Читать книгу - "Почему. Руководство по поиску причин и принятию решений - Саманта Клейнберг"

Я упоминаю о сопоставлении наблюдений на уровнях токена и типа, поскольку не всегда очевидна субъективность в определении произошедшего^[324].

Люди могут задавать разные вопросы о некоем событии и считать какие-то факторы более ярко выраженными (вероятно, исходя из того, что они способны контролировать), но это не изменяет фактического вклада каждого компонента в общую ситуацию. Например, на получение Нобелевской премии влияют многие вещи: усердный труд, везение, изучение наук с раннего детства, а может, и потребление шоколада, как говорилось в той статье, с которой мы знакомились ранее. Если некто сосредоточивается на том, чтобы изучить связь между Нобелевской премией и шоколадом, это изменяет лишь задаваемые вопросы, но не реальный факт, а именно: правда ли шоколад повлиял на исход дела сильнее, чем везение. Но, когда мы пытаемся автоматизировать объяснение, приходится отказываться от субъективных суждений и определять, какие свойства более важны. Чтобы истолковать последствия повторяющегося воздействия громкого шума, нужно знать историю жизни человека, поэтому нам понадобятся сведения о количестве посещенных концертов за неделю, а также подвергается ли он воздействию шума на работе или живет рядом со стройкой.

Когда имела место причина

Мы исходим из следующего допущения: если причиной ДТП явилось нетрезвое вождение, на момент катастрофы водитель был пьян. В другом случае, говоря об инфекциях с длительным инкубационным периодом, мы допускаем, что некогда было воздействие вируса. Заразиться гриппом от человека, с которым вы обедали год назад, совершенно невероятно, но точно так же нельзя заболеть через минуту после того, как вы сели за стол с носителем инфекции.

Очередная трудность при переводе объяснения с уровня типа на токен-причины – временной паттерн. Даже если информация на уровне типа, которой мы располагаем, не сообщает, сколько времени нужно для получения следствия, мы все равно не сможем обойтись без учета фактора времени, так как он влияет на релевантность информации по отношению к конкретному случаю. Если мы вообще ничего не знаем о временном паттерне, необходима некая степень суждения, чтобы определить истинность чего-либо. То есть, если мы пытаемся выяснить, действительно ли контакт с носителем вируса вызвал заболевание гриппа у конкретного лица, нам важно знать, когда произошел контакт, чтобы определить, мог ли он стать причиной заболевания именно в тот момент.

Некоторые методы причинных умозаключений предусматривают временные интервалы, или окна, поэтому мы узнаем, например, что заражение полиомиелитом может вызвать постполиосиндром^[325] через 15 лет после выздоровления^[326]. Наличие информации такого рода снимает необходимость в суждениях о времени, так как не требуется спорить, вызваны ли симптомы заболевания постполиосиндромом, если они обнаруживаются всего через несколько месяцев после выздоровления. Если человек болел полиомиелитом в пределах известного временного интервала, тогда это истинно для токен-случая, который мы стараемся объяснить, и два человека, имеющие одинаковые данные, должны прийти к одинаковому выводу: стал ли известный диагноз потенциальным объяснением симптоматики пациента.

Но, как обычно, это еще не конец. Скажем, мы обнаружили, что некое лекарство снимает головную боль за 30–60 минут. У Чарли болит голова, он принимает лекарство и через 62 минуты чувствует себя лучше. Помогло ли лекарство снять боль? Хотя 62 минуты выбиваются из известного нам временного окошка в 30–60 минут, вряд ли стоит жестко утверждать, что лекарство не сняло проблему, потому что временной паттерн не показывает идеального соответствия. Причина в том, что наши знания о действии препаратов от головной боли и опыте их применения делают неправдоподобной возможность того, что лекарство действует лишь в пределах тридцатиминутного окошка. То есть через 29 минут оно еще не действует, а по прошествии 30 минут сразу приобретает активность. Да, возможно, временное окно – первостепенный интервал, в рамках которого причина активна, но это не означает, что следствие не может случиться вне этого интервала; просто это менее вероятно. С другой стороны, лихорадка денге^[327] может развиться внезапно, и, взяв за основу многолетние данные по инфицированию, мы можем выявить минимальные и максимальные инкубационные периоды, которые когда-либо наблюдались. В этом случае гораздо выше наша уверенность, что инфицирование нельзя вызвать контактом вне соответствующего временного паттерна.

Случай Чарли не совпадает в точности с предыдущим знанием, но все же совпадения достаточно, если мы намерены применять методы оценки объяснений с достаточной степенью гибкости: тогда скажем, что именно лекарство избавило его от головной боли. В то же время нужно уметь разбираться с ситуациями при менее гибких временных паттернах. Таким образом, обнаруживая типовые взаимоотношения, желательно уметь определить, что представляют собой временные окна – единственный интервал, когда может случиться следствие, или всего лишь промежутки, когда следствие наиболее вероятно. Определенная степень гибкости в этом случае также означает, что известные паттерны времени привязаны к соответствующим базовым знаниям. Если они получены на основе небольшого набора данных, то, возможно, необычно короткий инкубационный период не был принят в расчет. Или измерения проводились так редко, что первый врачебный контроль был два дня спустя и из-за отрывистости сведений мы не в состоянии узнать, могло ли заболевание развиться в самый первый день.

Возможно, не имеет смысла строго придерживаться какого-то известного временного окна, если ошибочно наше знание о том, когда события произошли на токен-уровне. Если я скажу, что некое событие имело место неделю назад, степень вероятности будет такой же, как при сроке в 6, 7 или 8 дней. Точно так же «год назад» почти определенно не означает «точно 365 дней назад». Даже если мне известно, что одна вещь через год вызывает другую, жесткость в отношении временного окна не учитывает присущую сведениям неопределенность^[328].