贝叶斯网络模型对风险因素的分析*

闫坤如

贝叶斯网络模型对风险因素的分析*

闫坤如

风险是一种不确定性后果发生的可能性，风险的不确定性来源于世界图景的非决定性、技术理性的局限性、主体认知的有限性以及研究程序的逻辑倒置等。贝叶斯网络模型作为因果性和随机性结合的模型，可以排除风险中的不相关因素，而且能够通过概率值的变化来表示风险发生的支持概率。

风险 概率 不确定性 贝叶斯网络

一、风险是可能性和危害性的函数

风险是一种潜在的可能性，例如，房屋有发生火灾的风险，汽车有发生碰撞的风险，决策有失误风险，新技术有开发和使用风险，房地产有投资风险，经营管理过程中有管理风险，资源开发过程中有资源风险，等等。风险发生后会出现不利于社会生产和人类生活的危害。所谓风险是指发生这种危害性后果的可能性。风险是一种不确定性因素，危害性后果是否发生是不确定的。弗兰克·奈特 （Frank H. Knight）认为：“风险表示的是一种不确定性和不确定性的结果。”[1]斯特恩 （S.B.Sitkin）和帕布罗 （A. Pablo）认为风险包括三个纬度：结果的不确定性 （Outcome Uncertainty）、结果的预期 （Outcome Expectations）、结果的可能性 （Outcome Potential）。[2]正如乌尔里希·贝克所说：“风险这个概念与可能性和不确定性概念是分不开的。”[3]可以说，风险包括三个方面的因素：第一，风险指的是事件发生偏离主体意愿的可能性，也就是说风险会带来危害性后果；第二，风险是不确定性的危险；第三，风险表示引起某种结果或者危害性后果的可能性。如果用R表示 “风险”，P表示 “风险发生的可能性”，也就是 “风险发生的概率”，用H表示 “事件发生的后果”，也就是风险危害性，风险就可以表示为事件发生的概率（probability）及其危害性 （harm）的函数：

R=F（P，H）

其中：R——风险程度

P——风险发生的概率H——风险发生后的危害

其中P代表风险可能出现的概率，取值变动范围为0到1，P的概率值表示风险发生的可能性的大小。风险发生的概率值越接近于0，表示风险发生的可能性越小，概率值越接近于1，表示风险发生的可能性越大。由于某个因素引起风险发生的概率是一种未来的可能性，因此，这里的概率表示一种物理性质或倾向，或者给定一种物理情景以产生某类结果的趋向，或者产生这些结果的长序列中的相对频率。这里表示风险发生的概率仅仅是一种倾向，也就是说风险因素导致风险出现的一种可能性。具备同样的风险因素，危害性的结果也未必一定会出现。

二、不确定性是风险之源

风险是一种可能性，风险是否发生以及危害程度都具有不确定性，风险之所以具有不确定性的根本原因在于世界图景的不确定性。由于事物发展的随机性和复杂性，人类认识的有限性、不可靠性、不精确性以及自然语言的模糊性和歧义性，使得现实世界中的事物以及事物之间的关系极其复杂，自然的规律性、自然固有的和既定的秩序、机械式的确定性、必然性和单一因果关系等被不确定性所取代。随着科学的发展，严格决定论的牛顿范式被非严格决定论的量子力学范式所取代。 “科学不再等同于确定性，概率不再等同于无知；科学知识在本质上是概率性的；由科学知识概率性所表征的不确定性不是因为我们付出了足够的时间和努力就可完全消除的，它是内在于科学知识之中的。”[4]

技术理性的局限性导致风险。所谓技术理性，按照马克斯·韦伯的观点，可以界定为 “通过对外界事物的情况和其他人的举止的期待，并利用这种期待作为 ‘条件’或者作为 ‘手段’，以期实现自己合乎理性所争取和考虑的作为成果的目的”。[5]马尔库塞等人把技术理性直接界定为 “工具理性”。所谓“工具主义理性”指的是 “我们在计算最经济地将手段应用于目的所凭靠的合理性。最大的效益、最佳的支出收获比率，是工具主义理性成功的度量尺度。”[6]技术理性主要关注技术设计和技术知识的可计算性、可预测性和实际功效。在技术理性中技术产品是人类为了满足自己某一个方面的目的而创造出的人工客体。这种以人类的利益为最终目的的技术理性，未必预先考虑技术应用过程中发生危害的可能性。在技术理性视域下，人类发展技术的最终目的是为了摆脱被自然界奴役的命运，技术的积极方面的作用是首要被考虑的因素，风险作为技术人工物的消极方面往往被忽略或者人为缩小。

风险认知的理性限度导致风险。人类认识的有限性和局限性、人类风险认知的偏差、人类受利益的驱使，以及不同利益相关者之间的利益博弈等认知的理性限度导致风险的出现。风险认知主体的理论框架、思维方法、认知结构的差异，以及认知主体的价值取向、主观态度在认识过程中会产生偏差，造成对风险认知的存在理性限度。对风险的认知不是全面、系统、动态的，只是个别性、僵化性和分离性的知识，还有可能是虚假的技术知识。在技术的创新、改造、转让、引进、开发、应用等技术活动中，技术知识的有限性、技术手段的局限性、技术系统内部的复杂性、技术难度以及产品寿命的不可预测性等与人类的认知之间存在着差距。 “这个社会在技术上越来越完善，它甚至能够提供越来越完美的解决办法，但是，与此息息相关的后果和种种危险却是受害人根本无法直觉到的。”[7]例如，核泄露风险、纳米技术风险、基因技术风险等因其内部技术系统的复杂性，造成这些高科技具有何种意义和何种程度的风险仍然具有不确定性。

研究程序的逻辑倒置导致风险。在传统研究的逻辑框架下研究的程序是先在实验室的可控条件下进行实验，实验条件对自然条件的模拟未必完全一致，实践结果也未必能与自然界通约，如果盲目大规模投入生产就会导致风险的产生。但目前这种先小范围实验再大规模投入生产的研究逻辑存在倒置的危险，现代研究行为序列通常是在未明确其知识框架、内部结构和运行机理之前制造出来技术产品，然后在社会应用中对其风险和安全性进行研究，这种研究程序的逻辑更容易导致风险的产生。例如目前的研究程序是先建立核电站，再考虑核技术的安全性；先培育出多利羊，再研究克隆技术的风险。对于这种把社会当成实验室的研究程序的逻辑倒置无疑加大了研究和应用的不确定性，加大了风险发生的概率。

基于上述对于风险及其不确定性的分析，我们对风险因素的分析分为两个步骤：第一，从定性的角

度看，风险可描述为与不确定性相联系的损失的可能性，我们先排除风险不相关因素，保留风险相关因素；第二，从定量的角度看，风险可描述为实际结果偏离预期结果而导致的危害的可能性，我们用贝叶斯网络模型刻画引起风险的相关因素，同时计算出某个具体因素引起风险的概率。

三、风险因素的相关性分析

风险的发生涉及多个因素，某个具体的风险发生的概率可能未必跟所有因素相关，因此界定风险因素成为分析风险的前提。所谓风险因素指的是促使或引起风险发生或风险发生时致使损失增加、扩大的原因或条件。 “桥梁坍塌”的风险与设计因素、施工因素、材料因素、维护和管理因素等相关。对于具体的某个桥梁坍塌的风险，我们先要分析哪些因素是风险发生的相关因素，哪些因素是风险发生的不相关因素。如果我们用A代表 “设计因素”，B代表 “施工因素”，C代表 “材料因素”，D代表 “维护和管理因素”，用Bc表示 “桥梁坍塌 （Bridge collapse）”，那么 “桥梁坍塌”的风险概率可以用函数式表达为P（Bc，A∧B∧C∧D）。这表示设计因素、施工因素、材料因素、维护和管理因素等导致了 “桥梁坍塌”发生的概率。但具体的桥梁倒塌原因并非都涉及这四个方面的因素，那么如何确定风险概率中的相关因素和不相关因素呢？我们可以通过风险概率值的相关关系来确定风险相关因素。

如果P（Bc，A∧B∧C∧D）=M

P（Bc，┐A∧B∧C∧D）=N在上式中，如果M≠N时，A“设计因素”是 “桥梁坍塌”的风险相关因素，因为A出现和不出现“桥梁坍塌”的概率是不相同的。按照同样的模式，也可以推导出B“施工因素”、C“材料因素”以及D“维护和管理因素”是否为风险相关因素。

通过上述逻辑表达式，我们可以确定某个因素是否为风险相关因素，但是我们不能根据上述表达式排除风险的不相关因素。例如，我们根据上述表达式明确A“设计因素”是 “桥梁坍塌”的风险相关因素，那么，“B∧C∧D”也即 “施工因素”“材料因素”以及 “维护和管理因素”是否为风险的不相关因素呢？根据传统逻辑联言判断的知识我们知道肯定一部分联言支，不能否定一部分联言支，因此，我们不能由此逻辑表达式排除风险不相关因素。我们需要通过以下逻辑表达式才能筛选出风险不相关因素。

如果P（Bc，B∧C∧D）=P（Bc，B∧C∧┐D）

≠P(Bc，B∧┐C∧D)

根据上式，D“维护和管理因素”的出现和不出现风险的概率值是相同的，这说明因素D“维护和管理因素”是 “桥梁坍塌”中风险不相关的因素，而因素C“材料因素”的出现和不出现得到的概率值是不相同的，那么，C“材料因素”是 “桥梁坍塌”中风险相关的因素。不论引起风险发生的因素多么复杂，我们通过上述两个表达式就可以确定风险相关因素和风险不相关因素。

四、贝叶斯网络模型对风险的分析

1986年，美国加州大学教授珀尔 （J.F.Pearl）针对不确定性知识提出贝叶斯网络 （Bayesian network）模型。[8]贝叶斯网络也称为因果网络 （Causal Networks），它是由图论和概率论结合描述多元统计关系的模型，是可以用贝叶斯概率理论与图形模式结合起来由有向无环图 （Directed Acyclic Graph，DAG）来表示的模型。例如一个有向无环图表示如图1。

图1的A、B和C代表节点。节点A和节点C两个节点间以一个单向箭头连接在一起，表示节点C的概率依赖于节点A的概率，节点A为父节点，节点C为子节点，连接父子两个节点的箭头代表这两个变量之间具有因果关系，这种关系是非条件独

立的，节点A和节点C是非条件独立表示节点C的概率依赖于变量A的概率。同样，节点B和节点C之间有单向箭头连接，说明节点C的概率依赖于A的概率；节点A和节点B之间没有箭头连结表明A和B彼此条件独立，两个变量之间没有条件依赖关系。贝叶斯网络的有向无环图就是把具体问题中复杂的变量关系在一个网络结构中表示出来，通过网络模型中反映问题域中的随机变量 ｛X1，X2，X3，……Xn｝及其n组条件概率分配以及变量的依赖关系表示节点之间因果影响强度。

贝叶斯网络模型是因果相关和随机相关的统一，贝叶斯网络作为有向无环图和节点概率分布的二元函数，节点集与随机变量一一对应；有向边集反映变量之间的因果依赖关系，从节点A到节点C的有向边表示A对C有直接的因果影响。

我们可以用贝叶斯网络模型中的有向无环图来表述 “桥梁坍塌”的例子。例如，我们可以用A表示“建筑构造”，P（A）表示 “建筑构造”的概率，P（C｜A）表示 “建筑构造”引起 “桥梁倒塌”出现的概率。图1中B表示 “自然灾害”，P（B）表示 “自然灾害”的概率，P（C｜B）表示 “自然灾害”引起“桥梁倒塌”出现的概率。贝叶斯网络模型就是通过构建有向无环图来达到描述和计算风险的目的。我们根据贝叶斯网络模型的有向无环图可以对风险因素之间的关系有清晰的把握。

贝叶斯网络模型刻画的是因果关系的条件支持推理，对各种类型的因果关系都可以说明，比如在上例贝叶斯网络中，事件A或B的发生，会导致事件C发生。如果已知事件A和B同时发生，则可以知道事件C发生的概率，这就是贝叶斯网络模型中的同时性因果关系推理。除此之外，还有其他形式的因果关系。例如，“暴雨”使 “桥梁承受过重”从而导致 “桥梁坍塌”，这种因果关系是链式因果关系（a），还有一因多果 （b）以及一果多因 （c）关系，如图2。

图2

不管因果链条有多么复杂，只要明确各个节点之间的因果关系，我们就可以用贝叶斯网络模型的有向无环图表示。当然，刻画风险的链条可能因为风险因素复杂而导致有向无环图的结构复杂。贝叶斯网络模型作为对不确定性知识表达和解释的模型，是基于概率论基础上的推理，不管风险因素多么复杂，我们都能够运用贝叶斯网络模型的有向无环图进行刻画。也可以从复杂性风险因素中找到相关因果关系，不仅如此，贝叶斯网络模型还可以计算风险因素与危害性结果之间的支持概率。

例如，我们想明确 “吸烟”导致 “肺癌”风险危害的可能性，就先画出 “吸烟”和 “肺癌”以及导致 “肺癌”风险因素的有向无环图，表明各个节点出现的概率。简化的有向无环图如图3。

图3

图3表示：“吸烟的人患肺癌”的概率为 “吸烟患肺癌又受大气污染的概率”与 “吸烟患肺癌且不受大气污染的概率”之和，利用贝叶斯定理，我们可以得到：

∵P（L｜S）=P（L，A｜S）+P（L，┐A｜S）

P（L，A｜S）=P（L，A，S）/P（S）=P（L｜A，S）·P（A｜S）

∴P（L｜S）=P（L｜A，S）·P（A｜S）+P（L，｜┐A，S）·P（┐A｜S）

∵P（A｜S）=P（A），P（┐A｜S）=P（┐A）

∴P（L｜S）=P（L｜A，S）·P（A）+P（L，｜┐A，S）·P（┐A）

通过以上公式，我们就可以推导出P（L｜S）的概率。也就是用贝叶斯网络对 “某吸烟者人患了肺癌，但没有高血压”概率，也就是 “吸烟”仅仅引起 “肺癌”风险而没有其他病症的风险的概率值。这个概率取值范围在0和1之间，也就是说0＜P＜1。概率值为高概率说明其引起风险危害出现的可能性大，反之，说明其引起风险危害出现的可能性小。

在贝叶斯网络模型中，如果A引起C的概率的变化，那么A就与C的风险发生具有相关性。如果A恒定增加C出现的概率，那么这种因素可以加快风险发生，例如设计不合

理、自然灾害频发、管理不当等可以促使 “桥梁坍塌”风险的出现；如果A恒定减少C出现的概率，那么这种因素可以减缓风险发生，例如设计合理、管理规范、施工符合标准等可以避免 “桥梁坍塌”风险的出现。在分析风险因素过程中，概率是很重要的，只要这个因素能够改变风险出现概率值的变化就是相关因素，而不管其风险发生的概率的绝对数值。如果患 “肺癌”的概率是万分之一，“吸烟者”患“肺癌”的概率是万分之一点五，这就是说明 “吸烟”是 “肺癌”发生的风险相关因素，因为 “吸烟”引起 “肺癌”风险发生概率的改变，而不能因为其引起 “肺癌”发生的概率值比较小而不把其作为风险相关因素。有的风险发生概率比较高，比如投资失败的风险可能高于50%，如果资金充足、调研充足那么投资失败的风险概率是40%。这表明投资风险的概率值较高，但 “资金充足”和 “前期调研充分”是引起投资风险发生概率改变的因素。不管这个概率值的改变是万分之零点五还是10%，只要这个因素引起结论的变化，那么，这个因素就是风险相关因素。

需要强调的是，风险计算只针对能够确定的风险因素而言的，比如桥梁坍塌虽然涉及自然环境、工程设计、建筑材料、人为因素等方面的复杂性关系，但是桥梁坍塌的概率值是能够确定的；至于这个桥梁是否必然坍塌以及坍塌的具体时间我们是不能确定的，我们只能根据这些风险因素，采取措施避免风险，降低风险，分散风险，转移风险，有效地对风险进行规避和控制。但有些风险目前是无法确定的，比如转基因食品、生物技术、能源技术、信息技术等一些新兴技术发展是否对人体造成危害的风险以及是否对破坏环境的风险具有非确定性。对于这些技术我们应该采取谨慎的态度，先小规模实验，再慢慢扩大规模，最后再投入生产和使用。由于人类认知的有限性，即使是目前经过检验没有风险的技术，随着科技的发展，其安全性是否遭到质疑也不能确定。比如DDT、抗生素都经受住检验，但却对人体和环境的危害造成不可挽回的损失。

上述贝叶斯网络模型对风险因素的分析是简化处理，真实风险因素具有复杂性，风险的范畴也是个复杂系统。我们在考察风险和风险因素的时候，不能孤立分析风险因素，应该把政治风险、经济风险、物质风险、心理风险、环境风险、资源风险等作为一个风险系统来对待，这样才能通过计算风险因素引起某一个方面风险的概率值来规避和控制风险。

[1]Knight，F.，Risk Uncertainty and Profit，Boston：Houghton Miffin，1999,p.26.

[2]Sitkin,S.&Pablo,A.，“Reconceptualizing the Determinants of Risk Behavior”，Academy of Management Review, 1992，7（1），pp.9-38.

[3][德]乌尔里希·贝克：《风险社会》，何博闻译，南京：译林出版社，2004年。

[4][比利时]普利高津：《确定性的终结——时间、混沌与新自然法则》，湛敏译，上海：上海科技教育出版社，1998年，第2页。

[5][德]马克斯·韦伯：《经济与社会》上卷，林荣远译，北京：商务印书馆，1997年，第56页。

[6][加]查尔斯·泰勒：《现代性之隐忧》，程炼译，北京：中央编译出版社，2001年，第5页。

[7][德]乌尔里希·贝克、约翰内斯·威尔姆斯：《自由与资本主义》，路国林译，杭州：浙江人民出版社，2001年，第127页。

[8]Pearl，J.F.，“Propagation and Structuring in Belief Networks”，Artificial Intelligence，1986,29（3），pp.241-288.

责任编辑：罗 苹

N03

A

1000-7326（2015）03-0027-05

*本文系教育部哲学社会科学研究重大课题攻关项目 “当代技术哲学的发展趋势研究”（11JZD007）、国家社科基金“基于公共安全视角的工程风险认知与治理机制研究”（14BZX026）的阶段性成果。

闫坤如，华南理工大学马克思主义学院副教授 （广东 广州，510640）。