种 和 因果的哲理句子

日常生活中，没有人能完全避开「因果关系」这个概念。例如，当人问出「为什么问题」（why question）多半想寻求的就是因果说明：为什么会有潮汐？为什么太阳会东升西落？这些问题不只是格式类似，它们都在为想要说明的现象寻求一个因果上的说明。如果要给出正确的因果说明，得知道什么是因果，换句话说，我们需要好的因果分析理论，用以分析事件之间的因果关系。

专业领域里，因果关系的判断也一样重要。在医学上，因果关系可以帮助我们判断应该要采取怎么样的医疗行为，「如果对病人施打抗生素，可以治疗他的肺炎，因为肺炎源于细菌感染，而抗生素可以治疗细菌感染。」在科学上，因果关系的判断可以帮助我们预测世界：「如果气压下降，那表示即将下雨了，因为在低气压区，周围空气的流入会迫使空气逐渐上升，遇到高空低温时凝结成水滴，达到一定程度则落下成雨。」在法律上，因果关系可以帮助我们判断责任归属：「基于驾驶闯红灯而导致这次的事故，驾驶应该要为这次的意外负责」。

因果关系影响范围广阔，我们也不停地在使用这个概念，对许多人来说这不成问题，在日常生活中也没遇到什么困难。然而，哲学家发现，当我们试图为因果关系寻求一套精确的理论时，却总是遇到困难。

如此问题就来了，如果我们没有办法找到一套足够好的因果理论，那我们平常到底都在说什么？现在，不妨让我们看看哲学家在因果关系的分析中，曾经做过哪些努力，以及这些成果为什么还不够好。或许，可以稍微让人理解到，定义因果关系真的很不简单。

传统分析，先后关系就是因果关系吗？

先从一个最简单的定义开始：

事件C是事件E的原因，当且仅当，（a）事件C发生在事件E之前；（b）C与E各自属于某类的事件类型T1与T2，当每一次事件类型T1发生时，T2都会跟着发生。

传统分析又被称为「休谟式分析」（Humean analysis），英国哲学家大卫·休谟（David Hume）最早使用这样的分析来说明，当我们一般在谈论因果关系时，我们的意思就如同传统分析所表达的那样。

传统分析捕捉到了因果关系的一些直觉面向，比方说，在时间顺序上，原因会发生在结果之前。此外，原因跟结果之间有一个密切的连结，这个连结使得结果会伴随着原因而发生。尽管这些直觉面向适当地被传统分析捕捉，这样的分析依然会面对困难。想象这个例子：

张三很喜欢贩卖机饮料，设想他每次买贩卖机饮料时，都会在投完币并选择饮料后大喊「南无阿弥陀佛！」，饮料都会跟着落下。

根据传统分析，我们好像必须承认，在张三买饮料的那些场合里，张三大喊「南无阿弥陀佛！」是他买的饮料落下的原因：他的大喊先于饮料跑出来，而且每次他大喊完，饮料都会跑出来。大概没有人会同意这个判断正确。然而，这样的判断完全符合传统分析的要求。

有一些支持传统分析的人试图调整内容来避免这样的问题。然而，这些调整时常会让定义和讨论变得十分琐碎，我建议我们就此打住，参考另外一种类型的因果理论。

机率分析

事件C是事件E的原因，当且仅当，C发生而且E发生，而且C的发生会提高E发生的机率。

关于从机率观点出发的因果关系分析，其代表人物可以回溯到美国哲学家苏佩斯（Patrick Suppes），他在1970出版的「因果的机率理论」（A Probabilistic Theory of Causality）对机率分析有着重要的影响。

机率分析看起来可以避免前面的贩卖机案例，因为张三大喊「南无阿弥陀佛！」并不会增加饮料落下的机率。机率分析不会得出张三大喊「南无阿弥陀佛！」是饮料落下的原因。除此之外，此分析也同样捕捉到两个重要直觉：原因先于结果、原因跟结果有密切关联（原因的出现会使结果出现的机率增加）。

然而我们想问：我们要的因果关系是这种机率性的关系吗？在这种理解底下，只要前面的事件可以增进后面事件发生的机率，哪怕是增进一点点，只要后面的事件出现，我们都可以说前面的事件是原因，这看起来似乎有点违反直觉。

考虑这个例子：假设李四买了一张乐透彩券，然后他中奖了。根据机率分析，我们得说：李四中乐透的原因，是因为他买了一张乐透彩券，他买乐透彩券提高了他中奖的机率。然而，这样的判断是适当的吗？旁边的王五听到了以后可能会很不以为然地说：「他买乐透彩券是他中奖的原因？我也买了，怎么就没中奖？」

机率分析或许可以透过设定提高「多少」机率作为门槛，来避免前述的困难。比方说，C的发生一定要提高E发生的机率达到80%，才算是原因。然而，不管你怎么选数字，给出的门槛都是武断的，这种武断性对许多哲学家来说很不舒服。所以，现在也暂时让我们放下机率分析，看看下一种因果理论。

反事实条件句分析

事件C是事件E的原因，当且仅当，（1）假若C发生，则E会发生；（2）假若C没有发生，则E不会发生。

用反事实条件句分析因果关系的著名哲学家中，最有名的大概非美国哲学家路易斯（David Lewis）莫属。路易斯与史托内克（Robert Stalnaker）对于反事实条件句的语意学（the semantic of counterfactual conditional）有着极其丰硕的研究成果，路易斯也将他的研究套用进因果关系的讨论中。

在使用反事实条件句分析判断因果关系时，我们需要考量的是C与E之间是否具有反事实依赖关系（counterfactual dependence）。甚么意思？简单来说，我们先不去考量事实是什么，我们去设想，假若C发生了，E会不会发生？假若C没发生，E会不会不发生？如果答案是肯定的，那么我们可以说C与E具有反事实依赖关系，而根据反事实条件句分析，具有反事实依赖关系的两个事件具有因果关系。

反事实依赖关系可以避免前面的乐透案例。虽然假若李四不买乐透彩券，他就不会中乐透。但假若他买乐透彩券，这并不会因此得出他会中乐透。在反事实条件句分析中，有一个条件句没有被满足，李四买乐透彩券并非中乐透的原因。同样的，此分析也不会得出张三大喊「南无阿弥陀佛！」是饮料掉出来的原因，假若张三没有大喊这句话，他的饮料还是会掉出来，因此不满足反事实条件句分析的条件。

反事实条件句分析看起来满有说服力，可惜，这依然不能成功的捕捉因果关系，因为它面临另一个困难的反例，设想以下案例：

杀手一号准备要暗杀X教授，组织设计了保险机制，如果一号到时候心软了没有开枪，保险机制启动，杀手二号会出手杀死X教授，以确保最终X教授一定会死亡。最后，一号确实执行任务，杀死教授。

在这个案例中，如果我们问「什么是教授死亡的原因？」一个显而易见的答案是「杀手一号的暗杀是教授死亡的原因！」然而，反事实条件句分析却无法给我们这个答案。反事实条件句分析会说「杀手一号的暗杀不是教授死亡的原因。」理由在于，假若杀手一号没出手，教授还是会死亡，因为杀手二号会出手。换言之，杀手一号的行为，与教授是否死亡之间没有反事实依赖关系，（2）不成立。这结果显然不符合我们的直觉，我们大概都会同意是杀手一号杀死教授的。因此，这种版本的反事实条件句分析看来也还有一段路要走。

从目前的哲学现况来看，传统分析已经被多数哲学家给放弃，而机率分析与反事实条件句分析则还有不少支持者。如果仔细观察后面这两种因果分析，你会发现，其实反事实条件句分析可以被看做是机率分析的一种特殊案例。如果从机率分析的角度来看，反事实条件句分析中所谓的反事实依赖关系，其实就是在说C的发生，会使得E发生的机率提高到100%。

基于这样的相似性，有哲学家发展了一套被称为「因果模型分析」（Causal Model Analysis）的分析理论，此种分析方法可以同时应用在机率分析与反事实条件句分析上，协助我们判断甚么叫做因果关系，由于篇幅有限本文不在介绍。

结语

以上的三种类型的因果关系理论，文章中所提到的分析都只是各自类型中最粗糙的版本，各自理论的支持者可能会透过不同的方法修改理论，避免难题。如前所述，传统分析目前已经几乎被放弃了，而另外两种因果分析则还是一直有所进展。

比方说，因果模型分析可以在机率分析与反事实条件句分析的基础下，说明在满足哪些前提时，机率分析或者反事实条件句分析可以做为因果关系的充分必要条件。在因果关系的讨论中，因果模型分析或许是目前最蓬勃发展的一套分析方法。

不论如何，到目前为止，哲学家依然在寻找一个能令所有人满意的因果分析理论。我们可以看到，要精确描述一个在日常生活中这么常见，在各领域都非常重要的概念，是如此困难。大家也不妨思考看看，对你来说，一个精确描述因果关系的理论应该如何被理解？有没有可能，因果关系原则上没有一个统一的理论？脉络的不同是否适用不同的因果理论（比方说，机率分析在医学领域与大气科学领域似乎比较适合；反事实条件句分析似乎在物理学领域与法律领域较为适用）？又或者，如同英国哲学家休谟（David Hume）所想的，因果关系不是实际存在的性质，只是我们心理投射到这个世界的假象？