Почему - Саманта Клейнберг (2017)

Это похоже на ситуацию, когда вы нажимаете кнопку на пешеходном переходе: при этом не похоже, что сигнал светофора меняется быстрее. Причина, по которой сложно определить наличие каузальной взаимосвязи, состоит в том, что задержка между нажатием кнопки и сменой сигнала светофора сильно варьируется. Эксперименты со сменой последовательности запаздываний показали, что статичные отставания между причиной и следствием (например, треугольник всегда появляется на экране точно через 4 секунды после нажатия клавиши или отставание варьируется от 2 до 6 секунд) повышают вероятность определения причинной связи, а усиление изменчивости задержек ее понижает[152].

Как подсказывает интуиция, если запаздывание остается в узком диапазоне средних значений, довольно правдоподобно, что небольшие вариации других факторов или даже отставание наблюдения способны это объяснить. С другой стороны, при сильной изменчивости временного паттерна может существовать более одного механизма, посредством которого причина вызывает следствие. Например, если побочные эффекты лекарства проявляются в интервале от 1 дня до 10 лет после его приема, то с большей достоверностью присутствует иной фактор, влияющий на временной паттерн, – ускорение или задержка следствия. Это называется смешанным следствием.

Направленность времени

Скажем, подруга утверждает, что новое лекарство помогло ей справиться с аллергией. Если она убедительно расскажет, как препарат помог остановить выделения из носа, что вы подумаете о последовательности таких событий, как прием таблеток и прекращение симптомов аллергии? На основании этой взаимосвязи вы, вероятно, решите, что сначала подруга приняла лекарство, а затем проблема была устранена. Действительно, временной паттерн помогает обнаружить причины, а тесная связь между ними также заставляет делать вывод о времени из каузальных зависимостей. Ряд исследований показал, что знание о причинах может влиять на наше восприятие временного интервала между двумя событиями[153] и даже их последовательности[154].

Одна из проблем заключается в том, что два события могут казаться происходящими одновременно лишь в силу детальности измерений или нашей ограниченной наблюдательности. Например, в микроматричном анализе одномоментно измеряется деятельность тысяч генов, причем уровни такой активности обычно замеряются регулярно, скажем, раз в час. При анализе данных может показаться, что два гена показывают одинаковый паттерн активности (бывают одновременно сверхэкспрессированы и неэкспрессированы), даже если один из них, с повышенным уровнем экспрессии, вызывает аналогичное состояние у другого. И все-таки, не видя последовательности событий и не имея базового знания, согласно которому один ген обязательно проявляется в действии прежде второго, все, что можно утверждать, – это что их уровни экспрессии коррелируют, а не что один регулирует действие другого.

Точно так же в медицинские карты пациентов сведения не заносятся ежедневно: скорее, они формируют серию временных точек с нерегулярными пространственными промежутками (данные регистрируются, только когда люди обращаются за врачебной помощью). Таким образом, видно, что в некую конкретную дату пациент принимает лекарство, которое проявляет побочные эффекты; однако мы знаем только, что оба эти фактора присутствуют, но не можем быть уверены, что пациент сначала принял лекарство и именно оно стало потенциальной причиной побочного эффекта. В долгосрочных когортных[155] исследованиях опрос отдельных лиц может проводиться всего раз в год. Таким образом, если окружающие условия или иные факторы оказывают влияние на более коротком временном горизонте, подобная последовательность ими не охватывается (а значит, события могут оцениваться объективно). Во многих случаях любое событие может наступить первым с высокой правдоподобностью, и их совместное наступление не обязательно предполагает определенное направление причинности.