חיפוש באתר

קישורים

עמודים

קטגוריות

ארכיב עבור 'הסקה סיבתית'

סטנדרט הזהב להוכחת סיבתיות



אז איך מוכיחים סיבתיות? התשובה בשלוש מילים: עורכים ניסוי מבוקר.

אבל: התשובה המלאה כוללת עוד שתי מילים.

מי שמעוניין בהסבר מפורט ו/או לדעת איזה מילים חסרות לתשובה המלאה, מוזמן כמובן להמשיך לקרוא.

ניסוי מבוקר הוא תהליך שבו החוקר שולט בכל התנאים של הסביבה המעניינת אותו. לדוגמה, אם מושא המחקר שלכם הוא עכברים, אתם יכולים לשכן את העכברים שלכם בכלוב במעבדה, וכך אתם יכולים לשלוט על טמפרטורת החדר, רמת התאורה וכדומה. המונח באנגלית לשליטה בתנאי הסביבה הוא “control”, ומונח זה תורגם לעברית על ידי המילה “בקרה”, ומכאן השם ניסוי מבוקר.

אם אתם רוצים לבדוק כיצד טמפרטורת החדר משפיעה למשל על רמת הפוריות של העכברים שלכם, אתם יכולים, לכאורה, לשנות אותה ולראות מה קורה. הבעיה: אם אתם מעלים את טמפרטורת העכברים, אתם לא תראו מה היה קורה אילו לא העליתם אותה. זוהי בעיית המציאות החלופית[1]. אתם יכולים לפתור את הבעיה הזו בקלות יחסית. קחו שני כלובים. דאגו לכך שהתנאים בשני הכלובים יהיו זהים, פרט לטמפרטורת החדר. אתם יכולים לעשות את זה על ידי כך שתשימו כל כלוב החדר אחר, והתנאים שבשני החדרים יהיו זהים, פרט לטמפרטורה. בחדר אחד תהיה הטמפרטורה ה-“רגילה”, ובחדר השני תהיה טמפרטורה שונה. כך תוכלו להשוות את התוצאות המתקבלות בשני החדרים. אם יש שוני בין התוצאות, הוא חייב להיגרם על ידי שינוי הטמפרטורה, מכיוון שזהו ההבדל היחיד בין שני החדרים. נהוג לכנות את העכברים שבחדר שבו שונתה הטמפרטורה בשם “קבוצת הניסוי”, ואת העכברים שהיו בחדר בו שררה הטמפרטורה הרגילה  בשם “קבוצת הביקורת”.

התובנה החשובה ביותר בניסוי שתיארתי היא שהחוקר ביצע את שינוי הטמפרטורה, ומתוך כך הסיק שטמפרטורת החדר גורמת (או שאולי לא גורמת) לשינוי בפוריות העכברים. זה שונה לחלוטין ממצב בו החוקר צופה בשתי אוכלוסיות עכברים החיות בסביבות דומות, אך יש הבדלים בטמפרטורת בין שתי הסביבות. זה שונה גם ממצב שבו המדען נסע לחופשה, חזר למעבדה כעבור מספר שבועות כדי לגלות שטמפרטורת החדר השתנתה (אולי המזגן התקלקל) ובמקביל היה שינוי בפוריות העכברים (אולי היו בכלוב יותר גורי עכברים ממה שהיו אמורים להיות, אולי פחות). מהתצפית הזאת אי אפשר להסיק סיבתיות, לפחות לא באופן ישיר. הקביעה כי קיים גורם סיבתי נובעת ממה שהחוקר עשה, ולא ממה שהוא צפה בו. התיאוריה של יהודה פרל מתבססת על ההבחנה הזו.

כתבה מעניינת שפורסמה החודש במגזין דיסקובר מדרגת את עשרת הניסויים המדעיים החשובים ביותר בכל הזמנים. אני ממליץ בחום לקרוא את הכתבה הזו, ומציע לכם לחשוב אלו ניסויים מבין העשרה היו או אמורים להיות ניסויים מבוקרים ואלו לא.

אני רוצה להזכיר גם כי ניסוי לא חייב לשנות רק גורם אחד. ניתן, וכמעט תמיד רצוי לשנות כמה גורמים במקביל, מכיוון שבדרך כלל יש יחסי גומלין (אינטראקציות). כתבתי על כך בהרחבה בפוסט סטטיסטיקה רעה: לא לתכנן.

עד כאן הכל טוב ויפה, עד שמישהו מעצבן שיושב בשורה האחרונה מרים את היד ומבקש לשאול שאלה. האם באמת התנאים בשני החדרים היו זהים פרט לשוני בטמפרטורה? זו שאלה רטורית. התשובה היא לא. קודם כל, אלה חדרים שונים. אולי דומים מאוד, אבל לא זהים. בניסוי הזה הנחנו שאין הבדלים בין החדרים. אולי חדר אחד יותר קרוב לנתב האלחוטי וספג לכן יותר קרינה? אולי פשוט בחדר אחד שיעור הנקבות בקרב העכברים היה שונה משיעורן בקרב העכברים שבחדר השני? ואולי יש סיבה שלא חשבנו עליה? המון דברים יכולים לקרות.

שוב, יש בעיות שאפשר לפתור. אם אנחנו חושבים שזה חשוב, אפשר אולי להזיז את הראוטר למקום שבו הוא יהיה המרחק שווה בערך משני החדרים, או לבחור שני חדרים שמרחקם מהראוטר שווה. או שאולי אנחנו מניחים כי יש סבירות גבוהה לכך שהקרינה מהראוטר אינה משפיעה על שיעורי פוריות מכיוון שהיא נמוכה.[2]  לדאוג ששיעורי הנקבות בשתי הקבוצות יהיו שווים – אין בעיה. אבל יכולים לקרות עוד הרבה דברים אחרים, בוודאי בניסויים יותר מסובכים שבהם יש הרבה מאוד גורמים היכולים להשפיע על תוצאת הניסוי.[3]

הבעיה היא שיש דברים שלא קל ואי אפשר לטפל בהם. אלה יכולים להיות דברים שאנחנו לא יכולים לשלוט בהם, כמו מזג האוויר למשל, או דברים שאנחנו כלל מודעים לקיומם. אז מה עושים?

רונלד פישר מצא את הפתרון: הקצאה רנדומלית. אלה שתי המילים החסרות.

רונלד פישר

רונלד פישר

בראשית דרכו, פישר היה חוקר בתחנת המחקר החקלאית ברותהמסטד, מכון המחקר החקלאי המודרני הראשון, שנוסד ב-1843. בין היתר, החוקרים ניסו לבדוק את מידת ההשפעה של דשנים שונים על כמות היבול. חוץ מהדשנים, יש כמובן עוד גורמים המשפיעים על כמות היבול, כגון מזג האוויר, סוג הקרקע, מיקום הצמחים בשדה[4] וכדומה. מה עושים?

אי אפשר לקחת שני שדות ובכל אחד מהם לנסות דשן אחר, כי השדות שונים. לקחת שדה אחד ולחלק אותו לשניים? אלה שוב שני שדות, רק קטנים יותר. אז אולי ניקח שדה אחד, השנה נדשן אותו בדשן א ובשנה הבאה בדשן ב? בכל שנה יש מזג אויר אחר. ועדיין לא דיברנו על כך שלא כל הצמחים זהים.

פישר הציע לחלק את השדה ליחידות קטנות ושוות, ולקבוע באופן מקרי איזה סוג דשן תקבל כל יחידה. אם נניח שהשדה חולק ל-36 ריבועים קטנים, נבחר באופן מקרי 18 ריבועים ונדשן אותם בדשן א, ואת 18 הריבועים האחרים נדשן בדשן ב. הטכנולוגיה בה הוא השתמש כדי לקבוע מה תהיה ההקצאה הרנדומלית הייתה כובע ופתקים.

נניח שיש הבדלים בתאורה בחלקים השונים של השדה (אולי יש הר שמטיל צל בחלק מהיום על חלק מהשדה), אז בערך מחצית מהריבועים בחלק המוצל דושנו בדשן א ומחצית דושנו בדשן ב. אם בגלל שיפוע השדה יש חלק בשדה שמקבל יותר מים מחלק אחר, בערך מחצית מהריבועים בחלק הזה מדושנים בדשן א ומחצית בדשן ב. ואם יש גורם שלא חשבנו עליו שמשפיע על חלק מהשדה, עדיין בערך מחצית מהריבועים בחלק הזה דושנו בדשן א ומחצית בחלק ב. ואם יש הבדלים בין הצמחים, אז לכל תכונה של הצמחים שתוכלו לחשוב עליה, תהיה חלוקה בערך שווה בין שני סוגי הדשנים. אם לשיחים שונים של עגבניות יש רמות פוריות שונות, ההקצאה הרנדומלית תדאג לכך שבכל רמת פוריות יהיה מספר הצמחים שדושנו בדשן א יהיה שווה בערך למספר הצמחים שדושנו בדשן ב (בהנחה שיש מספר דומה של צמחים בכל חלקה).

הרנדומיזציה יוצרת למעשה את שני העולמות “המקבילים”: מבחינה התפלגותית הם זהים בכל דבר, פרט לגורם שאנחנו מנסים לברר האם הוא גורם סיבתי. פישר למעשה הסביר את הנקודה שדייויד יום פיספס. אנחנו יכולים לדעת “מה היה קורה אילו”.

ההקצאה הרנדומלית פותרת גם בעיה חמורה נוספת שלא הזכרתי: טעויות מדידה. זה קל לספור כמה עכברונים נולדו בכל כלוב. רק אני יכול לטעות בספירה כזו. אבל אם שוקלים את יבול העגבניות בחלקה 17, המאזניים עלולים להיות לא מספיק מדוייקים. על סמך ההקצאה הרנדומלית, פישר פיתח שיטות סטטיסטיות לאמידת גודל טעות המדידה, ולהפרדת השונות הנובעת מטעות המדידה מהשונות שבין החלקות והשונות שבין הצמחים הנמצאים בתוך כל חלקה. שיטה זו נקראת, שלא במפתיע, ניתוח שונות.

ב-1935 פישר פירסם את רעיונותיו ותובנותיו בספרו המשפיע שעסק בתכנון ניסויים. למרות שזכויות היוצרים על הספר עדיין לא פגו, הוא זמין לקריאה ברשת (בקישור הזה תוכלו להוריד את הספר במספר פורמטים לבחירתכם). אני ממליץ להציץ בו ולקרוא את ההקדמה.

עם זאת, רעיון ההקצאה הרנדומלית, כמו כל רעיון מהפכני, לא התקבל מייד. ההתנגדות העיקרית הייתה בתחום הרפואה. הטענה הייתה כי בניסוי רפואי הנערך בבני אדם, הקצאה רנדומלית אינה אתית. הניסוי הקליני הראשון עם הקצאה רנדומלית, ניסוי הסטרפטומיצין, נערך רק ב-1944, וזאת רק מפני שלא הייתה ברירה. לא היו מספיק מנות תרופות עבור כל החולים. ניסויים קליניים עם הקצאה רנדומלית[5] התקבלו רק לאחר הניסוי לבדיקת החיסון נגד פוליו שפיתח יונה סאלק. למעשה נערכו שני ניסויים: ניסוי אחד עם הקצאה רנדומלית וסמיות כפולה שהוביל הסטטיסטיקאי פול מאייר (בתמונה), וניסוי נוסף בו ההקצאה לא הייתה רנדומלית אלא על פי גילאי הילדים שהשתתפו בניסוי. ההבדלים בין שני הניסויים היו משמעותיים. בסופו של דבר התברר כי בניסוי השני הייתה הטיה שגרמה לכך שהחיסון נראה פחות יעיל ממה שהוא באמת.

בעולם מושלם,  סדרת הפוסטים הזו אמורה להסתיים כאן. אבל העולם לא מושלם, כידוע. הסדרה תימשך.

 


הערות
  1. counterfactuals []
  2. נסו לחשוב איך יודעים את זה []
  3. ואני לא מזלזל בניסויים בעכברים. בניגוד למה שאולי ניתן לחשוב על סמך התיאור הפשטני שנתתי, ניסויים בחיות הם ניסויים מורכבים שיש לתכנן בזהירות רבה []
  4. ייתכן ויש איזורים בשדה שמקבלים יותר מים בגלל שיפוע הקרקע []
  5. וסמיות כפולה []

סיבתיות: הגדרות ותיאוריות

בפוסט זה אסקור מספר תיאוריות והגדרות של סיבתיות הרלוונטיות לנושא של הסקה סיבתית. היריעה, כמובן, רחבה הרבה יותר. סקירה טובה למדי של הנושא, בעיקר מהבחינה הפילוסופית, ניתן למצוא בערך Causality  בויקיפדיה האנגלית.

סיבתיות על פי אריסטו

אחת התיאוריות המוקדמות ביותר לסיבתיות, לפחות בתרבות המערבים, היא התיאוריה של אריסטו. לפי אריסטו, סיבתיות היא למעשה התשובה לשאלה “למה?”. באופן מדוייק יותר, השאלה היא “למה דבר מסויים קיים?”. על פי אריסטו, כדי להבין את הסיבתיות, יש צורך לענות על ארבע שאלות שונות, ורק תשובות מלאות לארבע השאלות האלה.

ניקח למשל את השאלה “מדוע בית קיים?”[1]

השאלה הראשונה היא השאלה החומרית: מאיזה חומר (או חומרים) הבית עשוי? הבית אינו יכול להיות קיים ללא קיומם של לבנים, מלט, עץ וכולי. אבל זה לא מספיק. צריך לשאול גם מי יצר את הבית. זוהי השאלה הפורמלית. כל חומרי הבניין אינם יוצרים בית. כדי שייווצר מהם בית, צריך בנאי שייקח את כל החומרים האלה וייצור מהם בית. כן יש לברר מה הנימוק[2] לקיומו של הבית . בדוגמה הזו, צריך חומרים, צריך גם בנאי, אבל כדי שהבית יתקיים צריך גם מישהו שיחליט לקחת את כל חומרי הבנייה ולבנות מהם בית. השאלה האחרונה היא שאלת הסיבה הסופית, או שאלת התכלית. למה מיועד הבית? הבית מיועד לכך שנוכל לגור בו, ולהגן על עצמנו מפגעי מזג האוויר ומדברים נוספים.

כל זה טוב ויפה, אבל הדברים עלולים להסתבך. הביקורת החריפה על מושג הסיבתיות לפי אריסטו נובעת משאלת התכלית. יש תכלית לבית, אבל האם יש תכלית לתחלואה בסרטן? במקרה הזה, קל יחסית לענות על השאלה החומרית. לשאלה הפורמלית יש תשובות חלקיות (עישון למשל), ובמקרה של עישון, המעשן החליט בשלב כלשהו שהוא רוצה לעשן. אבל מהי התכלית של מחלת הסרטן? אתם מוזמנים לנסות לענות.

התיאוריה של אריסטו לא עברה מן העולם. אני מזכיר אותה כאן בגלל ספר שיצא לאור לאחרונה בשם The book of why[3]. הכותב העיקרי של הספר הוא יהודה פרל[4]. זוהי התייחסות ישירה לאריסטו, אם כי פרל אינו מספק מתודולוגיה מתמטית/סטטיסטית למציאת תשובות לכל ארבע השאלות, אלא רק לשתיים מהן: השאלה הפורמלית ושאלת הנימוק. אדון בתיאוריה של פרל בהרחבה בהמשך הסדרה.

סיבתיות המבוססת על עולם חלופי (counterfactuals)

על פי הגישה הזו , השאלה שיש לשאול היא “מה היה קורה אילו…?”.

David Hume

David Hume

לשאלת הקשר הסיבתי בין עישון ותחלואה בסרטן, יש לבחון שתי אפשרויות. מה יקרה לאדם אם יעשן, ומה שיקרה לו אם הוא אינו מעשן. אם אדם מעשן חולה בסרטן, ואנחנו יכולים להראות כי אילו לא היה מעשן לא היה חולה, נוכל להסיק כי העישון גרם לסרטן. אבל יש כאן בעיה יסודית: אנו לא יכולים לצפות בשתי האפשרויות. אם אדם מעשן, לא נוכל לדעת מה היה קורה לא אילו לו היה מעשן, ולהיפך.

קריטריון זה לסיבתיות הועלה על ידי הפילוסוף דייוויד יום במאה ה-18. אני לא אכנס כאן לכל הדיונים הפילוסופיים שנובעים מהתיאוריה של יום, אבל בגדול, השורה התחתונה היא שאי אפשר להסיק סיבתיות, כי אנחנו לא יודעים בביטחון “מה היה קורה אילו”.

אבל מסתבר שיש דרכים לעקוף את הבעיה. אציין כאן מספר אנשים שהתמודדו עם הבעיה הזו, בדרגות שונות של הצלחה[5] : רונלד פישר, קרל פירסון, אדני יול, וג’רזי ניימן. מי שביסס את תיאוריית המציאות החליפית כמסגרת סטטיסטית להסקת סיבתיות הוא דונלד רובין  מאוניברסיטת הרווארד, שהרחיב את הגישה של ניימן. בהמשך הסדרה אתייחס בהרחבה לגישות של פישר ושל רובין.

סיבתיות הסתברותית[6]

עד כה הדיון התמקד בסיבתיות דטרמיניסטית: אם A גורם ל-B  הרי שאם קורה A אזי B גם הוא חייב לקרות. במובן הזה, מלחמה אינה גורמת למוות, שהרי, תודה לאל, יש אנשים שנלחמו במלחמה או חוו אותה ולא מתו. לפי אותו הגיון עישון אינו גורם לסרטן או מחלות לב, מכיוון שיש אנשים שעישנו כל חייהם ולא חלו בסרטן או במחלת לב. תרופה נגד כאבים אינה גורמת להפסקת הכאב או אף להקלה בו אצל כל אדם הסובל מכאבים, גם אם פעולת התרופה נבדקה בניסויים קליניים.

כתוצאה מכך, הוצע רעיון הסיבתיות ההסתברותית. באופן לא פורמלי, נאמר כי עישון הוא גורם לסרטן אם ההסתברות לאדם יחלה בסרטן כאשר ידוע כי הוא מעשן, גדולה מההסתברות שיחלה בסרטן אם לא ידוע האם הוא מעשן או לא.

הוכחת סיבתיות, גם לפי הגדרה זו, היא קשה. על פי ההגדרה A ו-B הם מאורעות הסתברותיים שאינם בלתי תלויים, אך באופן אמפירי ניתן לצפות בדרך כלל רק בקשר סטטיסטי[7] בין שני המאורעות. האמירה הידועה כי “מתאם אינו מעיד על סיבתיות” מבטאת בצורה לא מדויקת את הקושי הזה. אמירה זו טוענת למעשה כי לעולם לא ניתן להסיק סיבתיות מתוך נתונים תצפיתיים. לכן לעיתים הקשר הסיבתי/הסתברותי מבוטא בניסוח מסתייג כגון “עישון הוא גורם סיכון לסרטן”.

גורמים הכרחיים ומספיקים לסיבתיות

ניתן לחלק את גורמי הסיבתיות האפשריים לשלושה סוגים.

הסוג הראשון הוא גורם הכרחי. מצב לא יכול להתקיים אם הגורם לו אינו קיים. אם המצב קיים, אז בהכרח גם הגורם קיים. אולם, המצב אינו חייב להתקיים גם אם הגורם קיים.

לדוגמא, מחלת החצבת נגרמת על ידי נגיף החצבת. הנגיף חייב להימצא בתוך גופו של אדם כדי שיחלה בחצבת, ואם אדם חלה בחצבת, אנחנו יודעים כי הנגיף נמצא בגופו. עם זאת, הימצאותו של נגיף החצבת בתוך גופו של אדם לא מחייבת כי האדם יחלה בחצבת. למשל, אם אדם מחוסן נגד חצבת, הוא לא יחלה.[8]

הסוג השני הוא גורם מספיק. אם הגורם מתקיים, אז גם המצב שהוא גורם יתקיים. אולם, ייתכן כי המצב יתקיים גם ללא נוכחות הגורם, וזאת מכיוון שגורם אחר התקיים.

לדוגמה, אם יורד גשם, אז הדשא שצומח בגינה שליד ביתכם יירטב. אירוע של גשם מספיק כדי להרטיב את הגשם. אבל אם אתם יוצאים מהבית בבוקר ורואים כי הדשא רטוב, ואין לכם כל מידע אחר[9], לא תוכלו להסיק כי ירד גשם. ייתכן והדשא נרטב כי הממטרות פעלו במשך הלילה.

יכול להיות גם גורם שאינו הכרחי וגם אינו מספיק. נניח שאם רוצים לאכול סלט מעגבניות אורגניות שגידלתם בעצמכם בחצר ביתכם. ירידת גשם אינה הכרחית כדי שתוכלו לאכול את העגבניות הפרטיות שלכם. אפשר להשקות. אבל ירידת גשם, אפילו יום יום לאורך כל העונה, אינה מספיקה. כדי שתוכלו לאכול עגבניות מהגינה שלכם אתם גם צריכים לזרוע אותן. אם לא תזרעו עגבניות, שום גשם לא יצמיח אותן.

בהמשך הסדרה נראה איך מושגים אלה קשורים לתיאוריה של פרל.

מה בקשר לגורם שהוא גם הכרחי וגם מספיק? באופן פילוסופי אפשר להתייחס גם לגורם כזה, למען השלמות. אבל אם גורם מסויים הוא גם הכרחי וגם מספיק למצב מסויים, הרי שהוא שקול למצב הנגרם. זה מעניין מבחינה פילוסופית, אבל לא מעשית.

 

 


הערות
  1. ראו  Aristotle’s Four Causes []
  2. אני לא בטוח שזו המילה העברית הנכונה. הביטוי הוא efficient []
  3. אני ממליץ לקרוא את הספר, אבל בביקורתיות []
  4. שותפו לכתיבה, דנה מקנזי,  הוא עיתונאי שסייע לפרל להציג את רעיונותיו בצורה שתתאים יותר לקהל הרחב. המאמרים והספרים שפרל כתב הינם בלתי קריאים לחלוטין []
  5. תיראו מופתעים []
  6. פסקה זו מבוססת על הערך שעוסק בסיבתיות בויקיפדיה העברית. זו לא העתקה. אני כתבתי את תת הערך הזה []
  7. כאן הכוונה היא למונח הכללי association, ולא למונח הנפוץ correlation שהוא סוג מיוחד של קשר סטטיסטי. זוהי נקודה עדינה שאתייחס אליה בהמשך הסדרה. []
  8. כאן יש להבדיל בין “מחוסן” ובין “קיבל חיסון”, וזאת כי יעילות החיסון גבוהה אך אינה מקסימלית. ישנם מקרים, נדירים מאוד, בהם אנשים שקיבלו חיסון נותרו לא מחוסנים מסיבות שונות. []
  9. למשל כי ישנתם שינה עמוקה ואינכם יודעים מה קרה בחוץ במשך הלילה []

הסקה סיבתית – פוסט פתיחה

כולם מכירים את המנטרה “מתאם לא מעיד על סיבתיות”. אז מה כן מעיד על סיבתיות? כבר כתבתי כאן כמה וכמה פוסטים על מתאם וסיבתיות. הפוסט הראשון שעלה בנסיכת המדעים, ביוני 2004,”האם החסידה מביאה ילדים לעולם“, עסק במתאם וסיבתיות. התייחסתי לנושא עוד פעמים רבות במהלך השנים.

בספטמבר 2012 כתבתי כאן פוסט שנשא את הכותרת הפרובוקטיבית  “על מתאם וסיבתיות, או האם צמחונות גורמת לאנורקסיה“. הפוסט הזה הוא הפוסט הנקרא ביותר בנסיכת המדעים בכל הזמנים, ועורר זעם רב, כיוון שרמזתי כי התשובה לשאלה בכותרת עשויה (או עלולה) להיות חיובית. בהמשך נראה כי לפחות על פי גישה אחת התשובה היא אכן חיובית.

חודש לאחר מכן באוקטובר 2012, כתבתי פוסט נוסף בנושא. הכותרת הפעם הייתה “מתאם כן מעיד על סיבתיות“. הנקודה שניסיתי להבהיר שם הייתה שאם צופים במתאם, ראוי לחשוד שמה קיימת גם סיבתיות. כלומר, אין לפרש את המנטרה “מתאם לא מעיד על סיבתיות” כ-“אם יש מתאם אז אין סיבתיות”, כפי שרבים חושבים, למרבה הצער. הפירוש הנכון הוא כי מתאם בלבד אינו עדות מספקת לקיום סיבתיות.

אז איך מסיקים סיבתיות? איך אנחנו יודעים, למשל, כי עישון גורם לסרטן? מהי משמעות הטענה הזו בכלל? הרי יש אנשים שמעשנים כל חייהם ולמרות זאת לא חלו בסרטן. אז אולי עישון לא באמת גורם לסרטן? אם כך, אז מהי בכלל סיבתיות? האם הסטטיסטיקה יכולה לעזור לנו להוכיח כי קיימת סיבתיות או להפריך את קיומה?

אני פותח כאן בסדרת פוסטים שתנסה לענות על חלק מהשאלות האלה. אעדכן כאן את הקישורים עם התקדמות הסדרה. אם אתם רוצים לקבל עדכונים שוטפים, אתם מוזמנים להירשם כאן.