Поток информации
ДЭВИД ДЭЛРИМПЛ
Сотрудник медиалаборатории Массачусетского технологического института
Концепцию причинно-следственной связи лучше всего представлять в виде потока информации, текущего от предшествующего события к связанному с ним последующему. Высказывание «а влечет за собой b» только кажется точным, но на самом деле оно весьма туманно. Намного точнее будет следующее выражение:
«Имея информацию о событии а, я могу почти с полной уверенностью спрогнозировать, что произойдет событие b. При этом исключается возможность того, что какие-то факторы помешают совершиться событию b., если событие а произошло. Однако сохраняется вероятность, что какие-то другие факторы все равно вызовут событие b, даже если событие а не произойдет».
В общем, можно сказать, что один массив данных «предопределяет» другой, если последний можно вычислить или спрогнозировать, исходя из первого. Заметьте, речь необязательно идет об элементарной информации (например, о факте определенного события). Это также применимо к символическим переменным (в Интернете результаты вашего поискового запроса определяются самим запросом), числовым переменным (результат, выдаваемый термометром, определяется температурой сенсора) или даже поведенческим переменным (поведение компьютера определяется битами, загруженными в его память).
Но давайте внимательнее рассмотрим это наше предположение. Внимательный читатель наверняка заметил, что в одном из примеров я допустил, что состояние Интернета является константой. Но это же просто смешно! Говоря языком математики, допущения называются «априорными», и одна из школ статистики считает их самым важным аспектом любого информационного процесса. На самом деле мы хотим знать, позволяет ли существующий набор допущений повысить качество оценки вероятности информации b путем добавления некоторой информации а. Разумеется, все дело в том, с какими допущениями мы имеем дело: например, если они включают абсолютные знания о b, то уточнение становится невозможным.
Если при разумном наборе допущений информация об а позволит уточнить оценку b, то можно предположить наличие определенной причинной связи между этими элементами. Но конкретный вид этой связи останется неопределенным, поскольку, как гласит известный принцип научного метода, корреляция необязательно означает причинно-следственную связь. Дело в том, что концепция причинно-следственной связи исходит из нашей склонности рассматривать информацию о более раннем событии раньше, чем о более позднем (дальнейшие последствия этой концепции для человеческого сознания, второго закона термодинамики и природы времени очень интересны, но, к сожалению, их рассмотрение выходит за рамки данного эссе).
Если бы информация обо всех событиях всегда поступала в том порядке, в каком происходят сами события, то тогда, действительно, корреляция означала бы причинно-следственную связь. Но в реальном мире мы не только ограничены наблюдением за событиями в прошлом, но и можем отыскивать информацию об этих событиях не в том порядке, в котором они протекали. Так, наблюдаемая корреляция может отражать обратную причинную связь (информация о событии а позволяет уточнить оценку события b, хотя событие b произошло раньше и было причиной а). Возможны и более сложные ситуации: например, информация о событии a позволяет уточнить оценку b, одновременно предоставляя информацию о событии с, которое произошло до a и b и стало причиной их обоих.
Поток информации симметричен: если информация о событии a позволяет уточнить оценку b, то информация о событии b позволяет уточнить оценку a. Но так как мы не можем изменить прошлое и нам неведомо будущее, эти ограничения полезны лишь в контексте на определенное время и в том порядке, в котором протекали события. Поток информации всегда идет из прошлого в будущее, но в нашем уме стрелки могут поменять направление. Устранение многозначности – по сути, и есть та проблема, которую наука призвана решить. Если вы сможете визуализировать все потоки информации и контролировать свои допущения, в вашем распоряжении окажется вся мощь научного метода – и даже больше.
