shù)據(jù)來驗(yàn)證這種假想。在不久的將來，我們會(huì)在大數(shù)據(jù)的指導(dǎo)下探索世界，不再受限于各種假想。我們的研究始于數(shù)據(jù)，也因?yàn)閿?shù)據(jù)我們發(fā)現(xiàn)了以前不曾發(fā)現(xiàn)的聯(lián)系。

假想通常來自自然理論或社會(huì)科學(xué)，它們也是幫助我們解釋和預(yù)測周遭世界的基礎(chǔ)。隨著由假想時(shí)代到數(shù)據(jù)時(shí)代的過渡，我們也很可能認(rèn)為我們不再需要理論了。

2008年，《連線》雜志主編克里斯·安德森（chrisanderson）就指出：“數(shù)據(jù)爆炸使得科學(xué)的研究方法都落伍了?！焙髞恚衷凇杜淖止?jié)時(shí)代》（thepetabuteage）的封面故事中講到，大量的數(shù)據(jù)從某種程度上意味著“理論的終結(jié)”。安德森也表示，用一系列的因果關(guān)系來驗(yàn)證各種猜想的傳統(tǒng)研究范式已經(jīng)不實(shí)用了，如今它已經(jīng)被無需理論指導(dǎo)的純粹的相關(guān)關(guān)系研究所取代。

為了支撐自己的觀點(diǎn)，安德森闡述了量子物理學(xué)已變成一門純理論學(xué)科的原因，就是因?yàn)閷?shí)驗(yàn)服裝、耗費(fèi)多且不可行。他潛在的觀點(diǎn)就是，量子物理學(xué)的理論已經(jīng)脫離實(shí)際。他提到了谷歌的搜索引擎和基因排序工程，指出：“現(xiàn)在已經(jīng)是一個(gè)有海量數(shù)據(jù)的時(shí)代，應(yīng)用數(shù)學(xué)已經(jīng)取代了其他的所有學(xué)科工具。而且只要數(shù)據(jù)足夠，就能說明問題。如果你有一拍字節(jié)的數(shù)據(jù)，只要掌握了這些數(shù)據(jù)之間的相關(guān)關(guān)系，一切就都迎刃而解了?！?/p>

這篇文章引發(fā)了激烈的爭論，雖然安德森本人很快就意識到自己的言辭過于激烈了，但是他的觀點(diǎn)確實(shí)值得深思。安德森的核心思想是，直到目前為止，我們一直都是把理論應(yīng)用到實(shí)踐中來分析和理解世界，而如今處在大數(shù)據(jù)時(shí)代，我們不再需要理論了，只要關(guān)注數(shù)據(jù)就足夠了。這就意味著所有的普遍規(guī)則都不重要了，比方說世界的運(yùn)作，人類的行為，顧客買什么，東西什么時(shí)候會(huì)壞等。如今，重要的就是數(shù)據(jù)分析，它可以揭示一切問題。

大數(shù)據(jù)是在理論的基礎(chǔ)上形成的。比方說，大數(shù)據(jù)分析就用到了統(tǒng)計(jì)和數(shù)學(xué)理論，有時(shí)候也會(huì)用到計(jì)算機(jī)科學(xué)理論。是的，這不是關(guān)于像地心引力這樣特定現(xiàn)象的產(chǎn)生原因的理論，但是無論如果這依然是理論。而且如我們所見，建立在這些理論上的大數(shù)據(jù)分析模式是實(shí)現(xiàn)大數(shù)據(jù)預(yù)測能力的重要因素。事實(shí)上，就是因?yàn)椴皇芟抻趥鹘y(tǒng)的思維模式和特定領(lǐng)域里隱含的固有偏見，大數(shù)據(jù)才能為我們提供如此多新的深刻洞見。

首先就是關(guān)于我們怎么收集數(shù)據(jù)。我們會(huì)不會(huì)僅僅看數(shù)據(jù)收集的方便程度來決定呢？或者看數(shù)據(jù)收集的成本？我們做這些決定的時(shí)候就被理論所影響著，而就如達(dá)納·博尹德（danahboyd）和凱特·克勞福德（katecrawford）說的，我們的選擇一定程度上決定了結(jié)果。畢竟，谷歌是用檢索詞來預(yù)測流感而不是鞋碼。同樣，我們在分析數(shù)據(jù)的時(shí)候，也依賴于理論來選擇我們使用的工具。最后，我們解讀研究結(jié)果的時(shí)候同樣會(huì)使用理論。大數(shù)據(jù)時(shí)代絕對不是一個(gè)理論消亡的時(shí)代，相反地，理論貫穿于大數(shù)據(jù)分析的方方面面。

作為第一提出問題的人，安德森應(yīng)該獲得掌聲——盡管他的答案不怎么樣！大數(shù)據(jù)絕不會(huì)叫囂“理論已死”，但它毫無疑問會(huì)從根本上改變我們理解世界的方式。很多舊有的習(xí)慣將被顛覆，很多舊有的制度將面臨挑戰(zhàn)。

大數(shù)據(jù)時(shí)代將要釋放出的巨大價(jià)值使得我們選擇大數(shù)據(jù)的理念和方法不再是一種權(quán)衡，而是通往未來的必然改變。但是在我們到達(dá)目的地之前，我們有必要了解怎樣才能到達(dá)。高科技行業(yè)里的很多人認(rèn)為是依靠新的工具，從高速芯片到高效軟件等。當(dāng)然，這可以理解為因?yàn)樗麄冏约菏枪ぞ邉?chuàng)造者。這些問題固然重要，但不是我們需要考慮的問題。大數(shù)據(jù)趁勢的深層原因，就是海量數(shù)據(jù)的存在以及越來越多的事物是以數(shù)據(jù)形式存在的，這也是我們下一章要談?wù)摰膬?nèi)容。