कल्पना कीजिए कि आप एक जासूस हैं जो एक हलचल भरे, अराजक शहर में एक रहस्य सुलझाने की कोशिश कर रहे हैं। आपके पास रिकॉर्ड्स से भरी एक नोटबुक है: ट्रैफिक लाइट कब लाल होती है, कॉफी शॉप्स कब खुलती हैं, पक्षी कब चहचहाना शुरू करते हैं, और बारिश कब होती है। आपका लक्ष्य यह पता लगाना है कि क्या चीज़ क्या उत्पन्न करती है। क्या बारिश पक्षियों को चहचहाने पर मजबूर करती है, या पक्षी इसलिए चहचहाते हैं क्योंकि सूरज निकल आया है? क्या ट्रैफिक लाइट के लाल होने से कॉफी शॉप खुलती है, या वे बस एक छिपे हुए शेड्यूल के कारण एक ही समय पर होते हैं?

विज्ञान की दुनिया में, इसे कॉज़ल डिस्कवरी (causal discovery) कहा जाता है। यह जटिल प्रणालियों में यह पता लगाने की कला है कि वास्तव में धागे कौन खींच रहा है, न कि केवल यह देखना कि दो चीजें एक साथ क्यों हो रही हैं। यह टाइम-सीरीज डेटा (time-series data) के साथ विशेष रूप से कठिन हो जाता है, जो समय के साथ लिए गए मापों की एक लंबी सूची है, जैसे नदी का जल स्तर हर घंटे दर्ज किया जाना या जंगल में तापमान का रीडिंग लेना। समस्या यह है कि ये रिकॉर्ड अव्यवस्थित होते हैं। चीजें चक्रों में दोहराती हैं (जैसे मौसम), चीजें एक देरी (delay) के साथ एक-दूसरे को प्रभावित करती हैं (जैसे बाढ़ की लहर को यात्रा करने में घंटों लगना), और कभी-कभी अदृश्य ताकतें (जैसे कोई छिपा हुआ मौसम का पैटर्न) एक साथ सब कुछ प्रभावित करती हैं। यदि आप केवल नंबरों को देखते हैं, तो आपको यह सोचने के लिए मूर्ख बनाया जा सकता है कि दो चीजें आपस में जुड़ी हुई हैं जबकि वे नहीं हैं, या आप एक वास्तविक संबंध को मिस कर सकते हैं क्योंकि वह बहुत जटिल है। वैज्ञानिकों ने इन रहस्यों को सुलझाने के लिए अलग-अलग "जासूसी उपकरण" (एल्गोरिदम) बनाए हैं, लेकिन प्रत्येक उपकरण के अपने नियम और कमजोरियां हैं। एक उपकरण सीधा संबंध खोजने में बेहतरीन हो सकता है लेकिन घुमावदार संबंधों को पहचानने में बुरा; दूसरा तेज़ हो सकता है लेकिन गायब डेटा से भ्रमित हो सकता है। अब तक, सही उपकरण चुनना और उसे सही ढंग से सेट करना एक मानव विशेषज्ञ के लिए दर्जनों कठिन निर्णय लेने जैसा था, और यदि दो विशेषज्ञों ने अलग-अलग चुनाव किए, तो वे पूरी तरह से अलग और तुलना न करने योग्य उत्तरों पर पहुँच सकते थे।

यहीं पर एक नया पायथन फ्रेमवर्क AutoCause आता है। AutoCause को एक सुपर-ऑर्गनाइज्ड, ऑटोमेटेड डिटेक्टिव स्क्वाड (स्वचालित जासूसी दल) के रूप में समझें जो न केवल एक टूल चलाता है, बल्कि एक साथ कई टूल्स की एक पूरी टीम चलाता है। मानव द्वारा छोड़े गए जटिल निर्णयों के बजाय, AutoCause स्वचालित रूप से डेटा की जांच करता है कि वह किस तरह का "क्राइम सीन" है। क्या डेटा अस्थिर और नॉन-लीनियर है? क्या इसमें बहुत सारी जानकारी गायब है? इन सुरागों के आधार पर, यह सबसे अच्छा मिश्रण चुनता है, उनके पैरामीटर सेट करता है और उन सभी को चलाता है। फिर, केवल एक टूल के उत्तर पर भरोसा करने के बजाय, यह एक कंसेंसस (आम सहमति) की तलाश करता है। यदि चार में से तीन अलग-अलग डिटेक्टिव टूल्स एक ही संबंध की ओर इशारा करते हैं, तो AutoCause उस लिंक को "हाई कॉन्फिडेंस" (उच्च विश्वास) के रूप में चिह्नित करता है। यदि केवल एक ही पाता है, तो वह इसे "सिर्फ एक संदेह" के रूप में चिह्नित करता है। शोधकर्ताओं ने इस स्वचालित दस्ते का परीक्षण 145 अलग-अलग डेटासेट्स पर किया, जो कंप्यूटर द्वारा बनाए गए पूर्ण सिमुलेशन से लेकर बवेरिया के वास्तविक दुनिया के नदी नेटवर्क तक फैले हुए थे। उन्होंने पाया कि कंप्यूटर-जनित पहेलियों पर, "बहुमत के वोट" वाला दृष्टिकोण शानदार काम करता है, जो गलत अलार्म को फ़िल्टर करता है और उच्च सटीकता के साथ वास्तविक कनेक्शन खोजता है। हालांकि, वास्तविक दुनिया के नदी डेटा पर, बहुमत का वोट हमेशा सबसे सटीक लिंक नहीं चुन पाता है, जिससे पता चलता है कि वास्तविक दुनिया में, विशेषज्ञों का एक समूह भी गलत उत्तर पर सहमत हो सकता है यदि वे सभी किसी महत्वपूर्ण हिस्से (जैसे एक छिपा हुआ जल पैटर्न) को मिस कर रहे हों। अंततः, AutoCause रहस्य को जादुगर की तरह हल नहीं करता या यह साबित नहीं करता कि क्या सच है; इसके बजाय, यह एक अराजक, असंगत प्रक्रिया को एक स्पष्ट, ऑडिट योग्य और दोहराने योग्य जांच में बदल देता है, जिससे "क्यों" की अंतिम व्याख्या करने का काम मानव वैज्ञानिक के लिए छोड़ दिया जाता है।

जासूसी दस्ता: AutoCause कैसे काम करता है

कल्पना कीजिए कि आप एक जटिल प्रणाली, जैसे नदी नेटवर्क या मौसम के पैटर्न में कारण-और-प्रभाव के संबंधों को समझने की कोशिश कर रहे हैं। आपके पास समय के साथ रिकॉर्ड किया गया डेटा का एक लंबा क्रम है। चुनौती यह है कि केवल दो चीजों को एक साथ होते देखना यह नहीं बताता कि एक ने दूसरे को जन्म दिया है। हो सकता है कि वे दोनों किसी तीसरे, अदृश्य कारक के कारण हुए हों, या शायद एक बस संयोग से दूसरे के बाद हुआ हो। इसे हल करने के लिए, वैज्ञानिक कॉज़ल डिस्कवरी विधियों का उपयोग करते हैं। इन विधियों को अलग-अलग प्रकार के जासूसों के रूप में समझें। कुछ जासूस सीधे संबंधों (लीनियर रिलेशनशिप) को पहचानने में माहिर हैं, जबकि अन्य जटिल, घुमावदार संबंधों (नॉन-लीनियर रिलेशनशिप) को खोजने में बेहतर हैं। कुछ तेज़ हैं लेकिन सूक्ष्म सुराग मिस कर सकते हैं, जबकि अन्य गहन हैं लेकिन काम करने में लंबा समय लेते हैं।

समस्या यह है कि सही जासूस चुनना और उनके उपकरणों को सही ढंग से सेट करना कठिन है। एक मानव विशेषज्ञ को तय करना होता है: "मुझे किस जासूस का उपयोग करना चाहिए? कारणों को खोजने के लिए मुझे पीछे कितना समय देखना चाहिए? क्या होगा यदि डेटा के कुछ हिस्से गायब हैं?" यदि दो विशेषज्ञ अलग-अलग विकल्प चुनते हैं, तो वे कारण और प्रभाव के पूरी तरह से अलग मानचित्रों पर पहुँच सकते हैं, जिससे उनके काम की तुलना करना या उस पर भरोसा करना असंभव हो जाता है।

AutoCause एक नया सॉफ्टवेयर फ्रेमवर्क है जिसे इन निर्णयों को स्वचालित करने के लिए डिज़ाइन किया गया है। यह एक टीम के प्रोजेक्ट मैनेजर के रूप में कार्य करता है। यहाँ बताया गया है कि यह सरल शब्दों में कैसे काम करता है:

1. प्री-चेक (कॉज़ल ऑडिट): किसी भी जासूस को चलाने से पहले, AutoCause पहले डेटा को देखता है कि वह किस तरह का "क्राइम सीन" है। यह जाँचता है कि: क्या डेटा स्थिर है, या यह बेतहाशा उछलता है? क्या इसमें कोई दोहराव वाला पैटर्न है, जैसे मौसम? क्या इसमें कुछ हिस्से गायब हैं? इस जांच के आधार पर, यह सुझाव देता है कि कौन से डिटेक्टिव टूल्स का उपयोग करना है और डेटा को कैसे तैयार करना है (उदाहरण के लिए, मौसमी पैटर्न को हटाना यदि वे परिणामों को भ्रमित कर रहे हैं)।
2. टीम रन: केवल एक जासूस पर निर्भर रहने के बजाय, AutoCause एक साथ चार अलग-अलग कॉज़ल डिस्कवरी विधियों को चलाता है। ये विधियाँ तीन अलग-अलग "परिवारों" से आती हैं:
   • रिग्रेशन-आधारित (Regression-based): ये उन पैटर्न को देखते हैं जहाँ एक वेरिएबल दूसरे की भविष्यवाणी करता है।
   • इन्फॉर्मेशन-थ्योरेटिक (Information-theoretic): ये मापते हैं कि एक वेरिएबल को जानने से दूसरे के बारे में अनिश्चितता कितनी कम होती है।
   • कंस्ट्रेंट-आधारित (Constraint-based): ये परीक्षण करते हैं कि अन्य वेरिएबल्स को ध्यान में रखने के बाद क्या दो वेरिएबल्स स्वतंत्र हैं।
3. कंसेंसस वोट (आम सहमति का वोट): टीम के चलने के बाद, AutoCause परिणामों को देखता है। यदि चार में से तीन विधियाँ सहमत हैं कि "वेरिएबल A, वेरिएबल B का कारण बनता है," तो उस लिंक को टियर-1 (Tier-1) लेबल मिलता है (उच्च विश्वास)। यदि केवल दो सहमत हैं, तो इसे टियर-2 (Tier-2) लेबल मिलता है (मध्यम विश्वास)। यदि केवल एक विधि इसे पाती है, तो यह टियर-3 (Tier-3) है (अन्वेषणात्मक/अनुमान)। यह "बहुमत का वोट" गलत अलार्म को फ़िल्टर करने में मदद करता है।
4. रिपोर्ट: AutoCause एक स्पष्ट रिपोर्ट तैयार करता है जो दिखाता है कि कौन से लिंक मिले, टीम उनमें कितनी आश्वस्त है, और प्रक्रिया के दौरान क्या निर्णय लिए गए। यह पूरी प्रक्रिया को पारदर्शी और दोहराने योग्य बनाता है।

दस्ते ने क्या पाया

शोधकर्ताओं ने AutoCause का परीक्षण 145 अलग-अलग डेटासेट्स पर किया। ये डेटासेट्स तीन स्रोतों से आए थे:

• DGP-Atlas: 97 सिंथेटिक डेटासेट्स जिन्हें कंप्यूटर द्वारा बनाया गया था जहाँ शोधकर्ताओं को सटीक "ग्राउंड ट्रुथ" (वास्तविक उत्तर) पता था। इन्हें विशिष्ट कमजोरियों, जैसे नॉन-लीनियर संबंध या गायब डेटा का परीक्षण करने के लिए डिज़ाइन किया गया था।
• TimeGraph: 18 श्रेणियों के सिंथेटिक डेटासेट्स जिन्होंने ट्रेंड्स, सीज़न और गायब डेटा ब्लॉक्स जैसी चीजों का परीक्षण किया।
• CausalRivers: जर्मनी के बवेरिया में एक नदी नेटवर्क के 30 वास्तविक उप-ग्राफ। यहाँ, "ग्राउंड ट्रुथ" नदी का भौतिक नक्शा (कौन सा स्टेशन ऊपर की ओर है) था, लेकिन शोधकर्ता जानते थे कि यह नक्शा हर संभावित प्रभाव (जैसे छिपी हुई वर्षा या जलाशय) को नहीं पकड़ता है।

परिणाम:

• सिंथेटिक पहेलियों पर (DGP-Atlas और TimeGraph): "बहुमत के वोट" वाली रणनीति ने बहुत अच्छा काम किया। जब तीन या अधिक विधियाँ एक कनेक्शन पर सहमत हुईं, तो वह कनेक्शन वास्तव में सही होने की बहुत अधिक संभावना थी। टियर-1 लिंक्स की सटीकता (मिले हुए लिंक्स में से सही लिंक्स का प्रतिशत) टियर-3 लिंक्स की तुलना में बहुत अधिक थी। उदाहरण के लिए, DGP-Atlas डेटा पर, टियर-1 लिंक्स की सटीकता लगभग 85% थी, जबकि टियर-3 लिंक्स की सटीकता केवल 13% थी। यह बताता है कि नियंत्रित डेटा पर, विभिन्न विधियों से आम सहमति प्राप्त करना सत्य खोजने का एक शानदार तरीका है।
• वास्तविक दुनिया के नदी डेटा पर (CausalRivers): परिणाम अधिक आश्चर्यजनक थे। नदी के डेटा पर, बहुमत का वोट हमेशा सबसे सटीक लिंक नहीं चुन पाया। वास्तव में, टियर-1 लिंक्स (जिन पर अधिकांश विधियाँ सहमत थीं) की सटीकता (42%), टियर-2 और टियर-3 लिंक्स की तुलना में कम थी। क्यों? क्योंकि वास्तविक दुनिया अस्त-व्यस्त है। नदी के तरीके एक ऐसे कनेक्शन पर सहमत हो सकते हैं जो भौतिक मानचित्र में नहीं है क्योंकि वे सभी एक छिपे हुए कारक, जैसे कि साझा वर्षा की घटना के प्रति प्रतिक्रिया दे रहे हैं जो मानचित्र में नहीं दिखती। नदी के लिए उपयोग किया गया "ग्राउंड ट्रुथ" (भौतिक टोपोलॉजी) अधूरा था, इसलिए विधियाँ वास्तव में उन वास्तविक हाइड्रोलॉजिकल कनेक्शनों को खोज रही थीं जो मानचित्र ने मिस कर दिए थे। यह दर्शाता है कि जबकि आम सहमति शक्तिशाली है, यह गारंटी नहीं देती कि सत्य क्या है यदि संदर्भ मानचित्र अधूरा हो या छिपे हुए सामान्य कारक मौजूद हों।

इसका क्या अर्थ है (और क्या नहीं)

यह पेपर बहुत स्पष्ट रूप से कहता है कि AutoCause कोई जादुई छड़ी नहीं है जो कारण सिद्ध करती है। यह कारण और प्रभाव का प्रमाण नहीं देता है। इसके बजाय, यह एक अव्यवस्थित, असंगत प्रक्रिया को एक पारदर्शी, ऑडिट योग्य वर्कफ़्लो में बदल देता है।

• यह क्या करता है: यह हर निर्णय को रिकॉर्ड करता है, कई विधियों को चलाता है, और साक्ष्य को इस आधार पर ग्रेड करता है कि कितनी विधियाँ सहमत हैं। यह वैज्ञानिकों को यह देखने में मदद करता है कि कौन से संबंध मजबूत हैं और कौन से कमजोर।
• यह क्या नहीं करता: यह अपने आप में छिपे हुए वेरिएबल्स (लेटेंट कॉन्फ़ाउंडर्स) की समस्या को हल नहीं करता है। यदि कोई छिपा हुआ कारक सब कुछ संचालित कर रहा है, तो सभी विधियाँ गलत उत्तर पर सहमत हो सकती हैं। यह मानव विशेषज्ञता का स्थान भी नहीं लेता है। सॉफ़्टवेयर गणित के आधार पर एक 'लैग' (कितनी देर पीछे देखना है) का सुझाव दे सकता है, लेकिन एक मानव विशेषज्ञ को यह जानने की आवश्यकता है कि क्या वह लैग भौतिक रूप से तर्कसंगत है (जैसे, क्या बाढ़ की लहर वास्तव में इतनी दूर जाने में 30 घंटे लेती है?)।
• विश्वास का स्तर: "बहुमत के वोट" के अधिक सटीक होने के निष्कर्ष सिमुलेशन (DGP-Atlas और TimeGraph) और एक विशिष्ट वास्तविक दुनिया के डेटासेट (CausalRivers) पर आधारित हैं। लेखक सुझाव देते हैं कि यह पैटर्न सिंथेटिक डेटा पर बना रहता है, लेकिन चेतावनी देते हैं कि यह अन्य वास्तविक दुनिया के परिदृश्यों में टूट सकता है जहाँ संदर्भ मानचित्र अधूरा हो। वे यह दावा नहीं करते कि यह सभी पर्यावरणीय डेटा के लिए एक सार्वभौमिक नियम है।

संक्षेप में, AutoCause एक शक्तिशाली नया उपकरण है जो वैज्ञानिकों को टाइम-सीरीज डेटा के जटिल जंगल में नेविगेट करने में मदद करता है। यह उन्हें अंतिम उत्तर नहीं देता, बल्कि उन्हें एक स्पष्ट, दोहराने योग्य मानचित्र देता है, जो उन्हें दिखाता है कि कहाँ अलग-अलग रास्ते सहमत हैं और कहाँ वे अलग होते हैं, ताकि वे बेहतर सूचित निर्णय ले सकें कि वास्तव में क्या कारण बन रहा है।