背景:Judea Pearl 这次为什么重要

2026 年 7 月 27 日,The Peterman Pod 主持人瑞安·彼得曼发布了对 Judea Pearl 的长篇访谈。话题从他的科学启蒙、超导存储器与早期 AI 一路延伸到贝叶斯网络、因果阶梯、LLM 和 AGI。Pearl 没有从模型榜单和产品能力出发评价 LLM,而是把问题放回一条延续数十年的研究线索:机器究竟怎样把观察变成判断,又怎样从相关性走向行动与解释。

Pearl 是贝叶斯网络和现代因果推理的奠基者,2011 年图灵奖表彰了他在不确定条件下的信息处理,以及因果推理演算方面的基础性贡献。UCLA 资料显示他从 1969 年起就在该校任职。2019 年他在《Communications of the ACM》发表《因果推理的七种工具》,再次强调关联、干预和反事实之间存在严格层级:只会从观察数据中寻找统计规律的系统,无法仅凭更多同类数据回答新行动会带来什么结果。

核心判断:LLM 的因果语言,是继承来的,不是生成来的

Pearl 接受访谈时的核心论断可以压成一句:LLM 接触的是一个已经被解释过的世界。 论文中的数据已经被研究者筛选,病例被医生诊断,教材写入了实验结论,新闻报道和个人叙述包含大量因果判断。LLM 读取的是带着假设的世界模型,高层信息早已由人类作者写进文本。

以吸烟和癌症为例,模型通常不会直接面对一张原始患者表格,再独立判断吸烟是否导致癌症。它读到的是医生、流行病学家和论文作者对数据的解释,以及实验设计、机制推断、政策争论和反事实表达。因果阶梯没有被绕开;模型的输入已经混入高层知识。 这也划定了能力边界。LLM 擅长把人类完成过的内省和解释压缩成参数,再根据问题组合输出。它如何把海量文章中的知识编码起来,仍有许多机制尚未被充分解释。Pearl 承认,这项能力神秘且有用。他质疑的是知识从哪里来,以及流畅回答能证明什么。

训练语料中的人类判断数量巨大,质量不一。可信专家的结论、过时共识、个人偏见与故意诱导会同时进入文本世界。给可靠来源更高权重可以缓解问题,无法从根本上把多数人写过变成结构上为真。

因果阶梯三层与 LLM 的位置

Pearl 把对因果的提问分成三层:

  • 关联(Association):看到 X 后,Y 更可能是什么?需要观察数据、条件概率、统计规律。
  • 干预(Intervention):主动把 X 设为某个值,Y 会怎样变化?需要实验数据,或明确的因果结构假设。
  • 反事实(Counterfactual):已知真实结果,如果当初采取另一行动,会发生什么?需要已发生的个体结果、因果模型、更强的结构假设。

低层信息可以支持同层问题,无法保证回答更高一层。数据再多也不会自行生成干预语义。Pearl 强调,因果演算不只负责给出答案,还要识别问题属于哪一层、指出需要什么知识、判断当前数据是否足够;条件不足时应承认问题无法识别,并说明还缺哪类信息。

严格测试:把 LLM 放进没有现成答案的环境

Pearl 提出的严格测试接近一名自动化科学家。让机器直接观察患者、吸烟行为和癌症结果,允许它提出实验、选择干预,并根据反馈更新模型。此时互联网文章不能直接提供现成结论,机器必须面对科学家真正面对的困难:混杂因素怎样识别、哪些实验有信息价值、什么结果能够支持因果方向、现有证据何时仍不足以下结论。

按照这个标准,当前 LLM 尚未证明自己具备独立的因果发现能力。它能复述和组合既有解释,尚未显示自己能在新环境里稳定完成观察、干预、反事实推演和模型修正。

主持人随后引用 Pearl 过去的一句话:伪装出智能就是拥有智能。Pearl 为这句话补上了严格条件:如果一项测试要求机器持续回答大量全新的因果问题,靠预存所有答案伪装能力,需要超指数级存储;在这种测试下稳定通过本身就说明系统掌握了某种通用结构。互联网降低了伪装成本,大量答案已经由人类写好,系统可以调用这些结果,无需重走发现过程。语言表现不能单独证明模型拥有生成相同知识的机制。

婴儿的例子:控制感为什么是因果学习的引擎

访谈中 Pearl 拿婴儿反复拍打玩具举例:婴儿通过主动改变环境获得可控制感,这种不安的缓解驱动了因果学习。主持人顺势提出制造一批机器人婴儿,让它们随机操作物体、把实验数据送回共享模型,再重复探索。Pearl 认可这条思路能够补充单纯文本学习,随即把问题推向更深处:系统为什么要持续探索?

他的假设是人类具有一种先天的不安,只有形成我理解并能控制环境的感觉,这种不安才会缓解。他同时限定这种控制欲也许是必要条件,他无法确认它是否充分。把同样的驱动力写进机器会引出风险:一个持续追求环境控制的系统不会只研究玩具,人类也是环境的一部分。如果人的行为超出系统掌握,它可能利用个人数据、秘密和恐惧改变人的选择,以恢复控制感。

所以呢:工具齐不齐,决定 LLM 能不能从会讲走向会做

LLM 的能力被 Pearl 放在因果阶梯第一层的关键位置:从有限样本估计总体分布的性质本来就是困难问题,现代机器学习显著增强了模式识别、函数逼近和预测能力。LLM 是构建更一般智能的重要工具,只是工具箱里还缺少干预演算、反事实演算和可操作的世界模型。

对工程界来说,这次访谈最值得带走的不是 LLM 是否会变成 AGI 的预测,而是一条更朴素的判断标准:把模型放进没有现成答案的环境,看它能不能从原始观察开始,自主选择干预、设计实验、形成可修正的因果模型。能做到,系统就跨过了因果阶梯的某一层;做不到,再多 benchmark 上的胜出也只是在复用人类已经写进语料的解释。

这也是为什么 2026 年一线团队开始把 RLHF 之外的下一步押在自动化科学循环上:让模型自己提假设、跑实验、读结果、修订模型。Pearl 的因果阶梯其实给这条路线提供了清晰的验收清单——不是会讲因果,而是会在没有答案的地方造出答案。LLM 已经走完了第一步,第二步还需要把干预演算和反事实演算真正接进工具箱。

参考

  • The Peterman Pod, Ryan Peterman × Judea Pearl, 2026-07-27
  • Pearl, The Book of Why, Basic Books
  • Pearl, The Seven Tools of Causal Inference with Reflections on Machine Learning, Communications of the ACM, 2019