因果關係的三個哲學分析


(宋皇佑) #21

還在惡補中,這裡先將臨時想到的記下來備忘:

《原故事:兩個殺手的互補》
殺手一號出手,博士死。一號若不出手,則二號會出手,博士也會死。結果,殺手一號出手,博士死了。根據反事實條件句分析:
1.殺手一號出手,是博士的死因嗎?
【不是,因為,一號未出手,二號會出手,博士仍會死?】
2.但若是二號出手而博士死,二號出手是博士的死因嗎?
【不是,因為二號未出手,則一號已出手,博士仍會死?】

《新故事:殺手一號的兩槍》
殺手一號於兩槍之內,必索人命。開第一槍,博士可能死。若第一槍後,博士不死,一號會開第二槍,博士必死。結果,開第一槍就命中而博士死了。根據反事實條件句分析:
1.殺手一號開第一槍,是博士的死因嗎?
【是,因為,未開第一槍,不可能開第二槍,博士不會死?】
2.但若殺手一號是開了第二槍,博士才死,開第二槍是博士的死因嗎?
【不是,因為未開第二槍,則第一槍已斃了博士?】

《必殺按鈕事件》
如果我沒按必殺按鈕,博士不會死。如果我按必殺按鈕,效果有以下兩種版本:

  1. 殺手一、二號就會如原故事般行動,博士會死。
  2. 殺手一號會如新故事般行動,博士會死。
    試問,依反事實條件句分析:
    a.我按必殺按鈕,是否為博士死亡的原因?
    b.如果a的答案為是,效果版本1中「殺手一、二號就會如原故事般行動」是否為博士死亡的原因?如果是的話,是否證成了:依反事實條件句分析,殺手一號或殺手二號於原故事的出手,都是博士死亡的原因?
    c. 如果a的答案為是,效果版本2中「殺手一號會如新故事般行動」是否為博士死亡的原因?如果是的話,是否證成了:依反事實條件句分析,殺手一號的第一槍或第二槍,都是博士死亡的原因?

(陳冠廷) #22

以前在上刑法的時候有一個條件因果的例子,不確定是否是智皓這裡的狀況。

故事是,有一位博士每天早上七點都會喝一杯水。於是,知情人士A就在水裡放了足以致死的毒藥(假設為50g)。但好巧不巧,知情人士B也在水中放了相同種類的50g毒藥。最後,博士喝完之後毒發死掉。

在這個例子中,以條件因果來說,A如果不下毒,那博士還是會死(死於B之毒),所以A下毒不是博士的死因;同樣的,B若不下毒,博士仍然死於A之毒,所以B下毒也不是博士的死因。

這個下毒的故事有改版,就是原本的條件都不變,但雙方下的毒只有原本的一半。但因為兩人的毒量加起來剛剛好也到了致死的50g,所以博士依然死了。但如果從條件因果的方式來看,如果A不下毒,那博士就死不了,而如果B不下毒,博士也死不了。於是,兩個人都是博士毒發死掉的因。

而這個荒謬在於,下了25g的兩人都是博士的死因,但下了50g的兩人反而都不是了。


(張智皓) #23

我喜歡這個例子,不過這例子跟殺手案例不同。殺手案例中,殺手二號的行為會依賴於一號的行為而有不同,你的例子則沒有這樣的依賴性。


(張智皓) #24

Hitchcock在2001年還有一篇論文"The intransitivity of Causation Revealed in Equations and Graphs"發表在Journal of Philosophy,這篇文章也花了一些篇幅告訴我們如何設定事件變元(主要論點是:事件變元的設定來自實踐考量),如果你有興趣也可以看看。Hitchcock的因果模型應該算是目前用反事實條件句談因果關係的觀點中,比較有說服力的版本(你如果有看2007年那篇文章,應該可以感受到因果模型的威力)。


(宋皇佑) #25

很感謝你,我會努力啃。我上頭備忘的例子也請你和冠廷先參考看看。


(朱家安) #26

哈囉感謝投稿,我覺得這篇介紹的理論很清楚,長度也拿捏得很好。以下是我的建議,會集中在鋪陳上:

感覺應該先介紹「為什麼問題」是什麼東西。我建議直接用「為什麼問題」開場,或許可以寫成這樣:

  1. 生活中有很多「為什麼問題」。

  2. 這些問題不只是格式類似,其實根本是在問同一種東西:因果關係

  3. 然而,什麼是因果關係…

讀者讀到這裡可能還沒有意識到「我們對因果沒有清楚的定義」這件事。我建議把這句話放到傳統分析後面再講,讓讀者可以比較服氣地認為為因果下定義沒那麼簡單。


(張智皓) #27

或許可以改成這樣:

「因果關係」在我們日常生活中,是一個無法避免被使用到的概念。多數時候,當我們回答「為什麼問題」(why question)時,我們想要尋求的是一個因果說明。舉例來說:為什麼會有潮汐?為什麼太陽會東升西落?為什麼普拿疼可以止痛?為什麼同花打不過full house?這些問題不只是格式類似,它們都在為想要說明的現象尋求一個原因,一個因果上的說明。顯而易見的是,如果要給出正確的因果說明,我們會需要好的因果分析理論,用以分析事件之間的因果關係。

如果讀了這段感到不服氣的話,我覺得看完傳統理論好像也不會因此讓人比較服氣,因為傳統理論本身就很容易看出問題。所以如果要減少這部分的擔心,或許可以將這段修改成:

因果關係影響範圍廣闊,我們也不停的在使用這個概念,對許多人來說,我們對於因果關係的判斷其實沒有問題,在日常生活中也沒遇到什麼困難。然而,哲學家困擾的問題在於,當我們試圖為因果關係尋求一套精確的理論時,卻總是會遇到困難。如此問題就來了,如果我們沒有辦法找到一套足夠好的因果理論,那我們平常到底都在說什麼?或許你不認為因果關係的分析有什麼困難的,不論如何,現在不妨讓我們看看哲學家在因果關係的分析中,曾經做過哪些努力,以及這些成果為什麼還不夠好。或許,這可以稍微讓人理解到,定義因果關係真的很不簡單。


(朱家安) #28

我覺得這樣改過應該差不多了,接下來會幫你潤稿~


(莊隆騰) #29

日常生活中,沒有人能完全避開「因果關係」這個概念。
一切的事物,都沒有能避開「因果關係」這個概念。

因果關係不簡單
因果關係有三種層次
最高層次.絕對邏輯.也就是太一.一切事物的起源.
第二層次.形式邏輯.也就是邏輯的公式.邏輯的解決方式.
第三層次.就是你目前所看到的邏輯.邏輯的了解.

基本上.能搞定第三層次.就已經可以是大師級的人物了.
第二層次.古今中外.應該是.屈指可數.就算他厲害.你也未必能知道他厲害.
我曾經在中研院的研討會上.發現批評亞里斯多德的人.他所發表的論文.
卻是亞里斯多德理論的未完成品.也就是說.當他把他的論文新概念完備之後.
就可以知道.其實.他所發表的新概念.其實是和亞里斯多德理論.內容相似.只是說法不同而已.

因果關係.每件事物都有.平易近人.但真正能夠了解因果關係.真的太少了.
這不是.說與不說的問題.而是.說了你也不會懂的問題.
就算你會懂.那也不是一天兩天的的事.所以.祝福你了.加油.謝謝.


(朱家安) #30

智皓,我有一些後續意見,再麻煩你參考看看:

希望在介紹三種因果關係理論的時候分別提及一下相關的代表性學者。

目前文章的結尾感有點不夠,我們稍微想了一下有哪些東西可以加,目前想到的有:
a. 作者自己對三種理論的看法或評論。
b. 目前學界在因果關係上主要的戰場是什麼。
c. 介紹哲學的因果關係理論在其它學科的應用(如果有的話)。


(張智皓) #31

好阿,我改完再跟你說。


(張智皓) #32

日常生活中,沒有人能完全避開「因果關係」這個概念。例如,當人問出「為什麼問題」(why question)多半想尋求的就是因果說明:為什麼會有潮汐?為什麼太陽會東升西落?為什麼普拿疼可以止痛?為什麼同花打不過full house?[1] 這些問題不只是格式類似,它們都在為想要說明的現象尋求一個原因,一個因果上的說明。如果要給出正確的因果說明,我們得知道什麼是因果說明,換句話說,我們需要好的因果分析理論,用以分析事件之間的因果關係。

專業領域裡,因果關係的判斷也一樣重要。在醫學上,因果關係可以幫助我們判斷應該要採取怎麼樣的醫療行為:「如果我對病人施打抗生素,可以治療他的肺炎,因為肺炎源於細菌感染,而抗生素可以治療細菌感染。」在科學上,因果關係的判斷可以幫助我們預測世界:「如果氣壓下降,那表示即將下雨了,因為在低氣壓區,周圍空氣的流入會迫使空氣逐漸上升,遇到高空低溫時凝結成水滴,達到一定程度則落下成雨。」在法律上,因果關係可以幫助我們判斷責任歸屬:「基於駕駛闖紅燈而導致這次的事故,駕駛應該要為這次的意外負責。」

因果關係影響範圍廣闊,我們也不停的在使用這個概念,對許多人來說這不成問題,在日常生活中也沒遇到什麼困難。然而,哲學家發現,當我們試圖為因果關係尋求一套精確的理論時,卻總是會遇到困難。如此問題就來了,如果我們沒有辦法找到一套足夠好的因果理論,那我們平常到底都在說什麼?或許你不認為因果關係的分析有什麼困難的,不論如何,現在不妨讓我們看看哲學家在因果關係的分析中,曾經做過哪些努力,以及這些成果為什麼還不夠好。或許,這可以稍微讓人理解,定義因果關係真的很不簡單。[2]

傳統分析

讓我從一個最簡單的定義開始:

傳統分析
事件C是事件E的原因,當且僅當,(a)事件C發生在事件E之前;(b)C與E各自屬於某類的事件類型T1與T2,當每一次事件類型T1發生時,T2都會跟著發生。[3][4]

傳統分析又被稱為「休姆式分析」(Humean analysis),英國哲學家休姆(David Hume)最早使用這樣的分析來說明,當我們一般在談論因果關係時,我們的意思就如同傳統分析所表達的那樣。[4]

傳統分析捕捉到了因果關係的一些直覺面向,比方說,在時間順序上,原因會發生在結果之前。此外,原因跟結果之間有一個密切的連結,這個連結使得結果會伴隨著原因而發生。儘管這些直覺面向適當的被傳統分析捕捉,這樣的分析依然會面對困難。想像這個例子:

張三很喜歡販賣機飲料,設想他每次買販賣機飲料時,都會在投完幣並選擇飲料後大喊「南無阿彌陀佛!」,飲料都會跟著落下。

根據傳統分析,我們好像必須承認,在張三買飲料的那些場合裡,張三大喊「南無阿彌陀佛!」是他買的飲料落下的原因:他的大喊先於飲料跑出來,而且每次他大喊完,飲料都會跑出來。大概沒有人會同意這個判斷正確。然而,這樣的判斷完全符合傳統分析的要求。

有一些支持傳統分析的人試圖調整內容來避免這樣的問題。然而,這些調整時常會讓定義和討論變得十分瑣碎,我建議讓我們就此打住,參考另外一種類型的因果理論。

機率分析

事件C是事件E的原因,當且僅當,C發生而且E發生,而且C的發生會提高E發生的機率。

關於從機率觀點出發的因果關係分析,其代表人物可以回溯到美國哲學家蘇佩斯(Patrick Suppes),他在1970出版的「因果的機率理論」(A Probabilistic Theory of Causality)對機率分析有著重要的影響。

機率分析看起來可以避免前面的販賣機案例,因為張三大喊「南無阿彌陀佛!」並不會增加飲料落下的機率。機率分析不會得出張三大喊「南無阿彌陀佛!」是飲料落下的原因。除此之外,此分析也同樣捕捉到兩個重要直覺:原因先於結果、原因跟結果有密切關聯(原因的出現會使結果出現的機率增加)。

然而我們想問:我們要的因果關係是這種機率性的關係嗎?在這種理解底下,只要前面的事件可以增進後面事件發生的機率,哪怕是增進一點點,只要後面的事件出現,我們都可以說前面的事件是原因,這看起來似乎有點違反直覺。考慮這個例子:假設李四買了一張樂透彩券,然後他中獎了。根據機率分析,我們得說:李四中樂透的原因,是因為他買了一張樂透彩券,他買樂透彩券提高了他中獎的機率。然而,這樣的判斷是適當的嗎?旁邊貢龜的王五聽到了以後可能會很不以為然的說:「他買樂透彩券是他中獎的原因?我也買了,怎麼就沒中獎?」

機率分析或許可以透過設定提高「多少」機率作為門檻,來避免前述的困難。比方說,C的發生一定要提高E發生的機率達到80%,才算是原因。然而,不管你怎麼選數字,給出的門檻都是武斷的,這種武斷性對許多哲學家來說很不舒服。所以,現在也暫時讓我們放下機率分析,看看下一種因果理論。

反事實條件句分析

事件C是事件E的原因,當且僅當,(1)假若C發生,則E會發生;(2)假若C沒有發生,則E不會發生。

用反事實條件句分析因果關係的著名哲學家中,最有名的大概非美國哲學家路易斯(David Lewis)莫屬。路易斯與史托內克(Robert Stalnaker)對於反事實條件句的語意學(the semantic of counterfactual conditional)有著極其豐碩的研究成果,路易斯也將他的研究套用進因果關係的討論中。[6]

在使用反事實條件句分析判斷因果關係時,我們需要考量的是C與E之間是否具有反事實依賴關係(counterfactual dependence)。甚麼意思?簡單來說,我們先不去考量事實是什麼,我們去設想,假若C發生了,E會不會發生?假若C沒發生,E會不會不發生?如果答案是肯定的,那麼我們可以說C與E具有反事實依賴關係,而根據反事實條件句分析,具有反事實依賴關係的兩個事件具有因果關係。

反事實依賴關係可以避免前面的樂透案例。雖然假若李四不買樂透彩券,他就不會中樂透。但假若他買樂透彩券,這並不會因此得出他會中樂透。在反事實條件句分析中,有一個條件句沒有被滿足,李四買樂透彩券並非中樂透的原因。同樣的,此分析也不會得出張三大喊「南無阿彌陀佛!」是飲料掉出來的原因,假若張三沒有大喊這句話,他的飲料還是會掉出來,因此不滿足反事實條件句分析的條件。

反事實條件句分析看起來滿有說服力,可惜,這依然不能成功的捕捉因果關係,因為它面臨另一個困難的反例,設想以下案例:

殺手一號準備要暗殺X博士,組織設計了保險機制,如果1號到時候心軟了沒有開槍,保險機制啟動,殺手二號會出手殺死X博士,以確保最終X博士一定會死亡。最後,1號確實執行任務,殺死博士。

在這個案例中,如果我們問「什麼是博士死亡的原因?」一個顯而易見的答案是「殺手一號的暗殺是博士死亡的原因!」然而,反事實條件句分析卻無法給我們這個答案。反事實條件句分析會說「殺手一號的暗殺不是博士死亡的原因。」理由在於,假若殺手一號沒出手,博士還是會死亡,因為殺手二號會出手。換言之,殺手一號的行為,與博士是否死亡之間沒有反事實依賴關係,(2)不成立。這結果顯然不符合我們的直覺,我們大概都會同意是殺手一號殺死博士的。因此,這種版本的反事實條件句分析看來也還有一段路要走。

從目前的學界現況來看,傳統分析已經被多數哲學家給放棄,而機率分析與反事實條件句分析則還有不少支持者。如果仔細觀察後面這兩種因果分析,你會發現,其實反事實條件句分析可以被看做是機率分析的一種特殊案例。如果從機率分析的角度來看,反事實條件句分析中所謂的反事實依賴關係,其實就是在說C的發生,會使得E發生的機率提高到100%。

基於這樣的相似性,有哲學家發展了一套被稱為「因果模型分析」(Causal Model Analysis)的分析理論,此種分析方法可以同時應用在機率分析與反事實條件句分析上,協助我們判斷甚麼叫做因果關係,至於什麼叫做因果模型分析,恐怕就不是這篇文章能夠說清楚的了,如果有興趣的讀者,不妨閱讀參考資料中希區考克(Christopher Hitchcock)與佩爾(Judea Pearl)的文章。

小結

這篇文章介紹了三種類型的因果關係理論,文章中所提到的分析都只是各自類型中最粗糙的版本,各自理論的支持者可能會透過不同的方法修改理論,避免難題。如前所述,傳統分析目前已經幾乎被放棄了,而另外兩種因果分析則還是一直有所進展。比方說,因果模型分析可以在機率分析與反事實條件句分析的基礎下,說明在滿足哪些前提時,機率分析或者反事實條件句分析可以做為因果關係的充分必要條件。在因果關係的討論中,因果模型分析或許是目前最蓬勃發展的一套分析方法。

不論如何,到目前為止,哲學家依然在尋找一個能令所有人滿意的因果分析理論。我們可以看到,要精確描述一個在日常生活中這麼常見,在各領域都非常重要的概念,是如此困難。大家也不妨思考看看,對你來說,一個精確描述因果關係的理論應該如何被理解?有沒有可能,因果關係原則上沒有一個統一的理論?脈絡的不同(是否適用不同的因果理論(比方說,機率分析在醫學領域與大氣科學領域似乎比較適合;反事實條件句分析似乎在物理學領域與法律領域較為適用)?又或者,如同休姆所想的,因果關係不是實際存在的性質,只是我們心理投射到這個世界的假象?

註釋

  1. 其實「為什麼同花打不過fullhouse」可能不是在問因果關係。至於為什麼,大家可以想想看。
  2. 本文部分內容來自於我的另外一篇文章「無原因差異之積極與消極安樂死」,這篇文章旨在透過幾種因果理論說明積極安樂死與消極安樂死沒有原因差異。在那篇文章中,我除了介紹本文提到的三種因果理論之外,也簡略說明本文沒提到的因果模型理論,與如何透過因果模型理論來判斷因果關係,有興趣的讀者可以自行搜尋。
  3. 在因果關係的分析中,當談論到「事件」時,事件的內容通常限定於原子語句(不具有邏輯連接詞的語句)。這樣做是有意義的,邏輯連接詞是語言的特徵,不是事件的特徵。
  4. 有些討論因果關係的哲學家不認為因果關係的討論對象是「事件」(events),而是「事態」(state of affairs)或者「事實」(facts)。相關的爭論無關乎本文內容,我會忽略不談,並直接採取主流觀點,以「事件」做為對象。
  5. 雖然這個分析最早是由休姆所提出,但休姆認為,當我們用這種方式來理解因果關係時,我們只是有一種心理傾向,將兩個滿足此分析的事件理解為具有因果關係,至於因果關係是否是世界實際存在的性質,則是另一個議題。休姆本人不認為因果關係是一種實際存在的性質,儘管多數人會將傳統分析歸屬於他的貢獻,然而,他本人是否認同因果關係就是如傳統分析所述,這是有爭議的。相關爭議可以參考Strawson (1989)。
  6. 路易斯學術生涯中一項重要貢獻,就是發展一套透過可能世界語意學(possible world semantic)來解釋反事實條件句之真值條件的反事實條件句理論。相關內容可以參考Lewis(1973a)。

參考資料

Hitchcock, C. 2007. “Prevention, preemption, and the principle of sufficient reason”, Philosophical Review 116: 495-532.
Hitchcock, C. “Probabilistic Causation”, The Stanford Encyclopedia of Philosophy (Winter 2016 Edition), Edward N. Zalta (ed.), URL =
https://plato.stanford.edu/archives/win2016/entries/causation-probabilistic/.
Lewis, D. 1973a. Counterfactuals, Oxford: Blackwell.
Lewis, D. 1973b. “Causation”, Journal of Philosophy, 70: 556–67.
Lowe, E. J. 2002. “Causes and Conditions”, A Survey of Metaphysics. New York: Oxford University pp. 155-173.
Pearl, J. 2000. Causality: Models, Reasoning, and Inference, Cambridge: Cambridge University Press.
Strawson, G. 1989. The Secret Connexion: Causation, Realism, and David Hume, Oxford: Clarendon Press.
Suppes, P. 1970. A Probabilistic Theory of Causality, Amsterdam: North Holland.
張智皓(2017)。〈無原因差異之積極與消極安樂死〉,《政治與社會哲學評論》,61: 73-128。

自我介紹

中正大學哲學所博士生,《今天學哲學了沒》作者,偶而更新部落格「無法哲學」。在念哲學的過程中發現哲學很有價值,所以希望推廣哲學,讓其他人也認同哲學的價值。