"Cause" is Mechanistic Narrative within Scientific Domains: An Ordinary Language Philosophical Critique of "Causal Machine Learning"
本論文は、日常言語哲学を適用することで「因果機械学習」の前提を批判し、真の因果関係は根本的にメカニズム的なものであると論じることで、決定的な因果関係の主張は（物理学のような）完全なメカニズムモデルが存在する領域においてのみ有効であり、（生物学や社会科学のような）複雑な系においては諸学問分野にわたる集積された証拠を必要とするものであると断じ、それによって科学研究における因果的確実性の誇張に対してより慎重になるよう促している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
名探偵ゲーム：なぜ「原因」は一つではないのか
あなたは謎を解こうとしている探偵だと想像してください。科学やコンピュータの世界では、今、「因果機械学習（Causal Machine Learning）」という大きな潮流があります。これは、コンピュータに強力な虫眼鏡を与え、単に二つのことが同時に起きていることに気づくだけでなく、物事が起こる「真の理由」を見つけ出すよう求めるようなものです。例えば、7月にアイスクリームの売上とサメの襲撃の両方が増えるからといって、アイスクリームがサメの襲撃を引き起こしているわけではありません。両者はともに「夏の暑さ」によって引き起こされているのです。この「真の理由」を見つけ出すことは、問題を解決し、病気を治し、より優れたテクノロジーを構築するための助けとなるため、科学における聖杯（究極の目標）なのです。
しかし、ここからが厄介なところです。「原因」とは一体何を意味するのでしょうか？ 物理学の実験室において、「原因」とはビリヤードの球が別の球に当たるようなものであり、正確で数学的な押し（力）です。病院においては、「原因」とはあなたの遺伝子、食事、そして環境が絡み合った複雑な出来事の連鎖かもしれません。都市においては、「原因」とは新しい法律が人々の行動をどのように変えたかという物語かもしれません。これから探求する論文は、大きな問いを投げかけています。「これらすべての異なる世界における原因を見つけ出すために、同じコンピュータ・ツールを使うことができるのだろうか？」と。著者である研究者チームは、その答えは明確に「ノー」であると主張しています。彼らは、たった一つのコンピュータの数式ですべてを説明しようとすることは、ハンマーを使って時計を修理し、絵を描き、さらにはケーキを焼こうとするようなものだと示唆しています。ハンマーを使う分にはうまくいくかもしれませんが、それでは時計は壊れ、ケーキは台無しになってしまうでしょう。
論文の核心的なアイデア：一律の解決策は通用しない
この論文は、「原因」という言葉を調査する哲学的な探偵物語です。著者たちは「日常言語哲学（Ordinary Language Philosophy）」という手法を用いています。これは簡単に言えば、「現実の世界で人々が実際にどのように言葉を使っているかを見てみよう」という方法です。彼らは、「原因」という言葉の意味は、どの「部族（専門分野）」の科学者と話しているかによって変わると主張しています。
物理学の部族：完璧な機械
物理学や工学において、世界は巨大で完璧に作られた時計のようなものです。もしあなたが歯車（方程式）を知っており、その一つを押せば（原因）、他の歯車がどこへ動くかを正確に計算できます。ここでは、「原因」とは数学的な力です。もし岩を落とせば、重力がそれを下に引き寄せます。数学はその物語のすべてを完璧に記述します。この世界では、パターンのあるデータを探すコンピュータ・モデルは、システムが閉鎖されておりルールが既知であるため、実際に「原因」を見つけ出すことができます。
生物学の部族：混沌としたジャングル
さて、生物学や医学に目を向けてみましょう。ここでの世界は、もっと野生的なジャングルのようです。それは「開放系（オープン・システム）」であり、つまり、私たちが完全に測定できない方法で、常に外部の世界と相互作用していることを意味します。人間の体は非常に複雑であるため、すべての細胞、すべての化学物質、そしてすべての思考を説明できる単一の数学方程式を書くことはできません。著者たちは、生物学においては、グラフを見て単に「AがBを引き起こした」と言うことはできないと述べています。代わりに、あなたは「物語（ナラティブ）」を構築する必要があります。統計的な手がかり（臨床試験からのデータなど）と、それが「どのように」機能するかについての物語（薬がどのように動脈を詰まらせるか、など）を組み合わせなければなりません。確信を持つためには、多くの異なる角度からの証拠が必要なのです。
社会科学の部族：ストーリーテラーたち
最後に、社会科学（心理学、経済学、社会学など）があります。ここが最も複雑なところです。人間は混沌としており、予測不能で、物語に満ちています。著者たちは、これらの分野において「原因」とは、自分たち自身を理解するための物語であることが多いと主張しています。例えば、セラピストは、患者の過去が現在をどのように形作ったかという物語を伝えることで、患者を助けるかもしれません。この物語は数学の方程式ではありませんが、その人が気分を良くし、行動を変えるのに役立つという意味で「真実」なのです。著者たちは、社会科学が、人間的な意味や解釈に関する事柄を証明するために厳格な数学を用いようとして、現在苦戦していることを指摘しています。
「因果機械学習」の問題点
この論文は、「因果機械学習」という新しいトレンドを厳しく検証しています。これらは、変数がどのように繋がっているかを示す地図（グラフ）を描こうとするコンピュータ・プログラムです。彼らは「もしAがBよりも前に起こり、かつ両者が結びついているなら、AがBを引き起こす」といったルールを使用します。
著者たちは、このアプローチは危険であると述べています。なぜなら、世界が（物理学のように）閉ざされた完璧な機械であることを前提としているからです。しかし、現実は（生物学や社会のように）しばしば混沌とした開放系なのです。彼らは、これらのコンピュータ・モデルが、結果に影響を与える隠れた要因（あなたの気分、歴史、あるいは天気など）を考慮できないために、現実世界では失敗することが多いと指摘しています。
論文は、コンピュータがデータセットを見て、決定的に「これが原因である」と言い切れるという考えに対して、明確に反対しています。著者たちは、コンピュータが既知のルールが存在する閉鎖的な物理学の実験室で動いている場合を除き、これらのモデルは単なる推測に過ぎないと述べています。それらは「過信」しています。もし私たちがこれらのコンピュータの地図を信じすぎてしまうと、コンピュータが物語の混沌とした人間的な部分を見落としているために、医療や政策において誤った判断を下してしまう可能性があると著者たちは警告しています。
解決策：探偵チーム
では、答えは何でしょうか？ 著者たちは、私たちはもっと謙虚になる必要があると示唆しています。一つのコンピュータ・モデルに真実を語らせるのではなく、あらゆる場所から証拠を集める必要があるのです。
森が枯死している理由を突き止めようとしていると想像してください。
- 物理学者は、土壌の化学方程式を見ます。
- 生物学者は、昆虫や樹木を見ます。
- 社会学者は、地元の住民がどのように土地を利用しているかを見ます。
- ストーリーテラーは、長老たちがその森をどのように大切に思っていたかという話を聞きます。
論文は、「原因」とはこれら異なる視点が一致したときにのみ現実のものとなる、と示唆しています。これは「証拠の優越（preponderance of evidence）」と呼ばれます。それは一つの完璧な数学的証明ではなく、異なる声の合唱が同じ物語を語っている状態のことです。
将来に向けて、著者たちは、コンピュータを究極の審判にしようとするのをやめるべきだと提案しています。代わりに、コンピュータをパターンの発見を助けるツールとして使いつつ、常にそのパターンを現実世界の物語や専門知識と照らし合わせて確認すべきであると述べています。彼らは、「解釈学（Hermeneutics）」と呼ばれる新しい考え方を提案しています。それは、時には「真実」とは数字ではなく、人々に納得感を与える「物語」であるということを理解する技術です。
まとめ
この論文の主要な知見は、「原因」とは単一のものではないということです。それは、落下する岩を研究しているのか、鼓動する心臓を研究しているのか、あるいは人間の精神を研究しているのかによって、その形を変えます。著者たちは、現在の「因果AI」への熱狂は、ある種の罠であると示唆しています。それは、単純で硬直したツールを使って、複雑で混沌とした問題を解決しようとする試みなのです。
彼らは、コンピュータを使うのをやめるべきだと言っているのではありません。代わりに、注意深く使うべきだと言っています。私たちは科学の間の違いを尊重する必要があります。物理学では数学が王様です。生物学では、数学とメカニズム（仕組み）の混合が必要です。社会科学では、数学、物語、そして人間の理解が共に機能する必要があります。
論文は、「認識論的徳（Epistemic Virtue）」、つまり「知的誠実さ」という言葉で締めくくられています。それは、科学者やAI開発者に対し、確かなことが分からないときはそれを認めるようにという呼びかけです。彼らは「原因を見つけた！」と叫ぶのではなく、「これは可能性を示唆する一つのパターンですが、決断を下す前に物語全体を確認しましょう」と言うべきなのです。複雑な世界において、私たちが持つ最も強力な道具はスーパーコンピュータではなく、異なる種類の物語に耳を傾け、それらを編み合わせて、納得のいく真実へと紡ぎ合わせる能力なのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。