1
商業
小朋友你是否有很多問號
人盡皆知，小朋友們愛問為什麼。
有的時候，他們的問題可愛又深刻——“為什麼月亮叫月亮？” “為什麼我們看不見自己的眼睛？”“為什麼我們生下來就很年輕，長大就很老，而不是生下來就很老，然後慢慢長得年輕？”
有的時候，他們的為什麼也會變得煩人——
“寶寶，你晚餐不能只吃小餅乾。”
“為什麼？”
“因為光吃小餅乾對你不好。”
“為什麼不好？”
“它含糖太多了，沒有營養，對你的身體不好。”
“為什麼對我的身體不好？”
“.……別問了，趕快把菜吃了。”
哪怕是最有耐心的大人，有時也會被孩子的無盡問題“逼瘋”。
但不管大人是否喜歡，會問“為什麼”確實標誌著小朋友不斷提升的認知能力。
小朋友們並不是從一開始就會問“為什麼”的。在童年期，兒童的提問行為會經歷劇烈迅速的變化。在他們剛剛會提問的時候，小朋友們會主要提出與事實有關的問題，像 “那是什麼”“這是誰”“她在哪裡”等等（Bloom, Merkin, & Wootten, 1982 ）。但是，像“為什麼”這樣尋求解釋的問題，會在小朋友兩歲前後問的問題中迅速佔據上風。一項經典的日記研究中，就有心理學家發現，在第二年末，小朋友們提出的每四個問題裡，就有一個是尋求解釋的“為什麼”（Chouinard, 2007 ）。
心理學家很早就知道解釋對於學習有著重要的意義。
曾有研究發現，當小朋友在探索一項新奇的任務時，如果有大人在一旁提供解釋，那他們也就更容易理解任務的精髓。相反，那些沒有聽到解釋的小朋友們，對於任務的理解可能就會機械、更浮於表面 （Fender & Crowley, 2007 ）。
更有趣的是，不僅提供解釋可以幫助小朋友們更好地理解，讓小朋友們自己解釋一件事，同樣也對他們的學習效果有所幫助。在另外一項實驗中，小朋友們需要理解一個新玩具的工作原理。一組小朋友需要解釋一下這個新玩具如何工作，而另外一組則只需要簡單的觀察即可。
研究結果發現，被要求提供解釋的小朋友們，更容易記住玩具中的因果屬性，像哪個部分會導致另一部分行動這樣的工作原理。而且，相比那些沒有解釋的小朋友們來說，這些小朋友也更善於根據之前觀察的玩具，來重新構建一個新的玩具（Legare & Lombrozo, 2014 ）。也就是說，解釋可以讓小朋友們更好地將學習到的知識，泛化（generalize）應用到新的例子上面。
解釋對於認知發展的作用，貫穿整個童年。它與孩子們的好奇心、探索行為以及科學思維的發展都息息相關（Legare, 2014 ）。
解釋與高潮
解釋的重要意義，絕不僅僅體現在小朋友們身上。
對於大人來說，我們也很難想像解釋在日常生活中的缺席。我們永遠都有太多的“為什麼”想知道——我們想知道電梯的運作原理，想知道為什麼新冠病毒這麼致命，想知道為什麼超市賣的豬肉價格越來越高；而當買到可樂時，輕輕吸一口，我們又會想知道：“啊，快樂水為什麼會這麼好喝？！”
我們想要解釋，想知道為什麼——可這又是為什麼呢？
從一方面來說，解釋具有很高的“工具價值”（instrumental value）：解釋可以幫助我們更深層次地理解這個世界，也能幫我們將理解更好地應用到實際操作當中去（Lombrozo, 2011 ）。
這就像實驗中需要理解新玩具工作原理的小朋友們一樣。那些需要提供“解釋”的小朋友，能夠更有效地抓住玩具花里胡哨的表層之下，更重要的因果結構，也能更好地將學習到的因果結構遷移到新玩具身上。而在我們的生活中，知道一件事或現象背後的原理也好處無窮。
還拿“可樂為什麼好喝”這個問題來說，如果我們能夠知道快樂水好喝背後的解釋，我們也就有可能在家自製快樂水，不用破產也能天天快樂。這些解釋能夠帶來的附加價值，都是促使我們追尋解釋的原因之一。
但從另外一方面來說，解釋是否也有內在價值呢？在日常生活中，當我們拋出一個又一個的“為什麼”時，似乎並不總是為了滿足什麼目的才這樣做的。很多時候，對於解釋的追尋都自然而然。我們不需要刻意地去計算它究竟能帶來什麼樣的好處。這似乎在提示這樣一種可能性：在拋開更深層次的理解和好喝的可樂之後，解釋本身，也具有一定驅使我們去追求它的價值。
加州大學伯克利分校的心理學家與哲學家艾莉森·高普尼克（Alison Gopnik）曾提出這樣一個大膽的類比：從某種角度來說，解釋和性高潮非常相似。兩者的相似性不僅僅是達成時的那種現象學的快感，同時，從進化論的角度，兩者也有一定的相似性。
“我的假說是，解釋之於認知，就如高潮之於繁殖”。高普尼克在這篇發表於期刊《心靈與機器》（Minds and Machines）上的論文中，這樣寫道：“從我們的現象學視角來說，看上去好像是我們為了獲得解釋而構建並應用理論，為了獲得高潮而發生性行為。但是，如果從進化論的角度來說，這個關係恰好相反。我們之所以有高潮和解釋的體驗，正是為了確保我們能夠造寶寶、造理論。”（Gopnik , 1998 ）
當然，高普尼克也承認，這樣的假說目前僅僅是假說。尋求解釋、獲得解釋所伴隨的情緒反應與生理反應，仍是鮮有人踏足的研究領域。她猜想，尋求解釋的驅動力可能與蔡格尼克記憶效應（Zeigarnik effect）有關（Gopnik, 2000 ）。這種效應是指，相比較於已經完成的事情，人們往往能夠更好地記住未完成的事情。
另外，社會心理學常常研究的“了結需要”（Need For Closure）——對於問題答案的渴求、對於模糊性的迴避——可能也與解釋的驅動力緊密相連。近些年來，還有不少學者開始研究頓悟時刻（aha moment）的神經關聯。他們發現，人們恍然大悟的時刻，往往伴隨著下皮質多巴胺能獎賞系統（subcortical dopaminergic reward network）的啟動（Tik et al., 2018 ）。但這樣的發現也不過是一個開端。解釋與高潮之間的類比究竟是否能經受得起科學證據的考驗，答案仍在未來。
我們的現實世界裡，因果關係錯綜複雜。而解釋最終帶來的快感，也不斷地激勵著我們進行費力費時的推理與思考，構建理論、探索並掌握各種各樣的因果關係。解釋讓我們更好地掌握事物背後的原理，更好地將學習到的規律遷移到新的事物上去，因此，也就能讓我們更好地適應這個複雜的現實世界。
知其所以然
但什麼樣的解釋才能算得上是好解釋呢？
無論老少，人們都被各種各樣的動機驅使著，熱衷於詢問“為什麼”。當我們一頭霧水、緩緩吐出這三個字時，那些能讓我們滿意的答案究竟有什麼共同點？從亞里士多德開始，科學哲學家就開始討論對解釋的規範性需求。在進入主題前，請思考一個簡單的問題：已知天氣預報說今天有 30% 的降雨機率，你覺得為什麼今天可能會下雨？
一個可能的解釋是，因為天氣預報公佈的降雨機率大於零，所以今天有可能要下雨。這個解釋你滿意嗎？
如果你的回答是“滿意”，卡爾·亨普爾（Carl Hempel）很有可能和你站在同一邊。亨普爾是 20 世紀中葉科學哲學領域的重要人物，提倡將人類知識基於嚴密的數理邏輯之上。在“什麼稱得上科學解釋”的問題上，他堅持認為，在具備某些初始條件和至少一條“法則”的前提下，如果我們能夠推導出某種結論——即“待解釋項”（ explanandum）——這些前提便構成對待解釋項的解釋。
體來說，法則既可以是普遍概括的，也可以是統計歸納的。在上述天氣預報的例子中，一個統計歸納的法則（天氣預報很有可能是準的）加上一個初始條件（天氣預報稱今天有 30% 的降雨機率）足以通過邏輯推導出待解釋項（今天可能會下雨）。對亨普爾而言，解釋就是優美而嚴謹的邏輯推理，具有類定則（lawlike）的性質。
反事實推理（counterfactual reasoning）是驅使我們問“為什麼”的一種規範性需求。你可以把它理解為針對事實產生的“如果……”的想像。比如，如果天氣預報說今天有 0% （而不是 30% ）的機率下雨，我們大概沒有理由認為天上會掉一滴水下來，畢竟我們預設天氣預報是準的。亨普爾式的解釋的確支持這種反事實思維，因此他的理論在 50 、 60 年代的科學哲學界裡佔據了重要地位。
但是如果你對上面的解釋不甚滿意，你也絕不是一個人。另一位著名的科學哲學家——韋斯利·薩爾蒙（Wesley Salmon）就完全沒有買亨普爾的帳。薩爾蒙指出，雖然天氣預報和實際降雨與否之間有相關性（correlation），沒有人會覺得天氣預報導致了降雨。也就是說，天氣預報和實際降雨與否之間不存在因果關係（causation）。所以，使用類定則的解釋理論只支持預測，而不見得是真正的解釋。在薩爾蒙看來，科學解釋的根基正在於因果關係——例如，冷暖氣流交匯導致降雨，也同時大機率導致了天氣預報的預測。
薩爾蒙更敏銳地察覺到，亨普爾所主張的以邏輯推理為基礎的解釋可以通過倒推的手段說明過去發生的事，但這往往不是人們想要的答案。他提出，當人們問出“為什麼”，他們實際尋求的資訊遵循著一種特定的、心照不宣的時間順序：從時間上更早的資訊到相對較晚的。然而以邏輯推理為基礎的解釋可以讓時光“倒流”，用時間上靠後的資訊去“解釋”過去，而這種說明是違反我們對於“解釋”的直覺的。當我們預設解釋應當符合因果順序時，亨普爾的解釋理論的異樣更不言而喻。
薩爾蒙的解釋理論依然能夠支持反事實推理。更重要的是，與相關性純粹的類定則性質不同，薩爾蒙強調了因果關係的實在論（realism）價值。實在論強調真實是客觀存在的，獨立於我們的感知、信念等。雖然我們的觀測往往有偏差（比如天氣預報不是 100% 準確），但是能追溯到真正的誘因（比如氣流情況）。在薩爾蒙看來，正是因果關係使得我們的主觀認知能夠用於歸納客觀真實。科學哲學界現在普遍認為，因果關係是回答“為什麼”的核心。
當機器擁有好奇心
在科學哲學的辯論場之外，關於“為什麼要問為什麼”的理論與我們的日常生活息息相關。自文明伊始，我們便探尋著對於世間萬物、何為真理的解釋。隨著AI機器融入我們生活的方方面面，解釋的意義更是變得史無前例地豐富。一方面，我們好奇為什麼機器是有用的；另一方面，機器可能有類似人類的好奇心嗎？
其實你可能已經無意之間回答過機器人的“為什麼”了：你在自己的今日頭條主頁上發現了一個看起來很無聊的文章。作為今日頭條的用戶，你知道，即使每天都用它來搜尋自己愛看的內容，它也的確向你推薦了不少有趣的影片，你們之間偶爾還是有一些“誤解”：比如，你不過是搜尋了一個關鍵詞，它就開始不遺餘力地推薦包含同一關鍵詞的其它文章，即使你只是出於一時好奇。你點了右下角的“x”。今日頭條彈出了一個新的浮窗——“請選擇不感興趣的原因”——以及幾個選項，包括“內容質量差”和“不喜歡”。你猶豫地選了“不喜歡”。刷新頁面後，另一個類似的無聊文章出現了。
為什麼機器會問“為什麼”？
從計算和學習的角度，知道“為什麼”能夠幫助機器更有效地利用資訊來最大地優化學習效果，尤其是缺乏相關資訊的情況。例如，通過捕捉用戶對某一話題的興趣和他的瀏覽記錄之間的因果關係，機器實際上可以實現小樣本學習（few-shot learning），甚至是一次學習（one-shot learning）和零次學習（zero-shot learning）：只需要非常少的“不喜歡”，它就會意識到用戶對某種特定的內容沒有興趣（而不是對質量感到不滿意）。
但是目前的機器主要依賴於相關性，而非因果關係（這個區別是不是似曾相識？）。也就是說，它們主要依靠挖掘數據集中的統計規律性，從而建立用戶的觀看記錄和興趣之間的關係。某些意義上，這種方式更具有靈活性（各種數據集都適用），但它同時需要大量的數據和計算資源，才能彌補缺乏先驗知識（prior knowledge）的弊端，即對現實世界常識的無知。
當數據本身不足以支持精準的學習（比如你的影片喜好），機器便不得不另求“補丁”——比如今日頭條非常天真的“為什麼”，通過人為介入改進結果。但這種零散的“補丁”很難被歸納、推廣，所以你還是會看到其它無趣的帖文。
現代因果關係框架之父、圖靈獎獲得者朱迪亞·珀爾（Judea Pearl）長久以來堅定地認為，機器必須要會辨別、樹立關於世界的因果模型，AI才稱得上成功，我們也才算真正理解人類智慧的本質。另一位圖靈獎獲得者——約書亞·本希奧（Yoshua Bengio）也對設計擁有因果意識的機器興趣盎然。在兩人最近的一次線上交流中，珀爾質疑依賴相關性的AI幾乎不可能達到媲美人類的學習能力。
面對這樣的問題，約書亞提出了一個有趣的疑問：科學家當然對世界的因果關係有良好的結構性理解，可是嬰兒和大猩猩也是如此嗎？他們難道不需要依賴資訊中的統計規律性，從相關性出發，逐漸習得因果關係嗎？
再進一步地說，如果我們和機器看似都從單純相關性的學習開始，我們為什麼需要擔心機器問不出“為什麼”？
“不。”珀爾回應說，“即使接觸到同樣的外界刺激，嬰兒對世界形成的認知也必將異於大猩猩。”他指出，對各種“為什麼”的好奇給予了我們一種與生俱來的“樣板”，形成了我們對世界理解的重要基礎。而正是這種簡潔卻強大的樣板使得人類在學習和拓展知識版圖方面具備特殊優勢，將我們與其它動物和機器區分開來。
目前看起來，珀爾的話得到了印證。機器學習研究者開始嘗試教機器探索數據所包含的因果聯繫，提問“為什麼”。為了用同樣的數據量達到接近人類的學習成果，他們不可避免地需要將我們看來理所當然的規則手動寫進模型，讓機器認識到世界模型的一些特性，正如嬰兒與生俱來的常識。要創造可與人類綜合學習能力抗衡的機器、探究人類智慧的本質，我們還有相當長的路要走，但我們已然發現一絲光亮。
追問為什麼
“為什麼”這個問題，可以無限地問下去。
問為什麼的人，自然也會問“為什麼人這麼愛問為什麼？”“為什麼人這麼愛問‘為什麼人這麼愛問為什麼’？”“為什麼人這麼愛問為什麼人這麼愛問‘為什麼人這麼愛問為什麼’”？ 。
而對每一個“為什麼”的解答，也都同樣可以延伸出無限的為什麼：“為什麼人這麼愛問為什麼？”“因為獲得解釋可以讓我們更好地理解這個世界。”“為什麼獲得解釋可以讓我們更好地理解這個世界？”“因為解釋可以讓我們更加關注事物背後的因果機制。”“為什麼解釋可以……”
如果一個人願意，她可以將一生都花在對單獨一個問題的追問之中。但這樣的做法並不一定能最大化所能獲得的知識。當這樣遞歸式的追問累積到一定長度時，我們所能獲得答案的意義，也會愈加薄弱。這就好像曾有人這樣戲謔地談論神話故事中“地球是停在巨龜背上”的觀點——如果地球是停在巨龜背上，巨龜停在哪呢？巨龜停在另一隻巨龜的背上，那另一隻巨龜停在哪呢？那當然是另一隻巨龜上面。一層疊一層，不見盡頭。而“這底下都是烏龜”（turtles all the way down）這種說法，也成為了一句經典的表達，一語道破這種擁有無限回歸結構命題的缺陷所在。
但從另一角度來說，也許很多時候，蓬勃的好奇心與無意義的追問之間的界限並不明確。
不是所有的問題都有意義，可人並不能永遠都準確無誤地預判出問題是否有意義。一個孩子天真的提問，若能得到悉心地解答，或許就會成為一條求知之路的起點；而我們如果能對生活中的無心之問，都報以熱忱與真誠去解答，這也注定會帶我們走進新的風景。
這就好像風靡全球的漫畫“Wait But Why”系列總能讓人在會心一笑的同時又收穫頗豐一樣：它準確地擊中了蟄伏在我們心底的好奇心、對解釋的渴望。這沒準就是在提示我們，也許我們時不時都需要像漫畫中的那個火柴棍小人一樣，停下來，喊一句：“等等，這是為什麼呀？”
《虎嗅》授權轉載
【延伸閱讀】
111248
