Рациональность. Что это, почему нам ее не хватает и чем она важна

Если воспринимать каждую стрелку не как логическое следствие («Если Х курит, то Х заработает болезнь сердца»), но как условную вероятность («Вероятность, что Х заработает болезнь сердца при условии, что Х курит, выше вероятности, что Х заработает болезнь сердца при условии, что Х не курит») и думать об узлах событий не как о переключателях «да-нет», но как о вероятностях, отражающих базовую оценку или априорную вероятность, — такую диаграмму называют байесовской сетью[348]. Переходя по сети от узла к узлу и применяя (само собой) правило Байеса, можно проследить, как разворачиваются события. Каким бы запутанным ни было хитросплетение причин, условий и мешающих параметров, байесовская сеть позволяет определить, какие события причинно зависимы, а какие независимы друг от друга.

Придумал такие сети ученый-информатик Джуда Перл; он отмечает, что построены они из трех простых мотивов — линейная цепь, разветвление и коллайдер, каждый из которых описывает одну из фундаментальных (хотя и интуитивно не очевидных) характеристик причинно-следственной связи с более чем одной причиной.

Эти связи отражают условные вероятности. В каждом случае А и С связаны не напрямую, что означает, что вероятность А при условии В можно определить независимо от вероятности С при условии В. И в каждом случае о связи между ними можно сказать нечто особенное.

В причинной цепи

первая причина, А, «экранирована» от конечного эффекта, С; она влияет на него только через В. Для появления С наличие А вообще не обязательно. Подумайте о системе пожарной сигнализации в гостинице, работу которой можно описать цепью «пожар → дым → тревога». На самом деле это не пожарная сигнализация, но сигнализация о задымлении или даже о любой взвеси в воздухе. Сирена может перебудить гостей и из-за того, что кто-нибудь красит книжную полку из распылителя недалеко от датчика дыма, и из-за чадящей горелки для приготовления крем-брюле.

Причинное разветвление нам уже знакомо: оно описывает эпифеномен и сопутствующую ему опасность ошибиться в определении истинной причины. Возраст (В) влияет на словарный запас (А) и размер обуви (С): чем старше ребенок, тем больше у него нога и тем больше слов он знает. Очевидно, что объем словарного запаса коррелирует с размером ноги, но вряд ли мы посоветуем детским садам готовить детей к школе, снабжая их кроссовками большего размера.

Не меньшую опасность таит и коллайдер, где не связанные друг с другом причины сходятся к единому следствию. На самом деле он еще опаснее, ведь большинство из нас без пояснений осознают ошибку мешающего параметра (смеются шуткам на эту тему), а вот «искажение коллайдера» практически неизвестно. Имея дело с причинным коллайдером и фокусируясь на ограниченном диапазоне эффектов, мы получаем опасность установить несуществующую отрицательную корреляцию между причинами, поскольку одна причина будет компенсировать другую. Бывалые пользовательницы приложений для знакомств порой недоумевают, почему красивые мужчины такие сволочи. Это утверждение может быть клеветой на красавцев, и не стоит тратить время попусту, высасывая из пальца объяснительные теории типа той, будто хорошо выглядящих мужчин испортили толпы поклонниц и поклонников, которые с детства им потакали. Многие женщины готовы встречаться с мужчиной (В) только при условии, что он либо красавец (А), либо хороший человек (С). Даже если доброта и приятная внешность вообще не коррелируют в массиве потенциальных партнеров, мужчины заурядной наружности должны

быть добрыми, иначе женщины просто не станут с ними встречаться, а вот красавцы подобного отбора не проходят. Ложная отрицательная корреляция вводится дизъюнктивной разборчивостью женщин.

Искажение коллайдера дурачит и противников тестовых испытаний, заставляя их думать, будто экзаменационные оценки не имеют значения, потому что студенты, поступившие в институт с высокими экзаменационными баллами, не чаще прочих добираются до диплома. Хитрость тут в том, что студенты, поступившие несмотря на низкие оценки, очевидно, могут похвастаться какими-то другими достоинствами[349]

. Если не знать об этом искажении, можно даже подумать, будто курение беременной женщины идет на пользу будущему ребенку, поскольку маловесные дети курящих матерей жизнеспособнее по сравнению с другими маловесными новорожденными. Но дело в том, что низкий вес при рождении чем-то да обусловлен, и другие возможные причины маловесности, например наркомания или алкоголизм матери, могут повредить ребенку сильнее[350]. Кстати, искажение коллайдера объясняет и то, почему Дженни Кавиллери несправедливо считала, будто богатые мальчики глупы: чтобы попасть в Гарвард (В), ты должен быть либо богат (А), либо умен (С).

От корреляции к причинности: настоящие и естественные эксперименты