孩子與計算機，誰更聰明

人類也會建構另一種示意圖，即不同事件之間復雜的因果關系圖。28例如，神經病學家建構了關于偏頭痛的因果關系圖，概括了神經活動與血壓、頭痛之間的所有聯系。再如，能夠對生物世界做出各種預測的孩子并不是孤立地看待死亡、生長、疾病與食物之間分別具有的因果關系的，相反，關于世界，他們似乎建構了一個完整而連貫的活力論描述。孩子認為，吃東西能讓人獲得更多能量，生病會消耗能量；成長能夠增加因果力量，而死亡則會剝奪這種力量。他們也會做出新的預測，通常是過去從未聽說過的。他們會說，只要不斷地吃東西，你就能無限地生長；高個子的大人一定比矮個子的更老。我的兒子在身高還只有1.57米時就堅持認為，他沒辦法和一個年輕的籃球隊員做朋友，因為那個人太高大了，而他太瘦小了。或者他們會解釋說，人們必須吃飯，因為這會給你力量。這種生物學上的因果關系圖讓孩子得出了這些結論，甚至還有更多結論。29

雖然其他動物明顯會創造空間認知示意圖，但我們并不清楚它們是不是同樣也會創造因果關系圖。其他動物能理解具體的因果關系，例如它們知道自己的行動會直接導致接下來會發生的事情，大猩猩就知道用棍子捅白蟻巢，白蟻就會跑出來，或者，它們也許知道某些特別重要的因果關系，如變質食物與嘔吐之間的關系。但是，這些動物似乎并不能建構就連很小的孩子也能創造的這種因果關系圖。動物們似乎更多地依賴于“嘗試-錯誤”的方法來學習，就像我們偶然發現阿司匹林能緩解頭痛那樣，而不是依賴于讓我們發明諸如舒馬曲坦之類的新藥來消除偏頭痛的那種因果理論。

20世紀90年代，卡內基梅隆大學的一群科學哲學家在克拉克·格利穆爾（Clark Glymour）的領導下，開始嘗試用數學來解釋科學理論如何發揮作用。30同時，加州大學洛杉磯分校的計算機科學家們在朱迪亞·珀爾（Judea Pearl）的領導下，嘗試寫出能夠體現科學家做出的那種預測與建議的計算機程序。31兩組研究人員都偶然發現了有關因果關系圖的一系列觀點。他們發現了如何用數學來描述這類示意圖，以及如何運用因果關系圖來生成新的預測、干預和反事實思維。新的數學描述被稱為“因果圖模型”，它取代了人工智能，并且啟發了因果關系的新哲學觀點。

人們可以寫出利用這類因果關系圖的計算機程序，就像“地圖查詢”程序利用空間示意圖那樣。“地圖查詢”程序利用一張完整的示意圖，自動生成了從一個地方到另一個地方的成千上萬條路徑。幾乎以同樣的方式，借助因果關系圖的計算機程序也能夠完成人類科學家還有孩子所做的那種復雜的反事實歸因。這類程序能夠進行醫療診斷，并提供可能的治療方案，或者針對哪些做法有助于阻止氣候變化給出建議。美國國家航空和宇航局（NASA）已經在下一代火星機器人身上對這類想法進行了探究。

認知科學的一個核心觀點認為，我們的大腦就是一種計算機，但它遠比我們已知的任何一種真實的計算機更強大。心理學家試圖探究人類大腦究竟使用了哪種程序，以及如何執行這些程序。由于孩子如此善于理解因果關系，因此我們認為，孩子的大腦也許正像計算機程序那樣建構并利用因果關系圖。事實上，正是因為起初與哲學家和計算機科學家的合作，才讓我產生了關于因果關系圖的想法。很多年來，在許多間酒吧里，我不斷地和格利穆爾爭論：我所研究的嬰兒是否比他所研究的計算機更加聰明。顯然，答案是，在某些方面嬰兒確實更聰明，但其他方面則不然。但是，經過10年的實驗論證，我終于讓他把票投給了嬰兒。