"Cause" is Mechanistic Narrative within Scientific Domains: An Ordinary Language Philosophical Critique of "Causal Machine Learning"
تنتقد هذه الورقة فرضية "تعلم الآلة السببي" من خلال تطبيق فلسفة اللغة العادية للمرافعة بأن السببية الحقيقية هي في جوهرها ميكانيكية، مؤكدة أن الادعاءات السببية الحاسمة لا تكون صالحة إلا في المجالات ذات النماذج الميكانيكية الكاملة (مثل الفيزياء) وتتطلب أدلة متراكمة عبر التخصصات للأنظمة المعقدة (مثل البيولوجيا والعلوم الاجتماعية)، مما يحث على توخي مزيد من الحذر ضد المبالغة في اليقين السببي في البحث العلمي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
لعبة المحقق العظيم: لماذا لا يعد "السبب" شيئاً واحداً فقط
تخيل أنك محقق تحاول حل لغز ما. في عالم العلوم والحواسيب، هناك توجه ضخم حالياً يسمى "تعلم الآلة السببي" (Causal Machine Learning). الأمر يشبه إعطاء حاسوب فائق الذكاء عدسة مكبرة وسؤاله عن السبب الحقيقي وراء حدوث الأشياء، بدلاً من مجرد ملاحظة أن شيئين يحدثان غالباً في نفس الوقت. على سبيل المثال، مجرد كون مبيعات الآيس كريم وهجمات القروش يرتفعان في شهر يوليو لا يعني أن الآيس كريم يسبب هجمات القروش؛ بل كلاهما ناتج عن حرارة الصيف. إن العثور على هذا "السبب الحقيقي" هو الهدف الأسمى للعلم لأنه يساعدنا في إصلاح المشكلات، وعلاج الأمراض، وبناء تكنولوجيا أفضل.
لكن الجزء الصعب هنا هو: ماذا يعني "السبب" فعلياً؟ في مختبر الفيزياء، "السبب" يشبه كرة بلياردو تصطدم بأخرى؛ إنه دفع رياضي دقيق ومحدد. في المستشفى، قد يكون "السبب" سلسلة معقدة من الأحداث التي تشمل جيناتك، ونظامك الغذائي، وبيئتك. وفي المدينة، قد يكون "السبب" قصة حول كيف غير قانون جديد سلوك الناس. السؤال الكبير الذي يطرحه البحث الذي نحن بصدد استكشافه هو: هل يمكننا استخدام نفس الأدوات الحاسوبية لإيجاد الأسباب في كل هذه العوالم المختلفة؟ يجادل المؤلفون، وهم فريق من الباحثين، بأن الإجابة هي "لا" مدوية. هم يقترحون أن محاولة فرض صيغة حاسوبية واحدة لتفسير كل شيء تشبه محاولة استخدام مطرقة لإصلاح ساعة، وطلاء لوحة، وخبز كعكة في آن واحد. قد تنجح مع المطرقة، لكنك ستكسر الساعة وتفسد الكعكة.
الفكرة الكبرى للبحث: المقاس الواحد لا يناسب الجميع
هذا البحث هو قصة تحقيق فلسفية تبحث في كلمة "سبب". يستخدم المؤلفون منهجاً يسمى "فلسفة اللغة العادية"، وهي ببساطة طريقة منمقة لقول: "دعونا ننظر إلى كيفية استخدام الناس للكلمات في الحياة الواقعية". ويجادلون بأن كلمة "سبب" يتغير معناها اعتماداً على أي "قبيلة" من العلماء تتحدث إليها.
قبيلة الفيزياء: الآلة المثالية
في الفيزياء والهندسة، العالم يشبه ساعة ضخمة مبنية بإتقان. إذا كنت تعرف التروس (المعادلات) ودفعت أحدها (السبب)، يمكنك حساب مكان ذهاب التروس الأخرى بدقة (الأثر). هنا، "السبب" هو قوة رياضية. إذا أسقطت صخرة، فإن الجاذبية تسحبها للأسفل. الرياضيات تصف القصة بأكملها بشكل مثالي. في هذا العالم، يمكن للنماذج الحاسوبية التي تبحث عن الأنماط في البيانات أن تجد "السبب" لأن النظام مغلق والقواعد معروفة.
قبيلة البيولوجيا: الغابة الفوضوية
الآن، انتقل إلى علم الأحياء والطب. العالم هنا يشبه غابة برية. إنه "نظام مفتوح"، مما يعني أن الأشياء تتفاعل باستمرار مع العالم الخار_ي بطرق لا يمكننا قياسها بالكامل. جسم الإنسان معقد للغاية بحيث لا يمكنك كتابة معادلة رياضية واحدة تشرح كل خلية، وكل مادة كيميائية، وكل فكرة. يقول المؤلفون إنه في البيولوجيا، لا يمكنك مجرد النظر إلى رسم بياني وقول "أ تسبب ب". بدلاً من ذلك، عليك بناء "سردية". أنت بحاجة لدمج القرائن الإحصائية (مثل البيانات من تجربة سريرية) مع قصة حول كيفية عمل الشيء (مثل كيف يسد الدواء الشرايين). أنت بحاجة لأدلة من زوايا مختلفة لتكون متأكداً.
قبيلة العلوم الاجتماعية: رواة القصص
أخيراً، هناك العلوم الاجتماعية (مثل علم النفس، والاقتصاد، وعلم الاجتماع). هنا تصبح الأمور معقدة حقاً. البشر فوضويون، وغير متوقعين، ومليئون بالقصص. يجادل المؤلفون بأنه في هذه المجالات، غالباً ما يكون "السبب" عبارة عن قصة تساعدنا على فهم أنفسنا. على سبيل المثال، قد يساعد المعالج مريضه من خلال سرد قصة عن كيف شكل ماضيه حاضره. هذه القصة ليست معادلة رياضية، لكنها "حقيقية" بطريقة تساعد الشخص على الشعور بالتحسن والتصرف بشكل مختلف. يشير المؤلفون إلى أن العلوم الاجتماعية تعاني حالياً لأنها تحاول التصرف مثل الفيزياء، باستخدام رياضيات صارمة لإثبات أشياء تتعلق في الواقع بالمعنى البشري والتفسير.
مشكلة "تعلم الآلة السببي"
يأخذ البحث نظرة فاحصة على التوجه الجديد لـ "تعلم الآلة السببي". هذه برامج حاسوبية تحاول رسم خريطة (رسم بياني) توضح كيفية اتصال المتغيرات ببعضها. وهي تستخدم قواعد مثل "إذا حدث أ قبل ب، وكان بينهما ارتباط، فإن أ يسبب ب".
يقول المؤلفون إن هذا النهج خطير لأنه يفترض أن العالم آلة مغلقة ومثالية (مثل الفيزياء) بينما هو في كثير من الأحيان نظام مفتوح وفوضوي (مثل البيولوجيا أو المجتمع). ويشيرون إلى أن هذه النماذج الحاسوبية غالباً ما تفشل في العالم الحقيقي لأنها لا تستطيع مراعاة جميع العوامل الخفية (مثل مزاجك، أو تاريخك، أو الطقس) التي تؤثر على النتيجة.
يجادل البحث صراحةً ضد فكرة أن الحاسوب يمكنه النظر إلى مجموعة بيانات والقول بشكل قاطع: "هذا هو السبب". ويقولون إنه ما لم يكن الحاسوب يعمل في مختبر فيزياء مغلق حيث القواعد معروفة، فإن هذه النماذج ليست سوى تخمينات. إنها "مفرطة في الثقة". يحذر المؤلفون من أننا إذا وثقنا في هذه الخرائط الحاسوبية أكثر من اللازم، فقد نتخذ قرارات سيئة في الطب أو السياسة لأن الحاسوب أغفل الأجزاء البشرية الفوضوية من القصة.
الحل: فريق من المحققين
إذن، ما هو الجواب؟ يقترح المؤلفون أننا بحاجة لأن نكون أكثر تواضعاً. بدلاً من الاعتماد على نموذج حاسوبي واحد ليخبرنا بالحقيقة، نحتاج لجمع الأدلة من كل مكان.
تخيل أنك تحاول معرفة سبب موت غابة ما.
- الفيزيائي ينظر إلى معادلات كيمياء التربة.
- البيولوجي ينظر إلى الحشرات والأشجار.
- عالم الاجتماع ينظر إلى كيفية استخدام السكان المحليين للأرض.
- راوي القصص يستمع إلى كبار السن حول ما كانت تعنيه الغابة بالنسبة لهم.
يقترح البحث أن "السبب" لا يكون حقيقياً إلا عندما تتفق كل هذه المنظورات المختلفة. وهذا ما يسمى "رجحان الأدلة" (Preponderance of evidence). الأمر لا يتعلق ببرهان رياضي واحد مثالي؛ بل يتعلق بجوقة من الأصوات المختلفة التي تروي القصة نفسها.
بالنسبة للمستقبل، يقترح المؤلفون أنه يجب علينا التوقف عن محاولة إجبار الحواسيب على أن تكون الحكام النهائيين للسبب والنتيجة. بدلاً من ذلك، يجب أن نستخدم الحواسيب كأدوات لمساعدتنا في رؤية الأنماط، ولكن يجب علينا دائماً فحص تلك الأنماط مقابل القصص الواقعية والمعرفة الخبيرة. هم يقترحون طريقة جديدة للتفكير تسمى "الهيرمينوطيقا" (Hermeneutics)، أو فن التأويل. وهي تعني إدراك أن "الحقيقة" أحياناً ليست رقماً؛ بل هي قصة منطقية بالنسبة للناس.
الخلاصة
النتيجة الرئيسية لهذا البحث هي أن "السبب" ليس شيئاً واحداً. إنه يتغير شكله اعتماداً على ما إذا كنت تدرس صخرة تسقط، أو قلباً ينبض، أو عقلاً بشرياً. يرى المؤلفون أن الحماس الحالي تجاه "الذكاء الاصطناعي السببي" هو فخ نوعاً ما؛ فهو يحاول استخدام أداة بسيطة وصلبة لحل مشكلات معقدة وفوضوية.
هم لا يقولون إن علينا التوقف عن استخدام الحواسيب. بدلاً من ذلك، يقولون إن علينا استخدامها بحذر. نحن بحاجة لاحترام الاختلافات بين العلوم. في الفيزياء، الرياضيات هي الملك. في البيولوجيا، نحتاج لمزيء من الرياضيات والآليات. وفي العلوم الاجتماعية، نحتاج للرياضيات، والقصص، والفهم البشري، جميعها تعمل معاً.
يختتم البحث بدعوة لـ "الفضيلة الإبستمية" (Epistemic Virtue)، وهي طريقة منمقة لقول "الأمانة الفكرية". إنه يطلب من العلماء ومطوري الذكاء الاصطناعي الاعتراف عندما لا يعرفون شيئاً على وجه اليقين. بدلاً من الصراخ: "لقد وجدنا السبب!"، يجب أن يقولوا: "هذا نمط يشير إلى احتمالية ما، ولكن دعونا ننظر إلى القصة الكاملة قبل أن نقرر". إنه تذكير بأنه في عالم معقد، ليست أقوى أداة لدينا هي الحاسوب الخارق؛ بل هي القدرة على الاستماع إلى أنواع مختلفة من القصص ونسجها معاً في حقيقة منطقية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.