Causal attribution by the chain rule: unifying natural selection, learning, economics, and other disciplines

1. El Problema

En diversas disciplinas científicas (biología evolutiva, economía, demografía, termodinámica e inteligencia artificial), existe una necesidad recurrente de descomponer el cambio observado en una variable de interés en componentes causales. Por ejemplo:

• ¿Cuánto del cambio en una característica se debe a la selección natural frente al cambio ambiental?
• ¿Cuánto de la brecha salarial entre grupos se debe a diferencias en características observables (como la educación) frente a diferencias en cómo se recompensan esas características (discriminación)?
• ¿Cómo se atribuye el éxito o fracaso a parámetros específicos en redes neuronales?

Aunque estas descomposiciones se realizan en campos dispares, a menudo se tratan como métodos aislados. El problema central que aborda el artículo es la falta de reconocimiento de que todas estas metodologías comparten una estructura algebraica fundamental común basada en la regla de la cadena aplicada a diferencias finitas, y cómo esta estructura subyace a la interpretación causal moderna (análisis contrafactual).

2. Metodología

El autor utiliza un enfoque de deducción matemática algebraica desde primeros principios para unificar estos campos:

• Regla del Producto para Diferencias Finitas: El núcleo metodológico es la identidad algebraica para la diferencia de un producto. Si $z = b \cdot x$, la diferencia $\Delta z$ se expresa como:
  $$\Delta z = b \Delta x + x' \Delta b$$
  Donde $x'$ es el valor de $x$ en el contexto cambiado. Esta fórmula divide el cambio total en dos términos: uno que mide el cambio en $x$ manteniendo $b$ constante, y otro que mide el cambio en $b$ multiplicado por el nuevo valor de $x$.

• Generalización a Regresiones: El autor extiende esta identidad a modelos de regresión lineal donde una variable $z$ depende de un vector de predictores $\mathbf{x}$ ponderados por coeficientes de regresión parcial $\mathbf{b}$. La diferencia en la media de $z$ ($\Delta \bar{z}$) se descompone en:
  $$\Delta \bar{z} = \mathbf{b} \cdot \Delta \bar{\mathbf{x}} + \bar{\mathbf{x}}' \cdot \Delta \mathbf{b}$$

  • Término 1: Cambio en los predictores (frecuencias/valores) manteniendo constantes los coeficientes (efectos).
  • Término 2: Cambio en los coeficientes (contexto/relaciones) evaluado en los nuevos valores de los predictores.

• Interpretación Contrafactual: El artículo argumenta que la causalidad no es inherente a la fórmula, sino que surge de la interpretación de qué se mantiene fijo en el contrafactual. La fórmula es puramente descriptiva; la asignación de "crédito causal" depende de qué variable se considera la causa directa y cuál el contexto.

3. Contribuciones Clave

El artículo presenta tres contribuciones principales:

1. Unificación Algebraica: Demuestra que resultados fundamentales en múltiples disciplinas se reducen a la misma regla del producto para diferencias finitas:

   • Biología: El Teorema Fundamental de la Selección Natural de Fisher y la Ecuación de Price.
   • Economía: La descomposición de Oaxaca-Blinder de diferencias salariales.
   • Demografía: La descomposición de Kitagawa de diferencias en tasas de mortalidad.
   • Termodinámica: Descomposiciones de cambios en ensambles termodinámicos.

2. Origen de la Causalidad Contrafactual: Muestra cómo el análisis causal moderno (basado en intervenciones o "what-if") emerge naturalmente de la regla de la cadena. Al fijar un conjunto de parámetros (como los coeficientes de regresión) y permitir que otros cambien, se aísla el efecto causal directo de un factor específico, anticipando décadas antes las formalizaciones modernas de Pearl (operador do).

3. Conexión entre Selección Natural y Aprendizaje Automático: Identifica que tanto la selección natural como el aprendizaje por retropropagación (backpropagation) en IA utilizan la misma lógica de atribución causal. Ambos procesos "retropropagan" el éxito o fracaso a través de una cadena de dependencias para actualizar los parámetros subyacentes (frecuencias génicas o pesos de la red neuronal), utilizando una aproximación lineal (regla de la cadena) para navegar en sistemas no lineales complejos.

4. Resultados

• Teorema de Fisher: Se reinterpreta el teorema de Fisher no como una ley sobre la evolución total de la aptitud media, sino como una descomposición causal que aísla la fuerza directa de la selección natural (cambio en frecuencias génicas $\Delta p$) manteniendo constantes los efectos promedio de los genes ($\mathbf{b}$). El segundo término captura los cambios en el contexto genético y ambiental.
• Descomposición de Oaxaca-Blinder: Se confirma que la brecha salarial se descompone matemáticamente de la misma manera. Mientras Fisher se enfocaba en el primer término (cambio en frecuencias), los economistas a menudo se enfocan en el segundo término (cambio en coeficientes) para detectar discriminación no observable.
• Equivalencia Termodinámica: Se demuestra que la descomposición de cambios en distribuciones de probabilidad en termodinámica es idéntica a la ecuación de Price y a la descomposición de regresión.
• Mecanismo de Aprendizaje: Se establece que la optimización en IA (descenso de gradiente) y la evolución biológica son análogos: ambos utilizan la regla de la cadena para asignar crédito causal a componentes individuales dentro de un sistema complejo, permitiendo la mejora iterativa del diseño (genes o parámetros).

5. Significado e Implicaciones

• Simplicidad Subyacente: Revela que métodos analíticos complejos y aparentemente dispares en ciencias naturales y sociales comparten una base matemática elemental: la regla de la cadena aplicada a productos finitos.
• Claridad Conceptual: Ayuda a resolver disputas históricas (como las interpretaciones de Fisher) al mostrar que las diferencias surgen de la elección del contrafactual (qué se mantiene fijo) y no de errores matemáticos.
• Puente Interdisciplinario: Proporciona un lenguaje común para biólogos evolutivos, economistas, demógrafos e ingenieros de IA, permitiendo transferir intuiciones sobre causalidad y optimización entre campos.
• Fundamento de la Causalidad: Sugiere que la atribución causal en sistemas complejos a menudo depende de la capacidad de aislar efectos pariales mediante la fijación de contextos, una estrategia que es fundamental tanto para la evolución de la vida como para el desarrollo de la inteligencia artificial.

En resumen, el artículo demuestra que la "magia" de la selección natural y el aprendizaje automático reside en la aplicación sistemática de una identidad algebraica simple para descomponer el cambio y atribuir causas, unificando así la comprensión de cómo la naturaleza y la ingeniería aprenden y se adaptan.