[論文レビュー] Causes and Explanations: A Structural-Model Approach, Part I: Causes

Joseph Y. Halpern, Judea Pearl|ArXiv.org|Nov 7, 2000

Bayesian Modeling and Causal Inference参考文献 32被引用数 20

ひとこと要約

本稿は、反事後的依存関係をモデル化する構造方程式モデルを用いて、実際の原因の形式的定義を提示する。これは、2つの火災のパラドックスなどの長年の因果理論上の問題を、特定の干渉下での条件的依存関係を導入することによって解決する。このアプローチは、非再帰的および確率的システムを従来のフレームワーク（例：リウズの反事後的依存理論）よりもよく扱う、明確で文脈に敏感な因果の説明を提供する。

ABSTRACT

We propose a new definition of actual cause, using structural equations to model counterfactuals. We show that the definition yields a plausible and elegant account of causation that handles well examples which have caused problems for other definitions and resolves major difficulties in the traditional account.

研究の動機と目的

• 従来の反事後的依存が失敗する状況において、「実際の原因」を定義する、長年の哲学的および実用的問題に対処すること。
• 2つの火災の例のような有名な因果パラドックスを解消すること—標準理論が誤って複数の原因を特定するか、真の原因を特定できない問題。
• 再帰的および非再帰的構造的モデルの両方で安定して機能する、形式的かつ数学的に厳密な実際の因果性の定義を開発すること。
• 診断、計画、自然言語処理を含むAIアプリケーションにおける因果説明の基盤を提供すること。
• 特定の干渉や干渉を伴わない条件下での依存関係を許容することで、現実世界の推論を反映するように因果性を形式化すること。

提案手法

• 因果関係を表現し、干渉をモデル化するために、外生的および内生的変数を有する構造的因果モデル（SCM）を用いる。
• 実際の原因を3段階の条件で定義する：(1) 要因と結果が実世界で両方成立すること；(2) 要因の干渉によって結果が防止され、併せて両方の干渉によって結果が回復するような状況（コンテキスト）が存在すること；(3) そのような集合の中で要因が最小であること。
• 二重モーダル演算子フレームワークを導入する：[do] はすべての解に対する反事後的条件を表し、⟨do⟩ は一部の解に対する反事後的条件を表す。これは非再帰的モデルにおいて不可欠である。
• 構造方程式の解が複数あるか、解がない状況を許容するために、非再帰的モデルに定義を拡張する。その際、真理値は完全な状態（文脈u、値v）に関して評価される。
• 変数を要因、背景、補助の集合に分割することで、干渉下での依存関係をテストする。
• 「条件的依存性」という概念を導入する—因果関係が、干渉を伴わない特定の反事後的状況下でのみ成立する—これにより、誤った因果帰属を回避する。

実験結果

リサーチクエスチョン

• RQ1 実世界において結果が要因に反事後的に依存しない場合、実際の原因をどのように形式的に定義できるか？
• RQ2 火災Aが発生しなかった場合に火災Bが同じ結果を引き起こす可能性があるにもかかわらず、2つの火災のパラドックスをどのように解消し、火災Aのみを実際の原因として特定できるか？
• RQ3 再帰的および非再帰的構造的モデルの両方で機能する統一された因果の定義をどのように開発できるか？
• RQ4 遮断や過剰決定の存在下で、実際の原因と単なる反事後的依存性の違いは何か？
• RQ5 不確実性や複雑な状況下で、実際の原因の定義からどのように形式的な因果説明を生成できるか？

主な発見

• 2つの火災の例において、火災Aが実際の原因として正しく特定される。火災Aが発生しなかった場合に火災Bが同じ結果を引き起こす可能性があるとしても同様である。
• 因果関係が、単に任意の干渉ではなく、干渉を伴わない条件下でのみ成立することを要件としているため、誤った因果帰属の問題を回避する。
• 非再帰的モデルでは、真理値が完全な状態（u,v）に関して評価されることで、構造方程式の解が複数あるか、解がない状況を許容する。
• 因果関係が依存関係の鎖から導かれるのではなく、直接的で最小限かつ文脈に敏感な依存関係に基づくため、推移性の失敗を処理する。
• 不確実性下での結果を引き起こすのに十分な最小限の出来事の集合を特定することで、因果説明の形式的基盤を提供する。
• 定義はモデル選択に対して頑健である：CがEを引き起こすかどうかは、モデル構造に依存する。これは、どの変数と依存関係を含めるかという現実世界の議論を反映している。