相关与因果是矛盾的吗？

    从重视因果性到重视相关性，是大数据思维的转变之一。但很多朋友都知道：我在谈论工业大数据的时候，经常强调：这个说法不适合工业大数据。然而，吴军在他的《智能时代》中也强调“相关非因果”。我一直很欣赏吴军的观点。难道我真的错了吗？

仔细看，原来吴军在“相关”前面加了一个“强”字。他用香烟的例子说明什么是“强相关”：人们可以找到大量的例子说明吸烟与肺癌相关，但却找不到因果关系。读到这里，我明白了：我们两个用不同的词语，表达同样的思想。

 1987年，我买了人生中第一本哲学书《科学研究纲领方法 论》，这让我接触到了科学哲学中的证伪主义学派。这本书的影响直接体现在我的硕士论文中。至今我仍然相信，所谓的因果性，只是排除了我们认识到的、足以影响事物进程的干扰；所谓的科学规律，本质上都是对统计结果的解释。我在几次报告中指出：在客观世界中，绝对的因果是不存在的、只能无限逼近、持续接受证伪的考验。具体地说，如果认为一个结论是成立的，就要寻找更多的证据、更精确的证据、从更多的角度发现证据、强调证据的独立性并建立更加严密的证据链、消除可能的反例；同时，你的观点必须能被已知的科学理论解释......这样，在不断证伪的过程中，结论的可靠性不断增加、“相关性”逐渐向“因果性”靠拢。但理论上讲，这个过程是没有终止的，技术人员只能适可而止。  

我的这种观点，一方面反对简单的、停滞于肤浅相关性的不严肃、不科学的做法——这种做法常常导致错误的结论；另一方面，反对对数据分析的无限苛求——苛求不仅会扼死创新的机会，还会花大量不必要的时间、降低数据分析的效率。

至此为止可以看到：我所谓的“因果性”就是吴军的“强相关”。换一个角度说：如果我们把简单的“相关性”和极端的“因果性”看作两个极端，则两者之间还会有很长的“灰度地带”。作为一个严肃的科技工作者，绝对不应该满足于简单的“相关性”，而要让自己的坐标向“因果性”靠拢。科学研究的过程，起始于“相关”、终止于相对理想的“因果”； 但对企业的技术人员来说，固执己见地追求绝对的“因果性”是不合适的。

本文写作背景：

刚才看到傅一平先生在公 众号"与数据同行”上发布“读吴军的《智能时代》”一文。发现我和吴军的观点颇为相似。傅一平先生提到书中7个观点，第一个观点在我93年的硕士论文中就研究了，第二个观点是我最近想写而又没写的；第三、第四个观点谈概率，我多年前就想写本书、上周四在公 众号上写的《智慧和愚蠢隔着一个概率》就是相关的话题；第五个观点基本赞同、但略有差异；我经常提起与第七个观点类似的说法。本文是针对第六个观点。