कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन आपके पास केवल घटनास्थल पर छोड़े गए सुरागों का ढेर है। आपके पास कोई इकबालिया बयान, कोई वीडियो रिकॉर्डिंग या घटनाओं का समयक्रम (timeline) नहीं है। आपके पास बस सब कुछ जो हुआ उसका एक स्नैपशॉट है। आपका लक्ष्य? यह पता लगाना कि किसने क्या किया। क्या टूटी हुई खिड़की के कारण अलार्म बजा, या अलार्म बजने के कारण खिड़की टूटी? विज्ञान की दुनिया में, इसे कॉज़ल डिस्कवरी (causal discovery) कहा जाता है। यह उस छिपे हुए कारण-और-प्रभाव (cause-and-effect) के चक्र को समझने की कला है जो विभिन्न चीजों को आपस में जोड़ता है, जैसे कि एक वायरस कैसे फैलता है, शेयर बाजार क्यों गिरता है, या एक पौधे को बढ़ने के लिए क्या चाहिए।

पेचीदा हिस्सा यह है कि प्रकृति अक्सर "समय के तीर" (arrow of time) को छिपा देती है। यदि आप दो चीजों को एक साथ होते देखते हैं—जैसे जुलाई में आइसक्रीम की बिक्री और शार्क हमलों दोनों का बढ़ना—तो आप अनुमान लगा सकते हैं कि एक दूसरे का कारण है। लेकिन आमतौर पर, तीसरी चीज (गर्म मौसम) इन दोनों का कारण होती है। इसे हल करने के लिए, वैज्ञानिक गणित का उपयोग उन पैटर्न को खोजने के लिए करते हैं जो केवल तब दिखाई देते हैं जब एक चीज वास्तव में दूसरी को धकेलती है। लंबे समय तक, ये गणितीय तरकीबें चिकनी, निरंतर (continuous) चीजों जैसे तापमान या गति के लिए बहुत अच्छा काम करती थीं। लेकिन वास्तविक दुनिया "डिस्क्रीट" (discrete) चीजों से भरी है—श्रेणियाँ जैसे "हाँ/नहीं", "लाल/नीला/हरा", या "बीमार/स्वस्थ"। अब तक, कारण-और-प्रभाव खोजने के लिए सबसे अच्छे गणितीय उपकरण इन श्रेणियों को नहीं समझ पा रहे थे। वे एक ऐसे रिंच (wrench) की तरह थे जो केवल गोल नटों के लिए फिट बैठता था, जिससे वर्गाकार नट अछूते रह जाते थे।

यह शोध पत्र, जिसका शीर्षक "ऑर्डरिंग-बेस्ड कॉज़ल डिस्कवरी वाया जनरलाइज्ड स्कोर मैचिंग" है, एक नए रिंच के आविष्कार जैसा है जो वर्गाकार नटों में भी पूरी तरह फिट बैठता है। लेखकों ने, जो मोनाश यूनिवर्सिटी और CSIRO की एक टीम है, एक शक्तिशाली गणितीय विधि जिसे स्कोर मैचिंग (Score Matching) कहा जाता है, उसे डिस्क्रीट, श्रेणीगत डेटा (categorical data) के साथ काम करने के लिए सिखाया है। उनका बड़ा विचार घटनाओं के क्रम को खोजने के लिए "लीफ नोड्स" (leaf nodes) को ढूंढना है—जो श्रृंखला के बिल्कुल अंत में स्थित होते हैं और किसी और चीज का कारण नहीं बनते। एक पारिवारिक वृक्ष (family tree) की कल्पना करें जहाँ आप दादा-दादी से शुरू करते हैं और नीचे की ओर बढ़ते हैं। यह पेपर दिखाता है कि कैसे आप बिल्कुल नीचे (परपोतों) से शुरू करके ऊपर की ओर बढ़ सकते हैं, भले ही डेटा केवल श्रेणियों की एक सूची हो न कि संख्याएँ।

उन्होंने कंप्यूटर-जनरेटेड पहेलियों और वास्तविक दुनिया के डेटासेट, जैसे मेडिकल रिकॉर्ड और पारिस्थितिक मॉडल (ecological models) पर इस नई विधि का परीक्षण किया। परिणाम बताते हैं कि घटनाओं के क्रम को सही ढंग से पहचानकर, वे मौजूदा उपकरणों की सटीकता को काफी बढ़ा सकते हैं जो कारणों का पूरा नक्शा बनाने की कोशिश करते हैं। यह कोई जादू की छड़ी नहीं है जो हर रहस्य को तुरंत हल कर दे, लेकिन यह एक बड़ी प्रगति है, जो यह साबित करती है कि अब हम इन उन्नत गणितीय तरकीबों को अपने डिस्क्रीट, श्रेणीगत डेटा पर लागू कर सकते हैं जो हमारे दैनिक जीवन का एक बड़ा हिस्सा है।

जासूस का नया टूलकिट

तो, यह वास्तव में कैसे काम करता है? आइए इसे एक कहानी के माध्यम से समझते हैं।

कल्पना कीजिए कि आप नोट पास करने वाले लोगों से भरे एक कमरे में हैं। कुछ लोग नोट लिखते हैं और दूसरों को पास करते हैं; कुछ बस नोट प्राप्त करते हैं और रुक जाते हैं। आप यह नहीं देख सकते कि कौन किसे लिख रहा है, लेकिन आप नोटों का वह अंतिम ढेर देख सकते हैं जो हर कोई पकड़े हुए है। आपका काम यह पता लगाना है कि श्रृंखला किसने शुरू की और किसने इसे समाप्त किया।

डेटा की दुनिया में, "नोट्स" चर (variables) हैं (जैसे "धूम्रपान," "खांसी," या "फेफड़ों का कैंसर")। "श्रृंखला" एक डायरेक्टेड एसाइक्लिक ग्राफ (Directed Acyclic Graph - DAG) है। "डायरेक्टेड" का अर्थ है कि एक विशिष्ट दिशा है (कारण $\to$ प्रभाव), और "एसाइक्लिक" का अर्थ है कि आप एक लूप नहीं बना सकते जहाँ A के कारण B होता है, B के कारण C होता है, और C के कारण A होता है (यह एक टाइम-ट्रैवल विरोधाभास होगा!)।

वर्षों से, वैज्ञानिकों के पास एक शानदार उपकरण था जिसे स्कोर मैचिंग (Score Matching) कहा जाता है। "स्कोर" को खेल में मिलने वाले अंकों के रूप में नहीं, बल्कि इस माप के रूप में सोचें कि कोई सिस्टम किसी विशिष्ट डेटा से कितना "हैरान" (surprised) है। यदि आप खेल के नियम जानते हैं, तो आप हर संभावित परिणाम के लिए एक "स्कोर" की गणना कर सकते हैं। निरंतर डेटा (जैसे तापमान) में, यह स्कोर एक पहाड़ी पर ढलान की तरह होता है। यदि आप पहाड़ी के बिल्कुल शीर्ष (लीफ नोड) पर हैं, तो ढलान एक बहुत ही विशिष्ट, अनुमानित तरीके से व्यवहार करती है। इन ढलानों को देखकर, वैज्ञानिक यह पता लगा सकते थे कि श्रृंखला के अंत में कौन था (लीफ) और एक-एक करके उन्हें सूची से हटा सकते थे ताकि पूरा क्रम प्रकट हो सके।

समस्या: यह केवल चिकने, निरंतर डेटा के लिए काम करता था। यदि आपका डेटा डिस्क्रीट था—जैसे "लाल," "नीला," या "हरा"—तो "ढलान" या "डेरिवेटिव" (derivative) की अवधारणा विफल हो जाती है। आप किसी रंग की ढलान नहीं माप सकते! यह एक रैंप के लिए बने रूलर से सीढ़ी की ढलान मापने की कोशिश करने जैसा है। पुराने उपकरण "सीढ़ियों" को संभालने में सक्षम नहीं थे।

पेपर की बड़ी सफलता

इस पेपर के लेखकों ने एक सरल प्रश्न पूछा: क्या हम डिस्क्रीट डेटा के लिए "स्कोर" को फिर से आविष्कार कर सकते हैं?

उन्होंने कहा, "हाँ, लेकिन हमें खेल के नियम बदलने होंगे।" ढलानों को देखने के बजाय, उन्होंने रैंडमनेस (randomness - यादृच्छिकता) को देखा।

यहाँ उपमा है: कल्पना कीजिए कि टेलीफोन का एक खेल चल रहा है।

1. पैरेंट (Parent): कोई एक बहुत ही स्पष्ट, विशिष्ट संदेश के साथ शुरू करता है (कम रैंडमनेस)।
2. चाइल्ड (Child): वे इसे अगले व्यक्ति को फुसफुसाते हैं, लेकिन शायद वे थोड़ा लड़खड़ाते हैं, या अगला व्यक्ति शब्द को गलत सुन लेता है (थोड़ी सी शोर/रैंडमनेस जोड़ना)।
3. ग्रैंडचाइल्ड (Grandchild): संदेश को फिर से आगे बढ़ाया जाता है, जिससे और अधिक त्रुटियां जमा होती हैं।

एक कॉज़ल चेन में, "पैरेंट" वेरिएबल आमतौर पर अधिक व्यवस्थित और अनुमानित होता है। "चाइल्ड" वेरिएबल, जो पैरेंट और कुछ रैंडम नॉइज़ का परिणाम है, अधिक अराजक और अनिश्चित हो जाता है। लेखकों ने महसूस किया कि यदि आप डेटा की रैंडमनेस (या "फैलाव") को मापते हैं, तो श्रृंखला के बिल्कुल अंत में स्थित आइटम (लीफ) एक विशिष्ट गणितीय अर्थ में सबसे अधिक रैंडम या "फैले हुए" होने चाहिए।

उन्होंने रेसिप्रोकल डिस्क्रीट स्कोर (reciprocal discrete score) नामक चीज़ का उपयोग करके इसे मापने का एक नया तरीका पेश किया। ढलान के बजाय, उन्होंने देखा कि अन्य सभी चीजों के दिए जाने पर एक विशिष्ट श्रेणी की संभावना कितनी है। यदि कोई वेरिएबल एक "लीफ" है (वह किसी और चीज़ का कारण नहीं बनता है), तो उसकी रैंडमनेस एक विशेष पैटर्न का पालन करती है जो श्रृंखला के बीच के वेरिएबल्स से अलग होती है।

यह कैसे किया गया (द "लीफ हंटर")

पेपर क्रम खोजने के लिए एक चरण-दर-चरण प्रक्रिया प्रस्तावित करता है:

1. स्कोर का अनुमान लगाना: वे इन "स्कोरों" का अनुमान लगाने के लिए एक फैंसी AI मॉडल (एक कंटीन्यूअस-टाइम डिफ्यूजन मॉडल) का उपयोग करते हैं। यह एक रोबोट को कमरे में मौजूद हर नोट की संभावना समझने के लिए प्रशिक्षित करने जैसा है।
2. लीफ को खोजना: वे प्रत्येक वेरिएबल के लिए एक "रैंडमनेस स्कोर" की गणना करते हैं। जिस वेरिएबल का रैंडमनेस स्कोर (उनके विशिष्ट गणितीय नियम के अनुसार) सबसे अधिक होता है, उसे लीफ नोड के रूप में पहचाना जाता है—जो श्रृंखला के अंत में है।
3. छीलना और दोहराना (Peel and Repeat): एक बार जब वे एक लीफ को ढूंढ लेते हैं, तो वे उसे सूची से हटा देते हैं। अब, श्रृंखला का नया "अंत" सामने आ जाता है। वे इस प्रक्रिया को तब तक दोहराते हैं जब तक कि उनके पास पहले कारण से लेकर अंतिम प्रभाव तक का क्रम न हो जाए।

उन्होंने क्या पाया (और क्या नहीं)

लेखकों ने अपने इस नए तरीके को कई परीक्षणों के माध्यम से परखा:

• सिम्युलेटेड डेटा: उन्होंने हजारों नकली दुनिया बनाईं जिनमें रैंडम नियम थे ताकि यह देखा जा सके कि उनका गणित काम करता है या नहीं। उन्होंने 60 नोड्स (वेरिएबल्स) तक के ग्राफ और विभिन्न प्रकार के कनेक्शनों का परीक्षण किया।
• वास्तविक दुनिया का डेटा: उन्होंने छह वास्तविक डेटासेट पर इसका परीक्षण किया, जिसमें मेडिकल रिकॉर्ड (जैसे 11 वेरिएबल्स वाला "सैक्स" डेटासेट और 37 वेरिएबल्स वाला "अलार्म" डेटासेट) और पारिस्थितिक मॉडल शामिल थे।

परिणाम:
लगभग हर परीक्षण में, उनके नए ऑर्डरिंग मेथड का उपयोग करने से मौजूदा कॉज़ल डिस्कवरी टूल्स के प्रदर्शन में महत्वपूर्ण सुधार हुआ। जब उन्होंने यह ऑर्डरिंग मानक एल्गोरिदम (जैसे PC या GES) को दी, तो उन एल्गोरिदम ने कम गलतियाँ कीं।

• उन्होंने इसे F1 स्कोर (सटीकता का एक माप) और SID (यह मापने का एक तरीका कि ग्राफ हस्तक्षेप करने पर क्या होता है, इसका कितनी अच्छी तरह से अनुमान लगाता है) जैसे मेट्रिक्स का उपयोग करके मापा। उनके तरीके ने इन स्कोर में लगातार सुधार किया।
• उन्होंने पाया कि भले ही ऑर्डरिंग एकदम सटीक न हो, फिर भी यह अन्य टूल्स को सही उत्तर खोजने में मदद करने के लिए "काफी अच्छी" थी।

उन्होंने क्या खारिज किया:
पेपर सावधानी से यह बताता है कि उन्होंने क्या नहीं किया। उन्होंने यह दावा नहीं किया है कि उन्होंने सभी स्थितियों के लिए कॉज़ल डिस्कवरी की समस्या को हल कर दिया है।

• उन्होंने स्पष्ट रूप से कहा कि उनकी विधि एक विशिष्ट शर्त पर निर्भर करती है: कि जैसे-जैसे आप कॉज़ल चेन में नीचे जाते हैं, रैंडमनेस (अनिश्चितता) बढ़ती है। यदि वास्तविक दुनिया में एक अजीब स्थिति है जहाँ एक 'चाइल्ड' अपने 'पैरेंट' की तुलना में कम रैंडम है, तो यह विधि संघर्ष कर सकती है।
• उन्होंने यह दावा नहीं किया कि उनके पास एक ऐसी जादुई वस्तु है जो बिना किसी धारणा के काम करती है। कॉज़ल डिस्कवरी की तरह, इसे काम करने के लिए कुछ संरचना की आवश्यकता होती है।
• उन्होंने उल्लेख किया कि हालांकि गणित निरंतर (continuous) डेटा के लिए भी काम करता है, लेकिन उन्होंने डिस्क्रीट डेटा पर ध्यान केंद्रित किया क्योंकि वहीं पुराने उपकरण विफल हो रहे थे। उन्होंने यह दावा नहीं किया कि उन्होंने इस विशिष्ट कार्यान्वयन के साथ निरंतर मामले को हल कर दिया है।

निचोड़ (The Bottom Line)

यह पेपर एक पुल है। लंबे समय तक, "उन्नत कॉज़ल मैथ" और "डिस्क्रीट, श्रेणीगत डेटा" के बीच का पुल टूटा हुआ था। लेखकों ने इसके ऊपर एक नया रास्ता बनाया है। उन्होंने दिखाया कि ढलानों के बजाय रैंडमनेस को देखकर, हम उन डेटा में घटनाओं के क्रम को खोज सकते हैं जो श्रेणियों की सूचियों के रूप में दिखते हैं।

उन्होंने केवल यह नहीं कहा कि "यह काम कर सकता है।" उन्होंने नंबरों का परीक्षण किया, वास्तविक दुनिया की समस्याओं पर इसे आजमाया, और दिखाया कि यह वास्तव में अधिक सटीक कॉज़ल डिस्कवरी को मजबूत रूप से सक्षम (robustly enables) बनाता है। यह एक ऐसा उपकरण है जो वैज्ञानिकों और डेटा जासूसों को "किसने क्या किया" को सुलझाने में मदद करता है, जो हाँ/नहीं के जवाबों, लाल/नीले विकल्पों और बीमार/स्वस्थ अवस्थाओं से भरी दुनिया में काम आता है। यह हर रहस्य के लिए एक पूर्ण समाधान नहीं है (कोई भी एकल उपकरण नहीं है), लेकिन यह जासूस के किट में एक शक्तिशाली नया जोड़ है, जो यह साबित करता है कि हम अंततः अपने चारों ओर के बिखरे हुए, श्रेणीगत डेटा पर इन परिष्कृत गणितीय लेंसों को लागू कर सकते हैं।