Bart van den Dikkenberg

Sommige wetenschappers doen causaliteit af als een illusie. „Een heel onbevredigend idee”, vindt filosoof Bas Haring, die het voorwoord in ”Het boek waarom” schreef. „Zelfs mijn zoontje van drie weet dat hij dingen kan veroorzaken.”

Auteur Judea Pearl doet echter in het boek een poging om causaliteit te vangen in wiskundige begrippen en de wetten van de logica. Zijn papieren kloppen: prof. Pearl is filosoof, computerwetenschapper en wiskundige, één die zich verdiept in kansrekening.

Zijn eerste boek over causaliteit –”Causality”– verscheen in 2000. Daarin beschreef hij causaliteit als een „door raadselen omgeven concept.” Gaandeweg is het zich meer gaan baseren op wiskunde en logica. In zijn nieuwe boek noemt hij die omwenteling de ”causale revolutie”.

Causaliteit heeft te maken met eenvoudig lijkende vragen als: hoe effectief is een behandeling bij het voorkomen van een bepaalde ziekte? Of: in welke mate kunnen we de kosten van de gezondheidszorg toeschrijven aan de mate van overgewicht? Bij dergelijke vragen gaat het om oorzaak-gevolgverbanden. Maar hoe weet iemand dat A de oorzaak is van B?

Vaak kunnen oorzaak en gevolg van een gebeurtenis worden gevangen in een wiskundige vergelijking. Maar niet altijd. Zo weet iedereen intuïtief dat het gekraai van de haan niet het opkomen van de zon veroorzaakt. Toch houdt het gekraai van de haan wel verband met zonsopkomst. Maar hoe kan zoiets in een wiskundige vergelijking worden gevangen?

Statistici noemen zo’n samenhang tussen hanengekraai en zonsopkomst een correlatief verband: ze hebben wel met elkaar te maken, maar er bestaat geen oorzaak-gevolgrelatie. Om het in statistische taal te zeggen: correlatie is geen causatie.

Big data

Maar in een wereld van big data valt deze benadering volgens Pearl niet vol te houden. Om succesvol wetenschap te bedrijven en kunstmatige intelligentie toe te passen, moeten robots ook de taal van oorzaak en gevolg leren spreken. Hij komt met een nieuwe aanpak die is gebaseerd op de zogeheten causaliteitsladder.

Aan de basis van die ladder staat de standaardmanier van statistiek bedrijven. Die is gebaseerd op observaties, op ”zien”. Bijvoorbeeld: de barometer daalt, dus de waarschijnlijkheid dat er storm komt, wordt groter. De dalende barometer veroorzaakt de storm echter niet; evenmin helpt ingrijpen in de barometerstand om de kans op storm te verkleinen of te vergroten.

De eenzijdige gerichtheid op observaties levert eigenaardige gevolgtrekkingen op, constateert Pearl. Als het aantal branden en het aantal brandweerkazernes door de jaren heen is gedaald, zouden steden de brandweer kunnen afschaffen om het aantal branden te reduceren tot nul. En mensen met gezondheidsklachten zouden de dokter moeten mijden om de waarschijnlijkheid te verkleinen dat er een ernstige ziekte bij hen wordt vastgesteld.

Maar zo werkt het niet, vervolgt de wiskundige. Alleen observeren kan tot wonderlijke gedachtekronkels leiden; en, belangrijker, de waarom-vraag wordt niet beantwoord, maar genegeerd. Want de gebruikelijke statistiek houdt geen rekening met de effecten van een ingreep, met ”doen”. Ze heeft dan ook geen taal om vragen te beantwoorden als: wat gebeurt met mijn hoofdpijn als ik een paracetamol slik?

Dit brengt Pearl bij de tweede trap op de causaliteitsladder: de zogeheten causale interferentie. Die beantwoordt de waarom-vraag wel: hoe kan ik door A te doen B veroorzaken?

Paracetamol

Nog een stap verder op de zogeheten causaliteitsladder is het zogeheten contrafeitelijk redeneren, het denken in termen van ”wat als”. Zou Jan nog hebben geleefd als hij dat middel had geslikt? Dat doet een beroep op het voorstellingsvermogen en op begrip. Bijvoorbeeld: maakte de paracetamol een einde aan mijn hoofdpijn, of was het de wandeling die ik tussen de middag maakte?

Met tal van voorbeelden illustreert de wiskundige hoe deze causaliteitsladder in de praktijk functioneert. Met name voor de verdere ontwikkeling van algoritmes voor kunstmatige intelligentie is de benadering van Pearl van groot belang. Hersenloze robots kunnen zo systematisch ‘nadenken’ over oorzaak en gevolg. Hierdoor kunnen ze straks complexe kwesties helpen oplossen, zoals het bepalen van nieuw economisch beleid of de ontwikkeling van nieuwe medicijnen.

Uit bovenstaande blijkt wel dat de lezer enige kaas moet hebben gegeten van statistiek, filosofie en logica. Ook de aanbevelingen op de achterflap laten wat dat betreft aan duidelijkheid niets te wensen over. Die zijn gedaan door hoogleraren filosofie en informatica. Dat maakt ”Het boek waarom”, al is het geschreven voor een algemeen publiek, toch vooral bruikbaar voor fijnproevers.

Boekgegevens

Het boek waarom. De nieuwe wetenschap van oorzaak en gevolg, Judea Pearl en Dana Mackenzie; Maven Publishing; 480 blz.; € 24,50