相关关系与因果关系之探讨——大数据时代读后感(1)

        维克托.迈尔.舍恩伯格的《大数据时代》一书如雷贯耳，决心要拜读一番。本打算读英文原版，考虑到时间有限，中文版的也许看得快一些，所以还是读中文版的吧。简单读了几页之后，发现无论译者周涛的文笔，还是其在序言和译文中展现的思路，都令人耳目一新。看来中文翻译确实有做得很好的。

        序言中关于“相关关系比因果关系更重要”这个问题就让我纠结起来。译者表示，其不太赞同作者的这个观点。作者的观点是，在海量的没有什么规律的数据中，发现其相关性，必研究这些相关性之间的原因更为要。拿身边的例子讲，通过对海量的住房交易记录进行分析，人们发现了月份与房屋交易量之间的这样一个相关性“金九银十”，也就是说，九月和十月是住房交易的黄金季节。但是为什么会这样，则似乎很少有人在意。这是否是作者观点的一个例子？而译者的反对观点，则表述得很清楚：“认为相关重于因果，是某些有代表性的大数据分析手段（譬如机器学习）里面内禀的实用主义的魅影，绝非大数据自身的诉求。”

        诚如作者所说，机器学习是只注重相关性而不注重结果的一个典型代表。本人曾研究过一段时间的机器学习，主要是分析编译器优化相关的内容，就是程序的特征值与编译器的优化选择之间的关系。通过大量的训练数据，以达到能自动为程序选择优化的编译选项的目的。而特征值与优化选项之间的因果关系，确实没有关注过。至于为什么没有关注，是因为其原因过于复杂，牵涉到cache结构、内存大小、指令特点等体系结构相关的问题，无法有一个模型来描述这种因果关系。

        因此，个人的观点是：因果关系很重要，但是在没有能力研究出因果关系的情况下，只能先分析出相关性了，至于因果关系，可以暂时搁置，留待下一代人的智慧来解决。