تسلط بر معرفت‌شناسیراهنما · نقشه · صوت EN
«آزمایشی بر پرنده‌ای در پمپِ هوا» اثر جوزف رایت اهلِ داربی (۱۷۶۸)

نردبانِ علیّتِ پرل

Pearl's ladder of causation
Judea Pearl
جوزف رایت اهلِ داربی، «آزمایشی بر پرنده‌ای در پمپِ هوا»، ۱۷۶۸

نردبانِ پرل همبستگی، مداخله و خلاف‌واقع را جدا می‌کند: پرسشِ پلهٔ بالاتر اطلاعاتِ علّی‌ای می‌خواهد که الگوی مشاهده‌ایِ پلهٔ پایین‌تر به‌تنهایی ندارد.

1مسئله‌ای که حل می‌کند

نردبان ابزارِ فشرده‌ای برای تشخیصِ بیش‌ادعایی است. پلهٔ یک می‌پرسد چه چیز با چه چیز همراه است؛ پلهٔ دو می‌پرسد اگر X را انجام دهیم چه می‌شود؛ پلهٔ سه می‌پرسد برای همین واحد اگر X متفاوت بود چه می‌شد. بالا رفتن فقط روشِ آماری را پیچیده نمی‌کند، نوعِ سؤال را عوض می‌کند.

2ایدهٔ اصلی

سه پله: هم‌بستگی (دیدن)، مداخله (انجام‌دادن) و خلافِ واقع (تصورِ آنچه می‌بود). پرسش‌های پلهٔ بالاتر با دادهٔ پلهٔ پایین‌تر پاسخ نمی‌گیرند.

3خاستگاه و زمینه

جودیا پرل «نردبانِ علیت» را در چارچوبِ علّیِ ساختاری و نوشته‌های بعدی مشهور کرد. دیدن، انجام‌دادن و تصورکردن را به پرسش‌های هرچه demanding‌تر وصل می‌کند و نقشِ مداخله و مدلِ خلاف‌واقع را نشان می‌دهد.

4مثالِ کلاسیک

همبستگی می‌گوید چه چیزی با چه چیزی همراه است. تنها مداخله می‌گوید اگر تغییرش دهید چه رخ می‌دهد.

5اعتراض‌ها و پاسخ‌ها

اعتراض. آزمایش مستقیم پلهٔ دوم را جواب می‌دهد، پس شکافِ مفهومی اغراق است.

پاسخ. آزمایش دادهٔ مداخله‌ای می‌دهد و دقیقاً به همین دلیل به پلهٔ دو می‌رسد. همچنان برای عدمِ تبعیت، تداخل، تعمیم و بسیاری از خلاف‌واقع‌های فردی فرض لازم است.

اعتراض. یادگیریِ ماشین با دادهٔ کافی می‌تواند اثرِ مداخله را بدون مدلِ علّی پیش‌بینی کند.

پاسخ. از توزیعِ مشاهده‌ای به‌طور کلی نمی‌توان دانست توزیع زیرِ مداخله چگونه تغییر می‌کند، چون ساختارهای علّیِ متفاوت می‌توانند برازشِ مشاهده‌ایِ یکسان داشته باشند. اطلاعاتِ اضافه لازم است.

6با این‌ها اشتباه نگیرید

همبستگی و علیت

همبستگی وابستگیِ آماری را توصیف می‌کند؛ مداخله می‌پرسد اگر X را فعالانه تنظیم کنیم توزیعِ پیامد چگونه عوض می‌شود.

مداخله و خلاف‌واقع

مداخله معمولاً دربارهٔ جمعیت زیرِ do(X) است؛ خلاف‌واقع اغلب می‌پرسد برای همین واحد با دانستنِ آنچه واقعاً رخ داد، اگر X متفاوت بود چه می‌شد.

7خطاهای رایج

  • پاسخ به پرسشِ سیاستیِ پلهٔ دو با مدلِ پیش‌بینیِ پلهٔ یک و زبانِ علّی.
  • فرضِ اینکه الگوریتمِ انعطاف‌پذیرتر بدون اطلاعاتِ شناساییِ تازه شما را به پلهٔ بالاتر می‌برد.

8در کارِ شما

بیشترِ استنتاج‌های نادرستِ سیاستی را در یک حرکت تشخیص می‌دهد: ادعا روی پلهٔ دوم یا سوم است و داده روی پلهٔ اول.

9خودآزمایی

«افرادی که برنامه را دریافت کردند بهتر شدند» پلهٔ یک است. چه تغییری آن را پلهٔ دو می‌کند؟

نمایش پاسخ

بپرسید اگر افرادِ واجد شرایط را وادار یا تخصیص دهیم که برنامه را دریافت کنند چه پیامدی رخ می‌دهد—پرسشِ مداخله، نه صرفاً همراهیِ مشاهده‌شده.