因果学习的三个层次(2)

因此对于因果问题的定义是一个细思恐极的事情， 我们看似懂了实际不懂。然而只要它是一种方便的思维工具， 我们还会每天不假思索的用下去而且不着急。事实上唯一严格定义清晰的因果是在物理学， 物理学的因果的基础是相互作用， 而相互作用的结果只有最终在时间维度上体现， 这和我们日常方便性的因果有着本质的区别。
一个有趣的总结是我们可以把因果分成两类，一个是type causality，一个是actual causality。第一类比较类似自然科学的英国， 或者某种事物作用和变化的机制， 比如滥发钞票导致通货膨胀。而另一个则和我说的现实生活中的那些鸡毛蒜皮小事的直接原因，比如刚刚举的吵架导致分手。

最终我对这里的总结是， 因果是一种工具，追求严格定义没有意义，而是取决于使用的语境。
想要初步了解因果的定义，哲学含义，我们为什么需要因果， 巡洋舰积累了不少素材，尤其是围绕Pearl的 重磅级著作 《为什么》
从相关性到因果性-读《The book of why》
自由意志和因果推理-《为什么》书摘
年度必读书-《为什么：关于因果关系的新科学》
二， 统计学上的的因果推断
假定你手里有若干变量的一堆数据，你希望从这些变量里提取出一组因果关系。这你就要做的事情是因果推断。贯穿所有因果问题共通的地方是Judea Pearl的三层框架 ， 我们要在我们手里的观察数据里求解出下面三个层次。

事实上为了做到这件事我们可以采用一个非常统一一致的流程， 讲这个问题过于枯燥， 这里新冠病毒死亡率是一个极好的例子， 我们知道意大利的新冠病毒死亡率高于中国， 而这是否说明意大利的医疗治愈情况弱于中国呢？好了我们用统计的方法来回答下这个问题：