Саманта Клейнберг - Почему

Когда вероятность меняется после наступления события, становится высокой и остается такой, пока не случится следствие, говорят, что следствие произошло из-за причины. Наоборот, если вероятность события падает после наступления события, тогда следствие происходит, несмотря на событие [333]. Трудности, характерные для этого подхода, имеют в основном практическую природу, поскольку, к примеру, непросто выяснить вероятность попадания мяча в лунку на каждой точке его траектории.

Какими возможностями мы располагаем, чтобы протестировать контрфактуальные рассуждения? Как узнать, насколько изменилась вероятность со временем?

Одно из ограничений в целом многообещающих философских теорий состоит в том, что они, реально учитывая разницу между типом и токеном, требуют наличия порой невозможного количества информации о рассматриваемой ситуации. Да, хорошо знать, что в некий момент времени вероятность попадания мяча в лунку для гольфа составляла 0,5, а после удара по мячу возросла до 0,7. Но откуда взять такие данные?

Один из способов решения проблемы – построение модели интересующей нас системы. Взяв за основу простые законы физики и допущения о скорости ветра и вероятностях прочих действующих факторов, можно предсказать физическую траекторию мяча для гольфа до и после удара. Поскольку исход бывает не детерминирован, можно смоделировать ситуации для каждого положения мяча и рассчитать, как часто он будет оказываться в лунке с конкретной точки.

Чем дальше мяч, тем выше шансы на то, что ветер или еще какое-то неожиданное событие изменит его курс, а чем ближе он будет продвигаться к лунке, тем сильнее должно быть изменение, отклоняющее от цели. Контрфактуальный подход позволяет моделировать разнообразные Вселенные и разрабатывать количественные меры, чтобы оценить, насколько одна Вселенная подобна другой и насколько вероятно следствие без причины.

В сфере медицины мы, как правило, не располагаем достаточным объемом информации, чтобы достоверно смоделировать возможные варианты течения болезни. Однако мы способны взять за основу данные временн ы х рядов других пациентов. Скажем, нужно знать, действительно ли пациент с пневмонией останется в живых через две недели после постановки диагноза, потому что ему давали антибиотики (то есть наша задача – определить, можно ли этими препаратами объяснить выздоровление). Тогда до начала терапии собираем все доступные сведения о больном, находим людей с похожими историями болезни и вычисляем процент выживаемости на двухнедельном временн о м отрезке. Теперь мы можем увидеть, как изменилась вероятность выживания после приема антибиотиков, рассмотрев только пациентов из первичной группы, получавших это лечение. По прошествии времени сужаем выборку участников, которую брали для сравнения, точно так же, как сужали выборку траекторий мяча для гольфа (когда он достигает определенного положения, учитываем только траектории, начинающиеся с этой точки).

Определение причин уровня типа на основании данных всегда было важной областью исследований в информатике, но методам автоматизации процесса объяснений уделялось гораздо меньше внимания [334]. Эта проблема меньше поддавалась автоматизированным решениям, чем причинно-следственные заключения, частично из-за трудностей перевода таких подходов, как контрфактуальный, в инструкции, доступные для реализации машиной. Чтобы создать программу, которая усвоит некоторую информацию о ситуации и скажет, какова причина соответствующего исхода, нужно закодировать процесс объяснения в виде последовательности шагов, которые не требуют суждений или мнений.

Вторая ключевая проблема – как оценить подобные системы. Чтобы знать, работает ли алгоритм, необходимо сравнить его результат с правильными ответами. Но в конкретной причинности верный ответ ясен не всегда. Проблема становится особенно острой, если нужно провести оценку метода, определяющего вклад различных факторов в исход ситуации, к примеру выявить относительную ответственность двух отдельных факторов риска за болезнь пациента.

Эта книга начиналась примером того, как неверное использование вероятностей и неспособность понять суть причинности привела к ошибочному приговору Салли Кларк. Но если абстрагироваться от некачественной статистики – как же вышло, что апелляционные суды выносят разные решения, а присяжные, имея в распоряжении одни и те же доказательства, неделями не могут прийти к единому мнению?

Понимание причинности в области закона [335], в особенности того, как судьи делают заключения, поможет лучше оценивать доказательства в иных сферах. Это тот самый случай, когда люди стараются управиться с огромными объемами потенциально сложной и противоречивой информации, где есть не одна причина для одного следствия, но целая история причинно-следственных связей, а информация имеет жесткие внутренние соотношения (одно ложное заявление свидетеля может привести к тому, что другие его слова потеряют вес).

Согласно ряду философских теорий, определенные случаи просто нельзя разрешить – например, если событие сверхдетерминировано. Но это утверждение неприемлемо в области закона, где урегулирование ситуации обязательно. В случае когда человек подвергался одновременному воздействию асбеста и сигаретного дыма, мы не можем просто воздерживаться от определения пропорции. Здесь каждый из факторов риска ответственен за болезнь легких у пострадавшего. Если он требует компенсацию, нужно найти какой-то способ разделить вину между сторонами.

В медицине или исторической науке эксперты применяют навыки, наработанные обширным опытом и подготовкой, объясняя необычные симптомы пациента или узнавая, что вызвало к жизни политическое движение в конкретный момент времени. Нашу же ситуацию делает особо интересной то, что члены жюри присяжных никак не эксперты в области юриспруденции или специфике рассматриваемых дел. Для сравнения: они оценивают свидетельства из области медицины и экологии, чтобы определить, необычен ли набор онкологических диагнозов или действительно ли эти ДНК уникально идентифицируют подозреваемого, – при том что они не онкологи и не генетики. Цепь их логики очень похожа на наши обыденные суждения, когда ради достижения практических целей мы должны искать объяснения, не обязательно обладая глубокими знаниями в соответствующей области.

Скажем, водитель вовремя не нажал на тормоза, и его авто столкнулось с другой машиной. Но он не знал, что тормоза автомобиля неисправны, так что, даже если бы и попытался их задействовать, все равно не смог бы вовремя остановиться. Этот часто используемый пример взят из материалов реального судебного разбирательства, когда фирма по аренде автомашин должным образом не провела техническое обслуживание и не проверила работоспособность тормозов [336].