[论文解读] What caused what? An irreducible account of actual causation.

Larissa Albantakis, William Marshall+2 more|arXiv (Cornell University)|Aug 22, 2017

Bayesian Modeling and Causal Inference参考文献 24被引用 9

一句话总结

本文提出一个形式化框架，通过在所有可能的状态转移中应用反事实分析，结合系统操控与划分，识别离散动力系统中的实际原因与结果，满足核心因果原则。该框架基于组合、整合与排除的原理，采用信息论方法，量化因果强度，并解决经典因果悖论。

ABSTRACT

Actual causation is concerned with the question what caused what?. Consider a transition between two subsequent observations within a system of elements. Even under perfect knowledge of the system, a straightforward answer to this question may not be available. Counterfactual accounts of actual causation based on graphical models, paired with system interventions, have demonstrated initial success in addressing specific problem cases. We present a formal account of actual causation, applicable to discrete dynamical systems of interacting elements, that considers all counterfactual states of a state transition from t-1 to t. Within such a transition, causal links are considered from two complementary points of view: we can ask if any occurrence at time t has an actual cause at t-1, but also if any occurrence at time t-1 has an actual effect at t. We address the problem of identifying such actual causes and actual effects in a principled manner by starting from a set of basic requirements for causation (existence, composition, information, integration, and exclusion). We present a formal framework to implement these requirements based on system manipulations and partitions. This framework is used to provide a complete causal account of the transition by identifying and quantifying the strength of all actual causes and effects linking two occurrences. Finally, we examine several exemplary cases and paradoxes of causation and show that they can be illuminated by the proposed framework for quantifying actual causation.

研究动机与目标

• 解决在完全掌握系统知识的前提下，离散动力系统中‘什么导致了什么’这一根本问题。
• 解决即使在完全了解系统的情况下仍可能出现的实际因果模糊性。
• 基于核心要求（存在性、组合性、信息性、整合性与排除性）建立一个原则化、形式化的因果理论。
• 通过识别并量化所有实际原因与结果，为状态转移提供完整的因果解释。

提出的方法

• 该框架评估从时间 t-1 到 t 的所有状态转移的反事实状态，同时考虑 t-1 的原因与 t 的结果。
• 通过系统操控模拟干预，评估反事实结果。
• 利用系统的划分来测试因果相关性，并隔离最小贡献要素。
• 基于系统划分与操控，使用信息论度量量化因果强度。
• 通过识别最小充分原因集，强制实施排除原则。
• 将五个核心因果原则整合为统一的形式化体系，适用于任何离散动力系统。

实验结果

研究问题

• RQ1 在已知所有系统细节的情况下，离散动力系统中的实际原因应如何界定？
• RQ2 如何区分实际原因与单纯的相关性或背景条件？
• RQ3 如何以原则化且信息论的方式量化实际因果关系的强度？
• RQ4 该框架如何解决如预置或过度决定等著名因果悖论？
• RQ5 该框架能否以对称、双向的方式在状态转移中识别原因与结果？

主要发现

• 该框架通过评估所有反事实状态，成功识别并量化了状态转移中的所有实际原因与结果。
• 它提供了一个完整的因果解释，满足五个核心原则：存在性、组合性、信息性、整合性与排除性。
• 通过依赖系统操控与划分，该方法解决了如预置与过度决定等因果悖论。
• 因果强度通过基于干预与划分的信息论度量得到形式化量化。
• 该方法揭示了因果分析可从两个方向进行——即在 t-1 的原因与 t 的结果——均在同一个形式化框架内实现。
• 该框架表明，实际因果关系不能仅还原为结构方程，而需要更丰富的基于反事实与划分的分析。