寻找为什么

每次吃鱼，我总会记得家人时时对我的叮嘱，开车的人不能翻鱼，这样容易翻车。公司很多同事喝酒，一些人得了通风，每每约好吃饭，都要避免上豆类、海鲜、动物内脏这样的菜品，遇到重要的接待，都会特别记录来宾是否有通风的。一旦没有注意上了这些菜，大家一致的认识是会引起通风病人的不适。

看上面两个例子，我们可以看出我们非常容易犯的两种归因谬误。第一个是将毫不相干的两件事扯上因果关系，第二个是将若干可能引起通风的原因归因到了不良的饮食，把这个原因当成了主因。

如何避免犯这样的归因谬误？我们喜欢问“为什么？”。我们习惯在得到一个结果时，一定要找出导致这个结果的原因，这是我们的天性使然。但是不是真的有那么一个原因，是真正导致现在这个结果的呢？

万维钢老师在他的《精英日课》专栏里解读过朱迪亚.珀尔《为什么：因果关系的新科学》这本书，珀尔是计算机科学家和哲学家，他想让计算机学会理解因果关系。万维钢老师在文章中解读了书中提到的六个判断力层级。

问题是：

你怎么知道一个东西到底是不是真的有效呢？

第一个层级是老百姓的层级。你不知道什么东西好，旁边可能就有人告诉你，买那个最贵的就对了，这是最底层的判断力。如果你不满足于这个，找到用过这个东西的熟人，问问他要买的这个东西是不是有效？这就达到了第二个判断层级。

为了增加可信度，有人会找更多的人来证明，比如专家、权威机构证明，通过人群的力量说明其有效，这样足以让你认为更有效了吧？不行，第三层的判断力只是证明了这个东西在测试的人群、那个时间点有效，并不能说对所有人有效。到这一层，用万老师的话说，都是老百姓级别的判断力。

科学家的做法是接下来的三层做法。

第一种是混杂偏误。

我们在找一个事情的原因时，会发现找到了一个因素X导致一个结果Y，但事情的复杂在于，往往在其中会有其他因素Z影响到这个结果，这个因素叫做“干扰因素”。如果我们想研究是不是X因素导致了Y结果，我们就要把Z因素排除，在统计学上叫做“控制变量”。第四层的判断力就是随着事情的发展，不断的找到一个个因素，然后通过控制因素来找原因。我们需要不断去穷尽可能的因素，才可能发现一个推测关系。

我们比较熟悉的随机实验是科学判断的第二层。你可能听说过美国FDA每上一个新药，都要进行大规模的随机临床实验，只有通过这个才能上市。一般认为到了这个程度的判断，应该算是很准确了吧，没有太多的人为因素，完全交给了不确定性，放在真实的场景中去做实验。科学家告诉我们，这还不是最先进的。

有些事是不能做实验的，比如要测试吸烟对癌症的影响，我们总不能把人随机分成两组，一组吸烟，一组不吸烟，那那些本来不吸烟而被分到吸烟组的人，总不能逼着人天天吸烟吧。有些实验不好做。

第三层，是用更简单、更准确的方法决定到底更应该控制哪些变量。科学家得出了两条判断规则。第一条是必须隔断“后门”路径的信息传递，比如有X到Y的因果路径，而有一个干扰因素Z指向了X和Y，Z->X和Z->Y，我们就要控制Z，阻断信息传递。第二条是遇到“碰撞”结构不进行控制。比如有X->Y<-Z，Y已经阻断了X和Z间的信息传递，就不用进行控制了。用这两条规则，可以对给定的一个因果关系图，我们可以决定哪些因素要进行控制。

这有些像靶向控制，对各种因素的判断控制，我们可以找到一条X到Y的临时性的因果关系。

六层判断力层级，给我们找出事件之间的关系提供了一个层层递进的方法，我们处在其中的某个层级，基于的是我们的认知水平。

从这个层层递进的层次中，看到所有的结果，其实都是一连串事件的交织。吴伯凡老师说：

一个果表面上看是一个结果、一个对象，其实它是一个事件，而这个事件很可能是由一连串的事件汇聚交织起来的。

实际判断一件事情，由于大脑的懒惰，我们喜欢将事情简化，认为就是一个因导致的一个果，并将这样的联系存储于大脑中形成经验。遇到类似问题时，会想当然调用原来存储于记忆中的那个方法，我们认为现在的情况和以前的是一样，并且以后的同样的事情，也会是同样的原因引发，这样的认知吴伯凡老师称为“钟型事件”认知。

真实世界比我们想象的要复杂许多许多，就像天空的云，这一秒的云和下一秒的云是完全不同的两朵云，我们遭遇的绝大多数事件是“云型事件”，我们需要云型思维，也就是判断力层级的科学阶段。

具备这样的思维，才会让我们变得更“高级”，不会简单的对一个“为什么”下论断，也不会放弃追求不断改进原有判断的努力，我们在找到“为什么”的路上会更有激情。

云