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

Titolo: Attribuzione causale tramite la regola della catena: unificazione della selezione naturale, dell'apprendimento, dell'economia e di altre discipline

1. Il Problema

Nelle scienze naturali e sociali, è comune suddividere la variazione osservata di un fenomeno nelle sue componenti causali. Ad esempio, quanto della variazione di un tratto è dovuto alla selezione naturale e quanto all'ambiente? O quanto del divario salariale tra gruppi è dovuto a caratteristiche osservabili (come l'istruzione) e quanto a discriminazione?
Sebbene esistano metodi specifici per queste analisi (come il teorema fondamentale di Fisher in biologia evolutiva o la decomposizione di Oaxaca-Blinder in economia), la letteratura spesso non riconosce che questi approcci apparentemente distinti condividono una struttura algebrica fondamentale comune. Il problema centrale è identificare e formalizzare questa base matematica unificante per comprendere come la causalità venga attribuita in contesti diversi, dalla genetica all'intelligenza artificiale.

2. Metodologia

L'autore utilizza un approccio deduttivo basato sull'algebra delle differenze finite e sulla regola del prodotto (una forma della regola della catena applicata a prodotti).

• Fondamento Matematico: Il paper parte dall'identità algebrica per la differenza di un prodotto $z = bx$. La differenza finita $\Delta z = z' - z$ si espande come:
  $$\Delta z = b \Delta x + x' \Delta b$$
  Dove il primo termine rappresenta il cambiamento in $x$ mantenendo $b$ costante, e il secondo termine rappresenta il cambiamento in $b$ moltiplicato per il nuovo valore di $x$.
• Estensione alla Regressione: Questa identità viene applicata a un modello di regressione lineare dove una variabile di interesse $z$ è una combinazione lineare di predittori $x$ ponderati da coefficienti $b$ (incluso un termine di intercetta).
  $$\bar{z} = \mathbf{b} \cdot \bar{\mathbf{x}}$$
  La variazione della media $\Delta \bar{z}$ viene quindi decomposta in:
  $$\Delta \bar{z} = \mathbf{b} \cdot \Delta \bar{\mathbf{x}} + \bar{\mathbf{x}}' \cdot \Delta \mathbf{b}$$
• Interpretazione Causale: L'autore dimostra che questa decomposizione algebrica, di per sé priva di significato causale, diventa uno strumento di analisi causale controfattuale quando si applicano assunzioni specifiche su cosa viene "congelato" (mantenuto costante) e cosa viene lasciato variare tra due contesti.

3. Contributi Chiave

Il paper offre tre contributi principali:

1. Unificazione Algebrica: Dimostra che risultati fondamentali in discipline disparate si riducono tutti alla stessa regola del prodotto per differenze finite applicata a un'equazione di regressione. Questi includono:

   • Il Teorema Fondamentale della Selezione Naturale di Fisher.
   • L'Equazione di Price in ecologia ed evoluzione.
   • La Decomposizione di Oaxaca-Blinder in economia (per l'analisi dei divari salariali).
   • La Decomposizione di Kitagawa in demografia (per i tassi di mortalità).
   • Espressioni nella termodinamica e nella teoria dell'informazione.
   • L'algoritmo di Backpropagation nell'apprendimento automatico (AI).

2. Origine dell'Analisi Causale Controfattuale: Spiega come l'essenza dell'analisi causale moderna emerga naturalmente dalla regola della catena. L'attribuzione della "causa" a un fattore specifico avviene tracciando come il cambiamento di quel componente si propaga attraverso il sistema, mantenendo costanti gli altri fattori. Fisher aveva anticipato decenni fa questo approccio controfattuale isolando l'effetto diretto della selezione naturale.

3. Parallelismo tra Selezione Naturale e Apprendimento Artificiale: Evidenzia che sia la selezione naturale che l'addestramento delle reti neurali (backpropagation) funzionano attribuendo causalità ai parametri sottostanti (geni o pesi del modello) basandosi su successi o fallimenti osservati. In entrambi i casi, l'aggiornamento dei parametri avviene attraverso un calcolo simile alla regola della catena, sebbene le interazioni non lineari possano complicare il processo.

4. Risultati e Analisi

• Il Teorema di Fisher: Fisher ha interpretato il primo termine della decomposizione ($\mathbf{b} \cdot \Delta \mathbf{p}$) come la variazione della fitness media dovuta esclusivamente al cambiamento delle frequenze geniche ($\Delta \mathbf{p}$), mantenendo costanti gli effetti medi dei geni ($\mathbf{b}$). Questo isola la "forza" diretta della selezione naturale dal contesto evolutivo più ampio (interazioni geniche, ambiente). Il secondo termine ($\bar{\mathbf{p}}' \cdot \Delta \mathbf{b}$) cattura i cambiamenti nel contesto che alterano la mappatura geni-fitness.
• Economia (Oaxaca-Blinder): Nella decomposizione dei salari, il primo termine attribuisce la differenza ai cambiamenti nelle caratteristiche osservabili (es. istruzione) mantenendo costante la struttura salariale (coefficienti). Il secondo termine attribuisce la differenza ai cambiamenti nella struttura salariale stessa (coefficienti), che spesso viene interpretato come discriminazione o differenze non osservabili.
• Demografia e Termodinamica: La stessa logica separa i cambiamenti nella composizione della popolazione (es. struttura per età) dai cambiamenti nei tassi specifici (es. mortalità per età), o nella termodinamica, i cambiamenti nella distribuzione di probabilità dai cambiamenti nei valori osservabili.
• Machine Learning: Il backpropagation utilizza la regola della catena per calcolare i gradienti, attribuendo l'errore (successo/fallimento) ai singoli pesi del modello. Questo è concettualmente identico all'attribuzione causale di Fisher: si aggiorna un parametro mantenendo gli altri fissi per vedere l'impatto diretto.

5. Significato e Implicazioni

• Semplicità Sottostante: Il paper rivela che la complessità apparente dei metodi di attribuzione causale in campi diversi si basa su una semplice identità algebrica. Riconoscere questa unificazione chiarisce la comprensione concettuale e collega discipline precedentemente isolate.
• Natura Soggettiva della Causalità: L'autore sottolinea che la decomposizione matematica è oggettiva, ma l'interpretazione causale è soggettiva. Dipende da quale termine si sceglie di considerare come "causa diretta" e quale come "contesto" o "residuo". Fisher ha scelto di isolare la selezione naturale; gli economisti spesso scelgono di isolare la discriminazione (il cambiamento nei coefficienti).
• Validità dell'Approccio: Sebbene alcuni critichino l'isolamento di una forza dal suo sistema come fuorviante, l'autore sostiene che questo approccio di "perturbazione parziale" è fondamentale per l'ottimizzazione e l'apprendimento, sia in natura che nelle macchine. Non è possibile calcolare sempre l'evoluzione totale di un sistema complesso; invece, si valutano i cambiamenti parziali.
• Connessione Interdisciplinare: Il lavoro dimostra che Fisher, gli economisti che hanno sviluppato la decomposizione Oaxaca-Blinder e gli ingegneri dell'AI che usano il backpropagation stanno tutti applicando la stessa matematica della regola della catena, differendo solo nella domanda causale specifica che pongono.

In sintesi, il paper fornisce una potente unificazione teorica che mostra come la logica della regola della catena sia il motore matematico comune dietro la comprensione della causalità, dell'evoluzione biologica e dell'apprendimento artificiale.