郭朝晖谈学术的视野

2021/2/7 15:47:55 人评论 次浏览 分类:热点聚焦  文章地址:http://yunrun.com.cn/news/3596.html

今天早上读到一篇关于因果推断的文章。让我想起北京大学的耿直老师。耿老师是我非常敬重的学者。十多年前,我从耿老师那里学到了这个概念,我觉得特别有意思。但我总是觉得有点不解:从数据上能推断出因果关系吗?

若干年后我终于想明白了:数学中的因果关系和客观世界的因果关系其实并不一样。数学领域的因果关系一定是有前提假设的。我估计,这些假设应该包括:“原因”是可见的、并且与其他变量有一定的独立性。在这些条件边界内,我们可以推断变量之间是否有因果关系。但是,如果数据不满足这些条件,数学上的因果关系就不是客观世界的因果关系。比如,推定某个变量X1是“原因”时,客观世界的真正原因可能是某个未被采集的、并且与之相关的X2。


“因果推断”是有价值的,价值在于帮助人们做分析。但做分析的前提必须人类去准备、去判断。但数据的准备和判断并不容易。我曾经多次说:经典统计学理论之所以被有些人认定为“无效”,其实是因为数据准备不到位。而大数据时代的变化之一,就是便于我们选择数据、准备条件。


另外,今天早上还读到一页纸,对控制理论的方法进行了综述。应该说,这一页纸的总结相当全面。但我内心却想:即便这些方法都掌握了,遇到现实问题可能仍然不会做。为什么呢?因为很多人不知道如何根据现实条件选择方法。


一般来说,现实的条件总是与理论上说的不一样。看清楚现实条件的影响、做出恰当的假设,是比用算法更大的能耐、需要更大的视野。


我们在小学、中学、大学乃至研究生阶段受到的教育、学到的知识,总是在一定的假设下成立的、是有边界条件的。这样会养成一种“封闭”的思维方式。但实际工作和读书是不一样的。做实际工作的时候,必须有更大的视野:你需要去思考一下,你的假设到底是不是成立。要学会根据实际情况选择方法,而不是奢求实际服从你认可的理论。
作者:郭朝晖(工学博士,教授级高工。企业研发一线工作20年;优也科技信息公司首席科学家;东北大学、上海交大等多所院校兼职教授。国内知名智库、走向智能研究院的发起人之一。原宝钢研究院首席研究员)

共有访客发表了评论 网友评论

  客户姓名:
邮箱或QQ:
验证码: 看不清楚?