[논문 리뷰] Causal emergence is widespread across measures of causation

Renzo Comolatti, Erik Hoel|arXiv (Cornell University)|2022. 02. 03.

Philosophy and History of Science인용 수 11

한 줄 요약

이 논문은 인과적 상향 통합—즉, 거시 척도에서의 인과 관계가 미시 척도보다 더 강력한 현상—이 통계, 심리학, 유전학 등 다양한 분야에서 독립적으로 개발된 인과성 측정 방법들 사이에서 널리 퍼져 있음을 보여준다. 통계, 심리학, 유전학 등 다양한 분야에서 개발된 10여 가지 이상의 측정 방법들이 공통적으로 인과적 기본 요소를 통해 노이즈 감소에 민감하게 반응함으로써 인과적 상향 통합이 발생함을 보여줌으로써, 본 연구는 인과적 상향 통합이 특정 측정 방법에 국한되지 않고 복잡계 과학에서 일반적이고 과학적으로 검출 가능한 특성임을 입증한다.

ABSTRACT

Causal emergence is the theory that macroscales can reduce the noise in causal relationships, leading to stronger causes at the macroscale. First identified using the effective information and later the integrated information in model systems, causal emergence has been analyzed in real data across the sciences since. But is it simply a quirk of these original measures? To answer this question we examined over a dozen popular measures of causation, all independently developed and widely used, and spanning different fields from philosophy to statistics to psychology to genetics. All showed cases of causal emergence. This is because, we prove, measures of causation are based on a small set of related "causal primitives." This consilience of independently-developed measures of causation shows that macroscale causation is a general fact about causal relationships, is scientifically detectable, and is not a quirk of any particular measure of causation. This finding sets the science of emergence on firmer ground, opening the door for the detection of intrinsic scales of function in complex systems, as well as assisting with scientific modeling and experimental interventions.

연구 동기 및 목표

• 인과적 상향 통합이 일반적인 현상인지 특정 인과성 측정 방법에 국한된 것인지 규명하는 것.
• 다양한 조건에서 독립적으로 개발된 널리 사용되는 인과성 측정 방법들이 인과적 상향 통합을 보이는지 조사하는 것.
• 다양한 인과성 측정 방법들을 통합하는 데 기여하는 공통된 기초 원리인 '인과적 기본 요소'를 규명하는 것.
• 인과적 상향 통합이 다양한 분야에서 과학적으로 타당하고 검출 가능한 현상임을 확립하는 것.
• 노이즈 최소화 거시 척도를 통해 복잡계의 내재된 功能적 척도를 식별하는 기초를 마련하는 것.

제안 방법

• 다양한 과학 분야에서 널리 사용되는 10여 가지 이상의 독립적으로 개발된 인과성 측정 방법을 분석하였다.
• 각 측정 방법은 통제된 수준의 불확실성(낮은 결정론성, 높은 다의미성)을 가진 이분기계 모델 시스템에 적용되었다.
• 인과적 상향 통합은 미시 척도와 거시 척도에서의 인과력 값 비교를 통해 평가되었다.
• 대체가능한 조건에 대한 가정에 따라 변동하는 간섭 분포를 통해 인과적 상향 통합의 강인성을 시험하였다.
• 인과적 기본 요소인 충분성, 필수성, 결정론성, 다의미성의 개념을 사용하여 측정 방법의 이론적 기반을 통합하였다.
• 최대 엔트로피 전략과 최소 차이 전략 사이의 타협책으로 새로운 '국소 간섭' 접근 방식을 제안하였다.

실험 결과

연구 질문

• RQ1 인과적 상향 통합은 인과성의 일반적 특성인가, 아니면 효과적 정보나 통합 정보와 같은 특정 측정 방법에 국한된 것인가?
• RQ2 다른 과학 분야에서 독립적으로 개발된 인과성 측정 방법들이 동일한 조건에서 인과적 상향 통합을 보이는가?
• RQ3 인과성 측정 방법들이 인과적 상향 통합을 가능하게 하는 공통된 기초적 성질인 '인과적 기본 요소'는 무엇인가?
• RQ4 인과적 상향 통합은 간섭 분포와 모델 가정의 변화에 대해 얼마나 강인한가?
• RQ5 인과적 상향 통합은 복잡계 전반에 걸쳐 널리 퍼져 있고 과학적으로 검출 가능한 현상으로 간주될 수 있는가?

주요 결과

• 통계, 심리학, 유전학, 철학 등 다양한 분야에서 개발된 모든 분석된 인과성 측정 방법들이 높은 불확실성(낮은 결정론성, 높은 다의미성) 조건에서 인과적 상향 통합을 보였다.
• 다양한 간섭 분포에 걸쳐 인과적 상향 통합이 강인함을 확인하여, 이는 특정 대체가능한 조건에 대한 가정의 산물이 아님을 시사한다.
• 이 현상은 결정론성과 다의미성과 같은 '인과적 기본 요소'에 대한 공통된 민감도에 기반하며, 이는 인과 관계의 노이즈와 불확실성을 반영한다.
• 원래 인과적 상향 통합을 위한 측정 방법으로 사용된 효과적 정보는 본 연구에서 분석된 측정 방법들 중에서 가장 보수적인 탐지 성향을 보였다.
• 결정론적이며 시간에 대해 대칭적인 시스템에서는 인과적 상향 통합이 보장되지 않지만, 개방계이거나 본질적으로 불확실한 시스템에서는 흔히 발생하며, 과학적 모델링에서 일반적인 시스템 유형이다.
• 다양한 측정 방법 간의 공조는 인과적 상향 통합이 특정 형식적 체계의 특수성에 국한되지 않고 복잡계 과학에서 일반적이고 과학적으로 검출 가능한 특성임을 뒷받침한다.