[论文解读] Responsibility and blame: a structural-model approach

Hana Chockler, Joseph Y. Halpern|ArXiv.org|Dec 17, 2003

Epistemology, Ethics, and Metaphysics参考文献 19被引用 20

一句话总结

本文通过引入一个定量的责任度量标准，将结构模型方法扩展至因果关系领域。该度量标准定义为 1/(N+1)，其中 N 是使某一事件成为关键原因所需的最少干预次数。此外，本文将‘责备’定义为在个体认知状态下的责任度期望值，从而在道德和法律推理中实现更精细的区分——例如，在接近胜负的选举与压倒性胜利的选举中责任程度不同，或在存在多个潜在原因的情况下实现责任区分。

ABSTRACT

Causality is typically treated an all-or-nothing concept; either A is a cause of B or it is not. We extend the definition of causality introduced by Halpern and Pearl [2001] to take into account the degree of responsibility of A for B. For example, if someone wins an election 11--0, then each person who votes for him is less responsible for the victory than if he had won 6--5. We then define a notion of degree of blame, which takes into account an agent's epistemic state. Roughly speaking, the degree of blame of A for B is the expected degree of responsibility of A for B, taken over the epistemic state of an agent.

研究动机与目标

• 为解决传统因果关系中非此即彼的局限性，引入一种分级的责任度量标准。
• 形式化直观认知：在接近胜负的选举中，单个选票的责任度高于压倒性胜利的结果。
• 将个体的认知状态纳入‘责备’概念，定义为责任度的期望值。
• 提供一个正式框架，用于分析法律与道德责任，以反映不确定性及潜在替代情形。
• 澄清复杂情境下因果关系、责任与责备之间的区别，如共同责任或先行阻止情形。

提出的方法

• 将 Halpern-Pearl 的结构方程模型扩展，定义责任度为 1/(N+1)，其中 N 是使某一事件在反事实意义上成为关键原因所需的最少干预次数。
• 应用‘情境’概念，评估在世界其他配置下事件是否成为原因。
• 将责备定义为在个体认知状态上对责任度的期望值，纳入对世界状态的不确定性。
• 使用结构方程建模因果依赖关系，并形式化干预下的反事实依赖性。
• 通过引入可变权重，推广责任度量，允许加权贡献（例如，900磅垃圾与100磅垃圾）。
• 将该框架应用于法律与道德情境，如共同责任与先行阻止，以检验其与法律教义的一致性。

实验结果

研究问题

• RQ1 我们如何正式量化某一事件对另一事件的责任程度，以超越‘是原因’或‘不是原因’的二元判断？
• RQ2 其他潜在原因的存在如何影响个体的责任程度？
• RQ3 如何利用个体的认知状态计算更精细的责备概念？
• RQ4 所提出的框架在多大程度上与标准法律教义（如共同责任与分别责任）保持一致或产生分歧？
• RQ5 该框架能否区分那些责任相等但责备直觉不同的案例（例如，100比99与1比0的选举）？

主要发现

• 在 11–0 的选举中，每位获胜方的选民责任度为 1/6，反映出需改变五个其他选票才能使其选票成为关键因素。
• 在 5–4 的选举中，每位获胜方的选民责任度为 1，因为其选票在实际结果中具有关键作用。
• 在苏茜与比利投石子的例子中，苏茜的责任度为 1/2，比利为 0，反映出若苏茜未先投掷，比利的投掷不会导致瓶子破碎。
• 当瓶子需要两颗石头才能破碎时，苏茜与比利的责任度均为 1，因为两者对结果均属必要。
• 该框架可通过为变量分配不同权重，实现加权责任，使得 900 磅垃圾倾倒者比 100 磅倾倒者具有更高的责任度，即使两者均为关键因素。
• 责备被定义为在个体认知状态上对责任度的期望值，即使责任度很高，若个体缺乏对后果的认知，责备度也可能很低。