APP下载

大数据相关关系及其深层因果关系意蕴

2017-11-21王天恩

社会观察 2017年12期
关键词:因果关系时态因素

文/王天恩

大数据相关关系及其深层因果关系意蕴

文/王天恩

随着大数据对相关关系的凸显,因果关系和相关关系这一久久萦绕人们脑际的复杂问题,日益显示出其实践和理论上的双重意义。大数据的发展,既使这一问题的深入理解更显迫切,又为这一问题的理解提供了新的重要条件。有关大数据相关关系的问题,不仅随着信息文明的发展面临更紧迫的实践追问,而且随着对大数据的反思日益呈现更深层次的因果关系意蕴。

因果观念的困境和相关关系的凸显

大数据的物数据化,在对传统因果观构成严峻挑战的同时,提出了深入理解相关关系的迫切任务。

相关性及其与因果性的关系问题,无疑是由大数据的发展得以空前凸显的,但问题的根源却在于因果描述本身的发展困境和相关关系日渐突出的复杂性。

1. 因果观念的发展困境

量子描述的或然性和因果时序颠倒说凸显了因果定性描述的两方面问题:因果联系是必然的还是或然的?前后相继的还是同时的?

在因果概念的哲学研究中,因果必然联系的观念与因果概念的规定内在相联;而在因果关系的科学研究中,因果或然联系的观念则与因果关系的实际应用密切相关。因而问题就在于:具有必然性的因果定性描述与科学实践中描述的或然性构成冲突。这显然涉及因果概念的内在逻辑矛盾,这种内在逻辑矛盾在因果时序方面有进一步表现。

关于因果时序,“前因后果”说似乎不仅拥有经验的支持,而且具有逻辑上的论据。理由很简单:因果同时就不会有作为过程的接续现象,因此原因必须先于结果。而“因果同时”说则有一个同样不可置疑的论据:“前因后果”意味着“前因”阶段存在无果之因。因果概念与因果规定的要求不相符合,表明传统因果概念存在根本问题。这也正是为什么在量子力学建立之后,必须重新刻画因果概念。

2. 因果概念的重新刻画及其量化展开

量子力学表明,关于因果概念的规定,问题的关键在于把因果概念的规定落实到事物的相互作用上。而要把因果规定落实到事物的相互作用过程,关键又在于从原因中分析出参与相互作用过程、构成一定原因的“因素”。

“因素”和一般事物之间的不同在于:因素是相对于特定因果关系的事物,即使尚未进入相互作用过程,它们也相对于潜在结果构成一种具有特殊含义的关系。正是由此可以看到,原因是对因素相互作用过程的描述;结果则是对因素相互作用效应及其痕迹累积的描述。

重新刻画的因果概念,一方面解决了因果概念面临的上述两方面问题;另一方面“因素”和“原因”的分化导向对事物过程必然性和或然性两个环节的合理描述。因素相互作用效应及其累积的区分则解决了因果时序问题。重新刻画的因果概念不仅能解决因果定性描述问题,而且可以走出因果定性描述所带来的因果观念困境。

在哲学和科学发展中,不仅是因果关系的定性研究,因果关系定量分析的发展也带来了因果观念的困境。而在实践中,因果定量描述对定性描述的绝对优势则导致以相关关系取代因果关系的倾向。因果定量描述所带来的困境反映了因果定量描述和定性描述的矛盾,涉及到因果关系在物数据化过程中的因果遭际。

3. 物数据化中的因果关系际遇

大数据的建立是一个物数据化的过程,在这一过程中,对因果关系来说,有两方面的事实至关重要:由因素相互作用过程的数据化,可以看到因果关系的量化蜕变;由因果关系的量化蜕变,可以看到原有因果关系方向性的丧失。

由于原因是对因素相互作用过程的描述,因果关系量化成为变量之间的关系后,作为因果关系的量化反映,只是对因果关系的量化描述。

物数据化过程既具有重要意义,又发生了一系列重要改变。一方面,只有作为变量之间的关系,相关关系才可能通过量化得以具体体现,才可能为我们所精确把握。另一方面,因果关系成为变量之间的关系后,由于量化而获得了量的关系强度和正负性质。在因素相互作用动态过程中,因果关系的数据化过程具有一个非常重要的性质:量化蜕变。因果关系一旦以不同变量之间的关系表达,就变成了变量之间的相关关系。虽然这种变量之间的相关关系可以反映因果关系,但原有因果关系的一些重要性质,已经在这一过程中因具体条件被量化抽离而改变。

作为凝固的因素相互作用过程,由于因素相互作用过程不可逆,因果关系具有明确的方向性,而在因素和潜在结果之间的关系中,因素之间的相互作用方式并未确定,因素尚未进入相互作用过程,因而不存在因果联系的不可逆性,从而不存在明确的方向性。原有的因果关系由于量化丧失了特有的必然性和方向性,数据化后没有了因果关系所特有的方向。

因果关系的量化正是把因果关系蜕变为因素关系的过程,因此作为量化过程,数据化就是使因果关系丧失方向性的过程。由于没有方向,变量相关在定量分析中不能区分原因和结果。尽管被量化的是严格的因果关系,但量化后只具有正相关和负相关的区别。

由于因果关系量化为相关关系,虽然数据化前后的关系性质有很大不同,但正是这种量化前后的关系,表明相关关系的根基仍然在因果性,只是传统因果概念不能展示二者间的内在关联。重新刻画的因果概念不仅能理解物数据化和数据物化中的因果关系,而且为理解大数据相关关系创造了条件。

相关关系的因果派生及其性质

重新刻画的因果概念为相关关系的深入理解提供了理论根据,为这些问题的澄清创造了条件。

1. 相关关系的因果派生及其机制

大数据相关关系一方面对因果关系概念提出了挑战;另一方面又使更深入理解和规定相关关系成为可能。

在重新刻画的因果关系中,当因素未进入相互作用过程时,构成了一种与潜在结果相联系的因素关系。这种因素关系显然不就是因果关系,而是相对于潜在结果的一种相互关系,这就是相关关系。它们的生成及其与因果关系的密切关联表明,相关关系是由因果关系派生出来的,相关关系和因果关系之间是一种派生关系,即相关关系是一种因果派生关系。重新刻画的因果关系表明,由不同的机制可以派生出各种不同的相关关系。在进入相互作用之前和因素相互作用过程之中,因素之间、结果之间以及因素和结果之间所构成的都是相关关系。由此可以得到关于因果关系和相关关系的清晰理解:因果关系是为因素相互作用所确定的关系,由于因果关系事实上是一个过程的两个方面,所以不构成相关关系。而相关关系则是因果关系的派生关系,包括因素之间、结果之间以及因素和结果之间的关系等。正是大数据所带来的物数据化和数据物化的对称发展,凸显了相关关系的因果派生性质。

2. 相关关系的或然性质

相关关系的性质与因果关系的最大不同,就是不具有因果关系的必然性,而具有或然的性质。

与因果关系不同,因素和结果之间的关系不是完全确定的。特定因素与什么样的其他因素,以什么样的方式进入特定的相互作用过程,所形成的结果可以有很大差异甚至完全不同,因而特定因素与结果间的关系只能是相关而不是必然的,即不是完全确定的。这种不完全确定不仅表现为量的差异,而且可以表现为质的不同,不是几率性关系意义上的不完全确定,而是关联有无和相关正负的不确定。即相关性可强可弱,可正可负,甚至时有时无。

相关关系的因果派生性质,决定了相关关系的强度。

3. 相关关系的因果派生强度

在因素相互作用过程中,因素具有特定的作用方式和作用距离,间接结果也相应具有不同的生成距离。原则上说,再简单的因素体系也涉及复杂的间接因素。无限伸展的间接因素可以构成一个作用链条,正是这一链条构成因素的作用距离。直接因素的作用距离最近,越是靠近直接因素的间接因素,其作用距离越近,反之则越远。因素在相互作用中所具有的特定作用方式和作用距离使量化的相关关系有不同的相关度。越是接近相互作用过程的因素之间的关系,越是表现为直接的相关关系,越具有强相关度,因而也越接近因果关系的性质。越是远离相互作用过程的因素之间的关系,越是具有弱相关度,或越是具有间接性的相关关系。而且,不仅因素有不同的作用方式和作用距离,在因素相互作用生成的系列效应及其累积的不同结果形态之间,也具有由结果的间接性所确定的生成距离。越接近相互作用过程的结果间关系,越表现为直接的结果间相关关系,越具有强相关度,反之亦然。而因素的作用距离和结果的生成距离,则正是相关关系强度形成的基础。

4. 相关关系的因果派生层次

作为因果派生关系,相关关系也相应存在三个层次,即作为原因的因素相互作用过程后构成的相关关系、因素相互作用过程中构成的相关关系以及因素相互作用过程前构成的相关关系。

因素相互作用过程后和过程中构成的相关关系,主要是对既定事物中相关关系的描述。由于是过程中的关系,因此也有系列相关关系即所谓“自相关”。在因素相互作用过程中,动态相关关系对于了解和调控对象过程至关重要。而因素相互作用过程中和过程前构成的相关关系,则与创构活动密切相关。在大数据相关关系中,因素相互作用过程前的因素和潜在结果之间的相关关系,对于数据物化从而创构活动特别重要。

由于因素相互作用体系的复杂性,相关关系的形式复杂多样。在相关关系的因果派生结构基础上,这些复杂的相关关系类型就可以得到系统的清晰呈现。

大数据相关关系的深层因果关系意蕴

大数据涉及两个重要过程:物数据化和数据物化。在物数据化的基础上,作为因果派生关系,相关关系不仅涉及因果关系理解的重要扩展——最为典型的就是因果时态,而且涉及两大至关重要的基本活动:一是基于相关关系的因果关系量化把握;二是基于数据物化的因果关系创构。正因为如此,作为因果派生关系的相关关系同时又具有更深层次的因果关系意蕴。

1. 因果时态的大数据相关关系展示

大数据使重新刻画的因果概念及因果结构得以更充分的展开,进一步扩展到因果时态,扩展到因果时序的内在结构。因果概念的重新刻画所带来的一个重要变化,就是通过对因素相互作用过程的描述,将因素相互作用的时态纳入因果描述模型。

关于因果关系,传统因果概念主要涉及过去时或进行时,而作为因素相互作用过程的描述,因果描述模型则还进一步涉及到将来时。因素的相互作用过程不仅有进行时,而且有过去时和未来时。作为过去时,因素相互作用过程已然凝固;作为进行时,事物的动态关系就是一个因素相互作用过程的关系;而作为将来时,则有一个相对于潜在结果的因素关系体系。作为因素相互作用过程的凝固形态,因素相互作用是过去时态;作为因素相互作用过程的动态展示,因素的相互作用是现在时态;而相对于潜在结果,因素因未进入相互作用过程而处于未来时态。因果描述模型的这一时态扩展,具有非同寻常的意义。

首先,因果描述模型的将来时态使因果关系的描述有了真正意义上的因果时态。大数据所带来的物数据化和数据物化的对称发展,凸显了因果时态的对称发展,从而因果模型的将来时态,通过现在时这一中点过程构成了与过去时态相对称的完整因果时态。

其次,因果时态使因果描述模型能更合理地描述事物过程,可以不仅对过去和现在,而且对将来做因果描述。

最后,纳入时态的因果概念反过来又为大数据相关关系研究提供了必不可少的因果描述模型。大数据相关关系所反映的,既不是因果关系的过去时,也不是现在时,而是将来时。正是大数据相关关系的时态,不仅为进一步理解因果关系和相关关系概念提供了前提,而且为把握世界事物过程提供了更全面合理的描述模型。

2. 追溯既往的因果关系量化把握

在物数据化过程中,静态数据反映事物相互作用的瞬时状态,动态数据则反映事物相互作用的动态过程。物的相互作用关系,通过数据化变成量化关系,因而在物的关系的量化过程中,物相互作用的具体条件在数据化过程中因量化而抽离。还原这种因果关系,必须通过因果推断。

基于大数据的因果推断虽然只是对因素和结果关系的检验,却是一种基于相关关系的因果关系量化把握。由于既定因果关系属于因素相互作用已经凝固了的关系,因而因果推断是通过追溯既往的因果关系的量化把握。由此建立起来的因果推断模型,无疑是因果描述模型的重要扩展,不仅涉及因果关系的把握,而且涉及因果观念理解的进一步深化。

3. 探向未来的新因果关系创构

与物数据化相对应的另一基本活动,则是通过数据所反映的相关关系将数据物化。这不仅是一个与物数据化相反的过程,而且是一个与因果关系还原相对称的过程。在这一过程中,结果不是既定的,因而既不是由果溯因,也不是一般意义上的由因(素)索果,而是由因(素)构果。而这个“果”也不是既存的,而是根据人们的需要和大数据相关关系所反映的可能性,以一定的方式使相关因素进入相互作用过程,所获得的期望中的潜在结果。只有让相关因素以一定的方式进入相互作用,生成预期中的结果后,因素相互作用过程才构成现实的原因,从而生成现实的结果,形成作为潜在物创构过程的因果关系。正是由此可以看到描述和创构两个不同的空间和过程,看到两种不同的认识旨趣形成的必然性和合理性。

创构是基于人们的需要,根据所设立的潜在结果,得到与这一潜在结果相联系的因素体系,并确定和控制这些因素的相互作用过程,获得所想得到的结果的过程。这种具有未来时态的相关关系状态给了人类创构未来无限广阔的自由度。这在基本原理上表明了相关关系对于人类创构活动及其发展的深层意蕴。

作为既定物原因和结果关系反映的因果关系和作为可能物原因和结果关系反映的因果关系构成一种对称,而对称轴则既是过去和未来的时间轴,更是现实和可能的时空轴。正是大数据从量的方面给出更高层次的整体观照,使我们看到这一前所未有的时空轴对称的壮观图景。

由这一时空轴对称图景,不仅可以更清晰地看到因果关系之于相关关系的基础性地位,更可以看到因果性和相关性的关系,看到因果关系和相关关系二者的结构,看到相关关系及其量化把握为更深入理解因果关系及相关哲学问题所开启的新前景。

在大数据中,因果关系为相关关系提供了哲学根据。作为因素相互作用过程确定性关系的描述,因果性在更深层次关系到大数据的哲学意蕴。而大数据相关关系则通过对因果关系理解的深化,开辟了关于因果关系乃至哲学本身更广阔的思考空间。

(作者系上海大学社会科学学部教授;摘自《社会科学》2017年第10期)

猜你喜欢

因果关系时态因素
纯电动汽车续驶里程影响因素
做完形填空题,需考虑的逻辑关系
探究刑法的因果关系
英语教学中的文化因素
动词的时态、语态
论刑法中提前的因果关系与延后的因果关系
现在进行时
易混时态辨析
从哲学中的因果关系到刑法学中的因果关系
过去进行时态