AI赋能社会科学研究的因果生成

【主持人语】2024年，诺贝尔物理学奖、化学奖授予人工智能（AI）科学家，被外界普遍认为是对人工智能赋能科学研究（AIforScience，AI4S）的认可。同时，这也激励了学术界探索人工智能赋能社会科学研究（AIforSocialScience，AI4SS）的热情。

甚至有些AI专家认为，人工智能赋能社会科学研究的前景将比赋能自然科学研究更大。如何从认识论、方法论层面审视AI4SS？AI4SS究竟会给人文社会科学研究带来什么突破，将如何改变各具体学科的面貌？

AI4SS的大规模流行，可能产生何种问题或风险，又该如何应对？类似问题，近来已经引发诸多热议。本次笔谈聚焦“人工智能赋能社会科学研究（AI4SS）的跨学科反思”，从哲学、马克思主义理论、经济学、法学、新闻传播、艺术学以及数学、人工智能等进行跨学科研究，抛砖引玉，以期推动该领域研究的进一步发展。

（刘永谋）AI4SS（AIforSocialScience）中如果仅注重预测效率而忽视因果稳定，将面临丧失对社会深层机制理解的风险。在开放且演化的社会系统中，利用珀尔的结构因果模型从静态大数据的投影中反向还原三维实体，在计算上既不可行，在认识论上也存在对奥卡姆剃刀的过度使用的错位；

因果研究应该从只在数据中挖掘到生长的方法论转向，不再执着于从观测数据中恢复稀疏结构，而是利用生成式人工智能与多智能体模拟，在硅基世界构建可进行反事实干预的结构。通过赋予AI在社会技术系统中的具身行动能力，让因果关系在真实的交互与物理反馈中自然涌现。

在超越简单人机分工的混合心智框架下，应将AI视为人类认知的扩展工具，由人类负责理论识别与价值锚定，AI负责高维估计与生成，构建人机互涉的动态闭环。

一我们要控制社会

，还是理解社会？ 社会科学研究中解释具有重要地位，寻找因果问题在社会科学中与自然科学存在不同的地位与作用，那么在AI4SS（AIforSocialScience）中是否可以忽视因果问题呢？

恰恰相反，当“为什么”追问逐渐被边缘化，AI4SS可能滑向深具伦理风险的方向。传统社会科学，不管是马克思对资本主义结构的分析，还是韦伯对理性化与科层制的研究，核心都在于理解社会行动背后的意义与制度，研究目标不仅是预测行为，更是揭示支撑行为模式的深层逻辑。

AI4SS的技术路径则可能引导研究重心向另一方向偏移，即围绕可观测指标的工程化控制。该趋势与韦伯及法兰克福学派对工具理性扩张的担忧一致，把社会科学的任务收缩成提升某些操作指标的效率，关于价值、正义与制度安排的讨论被抛之脑后，关注的焦点从“何种社会秩序值得追求”转向“如何在既定目标下获得最优结果”。

但是相关政治与伦理问题并未消失，只是被最高效维持现状的技术遮蔽，因果解释的弱化正是这一趋势的重要表现。如果神经网络能以较高准确率预测某些社会风险事件的发生地点与时间，决策者可能更倾向于依赖预测结果采取干预措施，较少追问现象背后的成因。

因果关系从理解世界的工具转变为操作变量的手段，类似于将医学诊疗逻辑替换为设备维修逻辑，重点放在快速定位并调整表层参数上。但社会不是封闭机械系统，其运行涉及价值冲突、权力结构、历史路径依赖等问题，单纯的干预难以替代机制层面的理解。

这还可能带来新的异化，工业时代的异化表现为劳动者对生产过程与产品意义失去控制；在AI4SS的情境下，研究者与决策者逐渐将判断权转移给算法，当人们习惯于依据模型输出决定政策，并因效率优势而减少对价值基础的反思时，规范判断逐步嵌入技术流程之中。

这种异化是隐蔽的，是通过便利的吸引力悄然展开的。 过度强调干预效果而忽视理解，可能引发严重的伦理风险。若系统仅以结果指标为目标函数，算法可能在搜索空间中找到技术上有效但原则上不可接受的策略，比如操纵特定人群的情绪状态或信息暴露频率来改变行为概率。

算法可能会发现，只要在特定的时间给特定的人群发送某种颜色的焦虑信息，就能提高投票率，这从统计角度看构成有效干预，从伦理角度却是事实上的操控。此类策略的有效性建立在对个体自主性的削弱之上，模型本身不具备判断价值冲突的能力。

另一类风险表现为“自我实现的预言”，当政策模拟依赖历史数据训练的代理模型，而这些数据本身包含偏见时，模型输出可能再现并强化既有不平等。若历史记录中贫困群体更频繁地与执法系统产生接触，模型就会将贫困与犯罪行为高度关联。

决策依据这一结果加强对特定群体的监控与管制，导致现实进一步加深原有差异，从而反过来验证模型的初始判断。由此形成的闭环并非对现实的中性反映，而是偏见经由算法机制放大的循环过程。因此，AI4SS发展中的因果问题不仅是技术议题，更是规范议题。

对“为什么”的持续追问，有助于将干预手段置于价值讨论的框架之内，使政策选择接受效果评估的同时也接受正当性审视，否则，算法系统便可能无意间成为放大既有偏见的工具，保持对因果解释维度的重视是构成防止滑坡的重要认识论与伦理前提。

二、在大数据里寻找因果是一种错位 要厘清AI中的因果问题，需要从珀尔开始。2011年，计算机科学领域的最高奖项图灵奖授予朱迪亚·珀尔（JudeaPearl），表彰其以形式化数学语言系统阐明因果关系并构建结构化框架的工作。

珀尔等在《为什么：关于因果关系的新科学》一书中指出，克服传统相关性的局限需要进行“因果革命”，将因果关系从长期被视为不科学或神秘的概念，转变为具有明确语义和严密逻辑的数学对象，进而为科学界提供一套全新的数学工具，使科学家能够清晰地表达已知和未知的因果关系，回答传统统计学无法解决的问题。

尤其是针对人工智能（ArtificialIn-telligence，AI）方面，珀尔指出，“尽管或多或少地意识到了其局限所在，但多数热衷于大数据的人仍然选择盲目地继续追捧以数据为中心的问题解决方式。

”他认为要实现更高层级的智能，机器必须掌握因果推理模块，能够通过反事实推理来反思错误、理解意图，回答“为什么”的问题。他采用带方向箭头的有向无环图（DirectedAcyclicGraph，DAG）表征因果关系，意图实现通过定性的图表表达并结构化因果关系，试图从根本上改变AI的发展轨迹。

这正好契合学界期待因果革命弥补深度学习可解释性与跨领域泛化的结构性不足的需求，一时风头无两。然而，截至2025年，这一期待仍未体现于通用人工智能（AGI）技术中。GPT系列及其他头部大模型依旧以Transformer为主导，其能力提升依赖大规模数据与统计学习机制诱导的相关性结构。

在字节跳动、Google等主流企业的核心模型中，排序、召回机制不依托因果图驱动预测与决策，相反，随机对照试验（Random-izedControlledTrials，RCT）及在线化形式占据核心地位，结构因果模型（StructuralCausalModel，SCM）在识别层面的优先性在实际应用中被显著弱化。

鉴于随机化在操作层面保证了处理分配与潜在混杂因子之间的独立性，SCM框架中为实现可识别性而强调的若干条件，如著名的后门准则的混杂阻断要求，在试验设计中通常可直接满足。因此，SCM从基础的识别引擎退化为用于方差缩减和异质性处理效应的辅助框架。

Mi-crosoft、Google、LinkedIn、Netflix等科技公司进行平台建设时主要沿着罗恩·科哈维（RonKohavi）等代表的线上对照实验展开④。其核心知识架构则以唐纳德·鲁宾（DonaldRubin）的潜在结果框架和吉多·因本斯（GuidoImbens）的计量经济学为主，较少关注珀尔的do算子的作用。

因本斯曾比较过鲁宾因果模型和珀尔的DAG/SCM模型，他认为珀尔的方法对经济学与社会学的经验研究而言难以落地，因为构造一个完整且正确的DAG几乎是一项不可能完成的实践任务。“本次讨论的核心观点是因果推断的首要难题在于构建因果模型或有向无环图（DAG），而验证特定模型的可识别性，并在可识别的前提下明确其是否存在可检验的约束条件——换言之，这些正是有向无环图能发挥潜在作用的环节——属于次要问题且解决难度远低得多。

”因此，因果推理并不能如珀尔原来所设想的那样成为AI的大脑。相比之下，依托实验设计的潜在结果框架更具可操作性与制度化落地条件。这种理论和实际工程的错位不是技术路径或工程实现的结果，而是由于珀尔强调的因果结构化表征与可识别性推理，依赖的是若干理想化的前提，例如稳定机制、可穷尽的变量集合及结构假设等，与当代大数据高维开放的现实条件之间可能存在某些系统性的不相容，或难以顺畅接合。

珀尔的路线依赖从观测数据中反向恢复因果结构，实现它在数学与计算层面高度困难。SCM及其图模型语义的吸引力，在于强调只要能够从数据中识别出正确的结构，就能进一步进行干预推断与反事实推理。

然而，数据→结构的逆向推导并非一般意义上的参数估计问题，而是典型的组合优化与结构搜索问题。1996年，大卫·克奇林（DavidChickering）证明从数据中学习贝叶斯网络结构属于NP-hard/NP-complete级别的计算难题。

因此，就算在最一般的情形下，结构学习也不存在多项式时间算法，且随着变量规模的增长，计算量会呈指数级上升。数据仅包含几十个变量时，结构搜索尚可能依托有限算力进行近似求解，但在社会科学研究中，数据变量规模动辄成百上千。

要在如此庞大的变量集合中穷尽搜索并确定唯一正确的因果图，不仅面临理论上的组合爆炸，也超出当代工程的计算承载能力。即便愿意接受因果结构可由数据恢复的理想化设想，计算复杂性本身已经构成阻碍该设想落地的第一条硬性约束。

后续研究者决定绕开原问题设定，普遍转向可计算化的折中路径，通过简化问题、约束结构空间、引入额外假设、改变目标函数或搜索策略，将原本离散的结构学习问题转化为可优化的近似形式。郑勋等在2018年提出的NOTEARS（矩阵指数轨迹与增广拉格朗日法的非组合结构学习）方法，将DAG学习转化成连续优化问题，以可微的无环约束替代传统的离散结构搜索，一定程度降低了计算门槛，也一度被视为因果发现走向规模化的重要突破。

但亚历山大·赖萨赫（AlexanderReisach）等2021年在NeurIPS上发表《警惕模拟的DAG》一文，对普遍使用的因果发现基准数据集与评估方式提出质疑。他们认为“某些连续结构学习算法的出色性能可以通过高可变性来解释，并能通过简单的基线方法匹配”。

那些在基准测试中表现优异的算法，可能源于对数据生成过程中的某些统计捷径的利用，而不是对因果机制的复现，某些模拟数据中上游变量的方差往往系统性地高于下游变量，导致变量方差与因果方向之间出现非因果性的相关结构。

算法可以通过对变量按方差大小排序猜测方向，从而获得较高的评测得分。一旦研究人员对数据进行标准化处理、消除变量间方差差异后，相关算法的准确率会显著下降。因果发现的成功可能只是满足一定条件后统计相关结构的再利用，算法学会因果逻辑这一现象应被谨慎理解为算法捕捉到了数据集构造中隐含的统计规律。

这不仅削弱了基于模拟基准得出的结论，也进一步凸显通过数据反向恢复因果结构这一任务在技术实现上的困难。 进一步发现，当代因果发现研究部分陷入对“奥卡姆剃刀”的规范性过于盲目的信任，其主流路径，无论是以条件独立检验为核心的Peter-Clark算法，还是结合Lasso等正则化技术的结构学习方法，都内置稀疏性假设的前提，即变量之间的因果连线越少越好。

当多个候选模型同样能够拟合观测数据时，算法倾向于选择更简洁的那个，与IBE的理念高度契合，即“如无必要，勿增实体”。该策略在形式科学与部分自然科学中常被视作合理的建模规范，因为它能够基于有限信息条件控制模型复杂度，提升可解释性与可泛化性。

但如果将奥卡姆剃刀原则不加区分地移植到社会科学语境，可能导致对社会机制的系统性误读。南希·卡特赖特（NancyCartwright）认为，我们通常会错误地以为自然界偏爱简单性，但实际上为维持功能稳定，现实系统内部往往充满了密集的因果互动。

以个体收入为例，一个人的收入不仅取决于教育水平，还取决于家庭背景、行业周期、制度环境、社交网络，甚至是运气。这些因素间存在相互强化、相互替代、相互抵消等错综复杂的交互关系。为了应对冲击和结构变动的不确定性，社会系统普遍存在冗余和互为备份的机制，如飞机的控制系统通常会准备多套独立的安全线路来确保故障容错能力。

如果因果发现算法在模型选择的过程中利用奥卡姆剃刀，得到一个数学形式上简洁的因果图，那么会在追求计算便利与结构可读性时牺牲对系统真实组织方式的忠实描绘。被算法当作冗余丢掉的连线、暗线，可能恰恰是维持社会系统稳定的关键回路。

因此，卡特赖特认为“与我所认为的许多主张DAG技术的人的希望相反，我认为这些方法不是普遍适用的，即使在它们最有效的地方，它们本身也永远不足以提供可以为政策建议提供依据的因果推论。对于健全的政策，我们不仅需要知道因果关系是什么，而且需要知道当我们进行更改时会发生什么”。

利奥·布莱曼（LeoBreiman）的罗生门效应（Rashomoneffect）指出，复杂数据情境下能够同样良好解释或预测数据的模型往往不止一个，甚至可能存在大量等价解释的候选模型。

奥卡姆剃刀能减轻我们的认知负荷，更多是一种面向计算与认知约束的认识论便利，世界的机制也不必然呈现为稀疏、简单且易于压缩的形式。当然，学术界在这个问题上存在分歧，部分逻辑学家与因果发现研究者一直在为因果发现的忠实性假设提供辩护。

他们认为如果不假设自然界是简单的，那么面对同一组观测数据就可能得到多个逻辑上同样成立的因果结构，从而使推断无法收敛，结论难以确定。与其什么都不做，不如采用最简洁的路线。这种辩护确实揭露了可辨识层面处理静态数据时面临的困境，尤其是信息不足与条件缺失时，容易产生不确定的推断与多重解释。

但不能仅因无法得到明确结论带来的方法论不适，就强行预设社会系统可以简化为因果关系简单、结构可唯一确定的对象，就像是为了好走夜路就假装前路没有阻碍。 大模型的发展为重新审视珀尔因果层级理论提供了一个新的观察视角。

因果阶梯的三个层级里：第一层关联是对观测数据中统计关系的观察；干预作为第二层，表示对系统进行操作并推断结果；第三层是反事实，关注与实际世界不同的情境。珀尔的核心主张是单纯依赖第一层的观察结果无法推出第二层与第三层所需的干预与反事实信息，“当我们开始改变世界的时候，我们就迈上了因果关系之梯的更高一层台阶……这类问题处于因果关系之梯的第二层级，提出及回答这类问题要求我们掌握一种脱离于数据的新知识”，这使得AI令人失望地远离人类认知方式。

这一论断构成SCM相对于纯统计模型的关键区别。但微软研究院等机构在2024年的相关研究表明，经过大规模语料训练的Transformer模型，在不引入因果图或干预语义标注的前提下，依旧能够展现出对因果关系与反事实问题较强的回答能力，其训练目标是典型的序列预测任务，即预测下一个词，该任务仅依赖观测数据分布，属于珀尔所说的第一层关联学习范畴。

结果发现，模型内部自己建立了一套因果结构，能够在部分基准测试中对涉及因果方向与反事实情境的问题给出较为一致的回答结果。这在某种意义上证明了里奇·萨顿（RichSutton）所说的苦涩教训（TheBitterLesson），依赖大规模计算与通用学习机制的路径在长期竞争中优于人为注入的结构规则。

人类习惯把自己用因果图得到的规则嵌入AI，认为这才是行之有效的逻辑建构。当模型在海量语言数据上逼近极致的预测性能时，其习得的内容可能压缩整合了大量与现实世界因果结构相关的信息。语言作为长期嵌入人类行动、制度与物理环境的表达系统，可以被视为高维现实在一维符号上的投影，其中包含了关于时间顺序、动机、条件与结果的大量线索。

当我们说“因为下雨，所以带伞”时，语义与句法层面均复现了事件之间的因果顺序与依赖关系。语言模型基于超大规模语料优化预测目标时，不仅逼近词频分布，也可能逐步内化生成这些分布所依赖的结构约束，其中部分约束与因果关系存在系统对应，大模型学会了内隐于大量语言里的因果结构。

因果能力的获得是否可以不采取先恢复因果图再进行推理的路径④？若高容量模型能够不依赖DAG表达，而是通过表示学习的方式获得具有因果一致性的内部结构，那么强制要求模型在训练或推理过程中构造因果图未必是唯一可行的方法，甚至可能在某些情形下构成额外约束。

近几年大行其道的缩放定律也发现，模型性能在参数规模、数据规模与计算量增加时持续提升，因果学习能力随规模扩展而逐步涌现。 想象一下柏拉图的洞穴寓言，我们面对的大数据是墙上的影子，真实的社会机制是三维实体，它投射到观测数据的二维平面上就成了影子。

珀尔的方法是试图通过分析影子的几何结构来反推实体形态。这一思路在信息损失较小、系统结构相对稳定的情形下或许合理，但在复杂且持续演化的大数据环境里，投影过程伴随的信息压缩与不可逆损失更加严重，动态机制和未观测变量难以完整保留在静态数据表征之中。

此时，无论数据量多大，也只是把影子看得更清楚，无法通过增加影子的分辨率生成三维模型。该限制源于社会系统与物理系统的差异，也是我们在社会科学研究中重新看待因果关系的出发点。物理系统里长期时间平均可以代表总体统计特征，使历史数据成为未来状态的预估基础；

但社会系统不同，其规则、制度与行为模式会随参与者的认知、技术与环境变化而持续演化。试图在既有数据中寻找跨时间的不变结构，本身就隐含了社会系统相对稳定的假设，若研究路径主要依赖该假设，缺乏与系统持续互动的机制，那么获得的因果图很可能只反映历史切片，难以描绘正在演化的机制。

在变动的河流里刻舟求剑，在“死”的数据里挖掘“活”的因果，就是静态因果发现的困境所在。 三、AI在硅基世界里“种”出因果 这样一来，我们面临两个维度的问题：一是要区分社会科学与自然科学中对因果关系的不同态度；

二是要在此基础上，探索利用AI发现因果关系的有效方法。既然珀尔的理论在若干方面面临结构性困难，AI还能否有助于因果研究？早在1999年，社会科学家约书亚·爱泼斯坦（JoshuaEpstein）就提出“如果你不能让它生长出来，你就没有解释它”。

彼时的计算能力与智能体建模水平有限，系统模拟难以再现复杂的人类认知与社会互动，因此主流研究依赖对既有数据的统计分析，但是大语言模型的生成式方法一定程度上改变了规则。约书亚·爱泼斯坦强调的让现象生长出来，可以被理解为从以观测数据为中心的归纳推断，转向皮尔士（CharlesSandersSantiagoPeirce）所说的溯因推理。

归纳法总结的是数据呈现了什么结论，而生成式模拟是尝试构造一个能够生成这些现象的机制，并通过模拟检验其解释力。当研究者设定一组微观规则（A），经过AI模拟演化后，涌现出了和现实完全一致的宏观现象（B），就获得了生成性充分的证据形式，该证据提供了一条通过重构来逼近复杂系统理解的方法。

2023年，斯坦福大学关于生成式智能体的实验，可以视作数字版的《西部世界》：在一个虚拟小镇里引入25个由ChatGPT驱动的智能体，每个智能体都具有记忆、规划与简单的目标设定，仅向其中一个智能体植入“我要办个情人节派对”的意图，随后，该智能体自主地邀请了朋友，装饰了咖啡馆，甚至在派对上促成另一对智能体的约会。

“完整的生成式智能体架构产生的行为表现，比消融架构与人类众包标注者的表现更具真实可信度。”在生成式多智能体环境中，一些宏观社会结构可能作为互动过程的结果涌现，而不仅仅作为数据中既有模式的被动呈现。它不是藏在数据里的秘密，而是像植物一样长出来的。 这种从