कारणता: Difference between revisions

{{redirect-multi|2|कारण|कारण अौर प्रभाव}}

[[अरिस्टोटेलियन दर्शन]] के अंग्रेजी अध्ययनों में, कारण शब्द का प्रयोग एक विशेष तकनीकी शब्द के रूप में किया जाता है, अरिस्टोटल के शब्द αἰτία का अनुवाद, जिसके द्वारा अरिस्टोटल का अर्थ  "स्पष्टीकरण" या "क्यों' प्रश्न का उत्तर" था। [[अरस्तू]] ने [[चार कारण]] को भौतिक, औपचारिक, कुशल और अंतिम कारणों के रूप में वर्गीकृत किया। इस सन्दर्भ में, कारण स्पष्टीकरण के लिए स्पष्टीकरण है, और यह पहचानने में विफलता कि विभिन्न प्रकार के कारणों पर विचार किया जा रहा है, व्यर्थ बहस का कारण बन सकता है। अरस्तू के चार व्याख्यात्मक तरीकों में से, वर्तमान लेख की चिंताओं के सबसे निकट वाला "कुशल" है।

कारण कार्य सिद्धांत का विषय [[समकालीन दर्शन]] में एक प्रधान बना हुआ है।

इस प्रश्न पर एक दृष्टिकोण यह है कि कारण और प्रभाव एक और एक ही प्रकार की इकाई हैं, कारण कार्य सिद्धांत के साथ उनके बीच एक असममित संबंध है। कहने का अर्थ यह है कि व्याकरण की दृष्टि से यह कहना उचित होगा कि या तो "ए कारण है और बी प्रभाव है" या "बी कारण है और ए प्रभाव है", हालांकि उन दोनों में से केवल एक ही वास्तव में सत्य हो सकता है। इस दृष्टि से, प्रक्रिया दर्शन में एक आध्यात्मिक सिद्धांत के रूप में प्रस्तावित एक राय यह है कि प्रत्येक कारण और प्रत्येक प्रभाव क्रमशः कुछ प्रक्रिया, घटना, बनना या घटित होना है।<ref name=Whitehead1929/>एक उदाहरण है 'कदम पर उसका लड़खड़ाना कारण था, और उसका टखना टूटना प्रभाव'। एक अन्य दृष्टिकोण यह है कि कारण और प्रभाव 'स्थितियां' हैं, उन संस्थाओं की सटीक प्रकृति के साथ प्रक्रिया दर्शन की तुलना में कम प्रतिबंधात्मक रूप से परिभाषित किया गया है।<ref>[[David Malet Armstrong|Armstrong, D.M.]] (1997). ''A World of States of Affairs'', Cambridge University Press, Cambridge UK, {{ISBN|0-521-58064-1}}, pp.&nbsp;89, 265.</ref>

चूंकि कारण कार्य सिद्धांत एक सूक्ष्म तत्वविज्ञान  है, विशेष अनुभवजन्य परिस्थितियों में इसका ज्ञान स्थापित करने के लिए साक्ष्य के प्रदर्शन के साथ-साथ काफी बौद्धिक प्रयास की आवश्यकता है। डेविड ह्यूम के अनुसार, मानव मन प्रत्यक्ष कारण संबंधों को देखने में असमर्थ है। इस आधार पर, विद्वान कारण कार्य सिद्धांत पर नियमितता दृष्टिकोण और प्रतितथ्यात्मक धारणा के बीच अंतर करता है।<ref name=Hume>{{Cite book|last=Hume|first=David|title=मानव प्रकृति पर एक ग्रंथ|url=https://archive.org/details/atreatiseofhuman00humeuoft|publisher=Clarendon Press|year=1888|location=Oxford}}</ref> [[प्रतितथ्यात्मक सशर्त]] के अनुसार, एक्स वाई का कारण बनता है यदि और केवल यदि , एक्स के बिना, वाई सम्मलित नहीं होगा। ह्यूम ने उत्तरार्द्ध की व्याख्या एक ऑन्कोलॉजिकल दृष्टिकोण के रूप में की, अर्थात, कारण कार्य सिद्धांत की प्रकृति के विवरण के रूप में, लेकिन, मानव मन की सीमाओं को देखते हुए, पूर्व का उपयोग करने की सलाह दी (बताते हुए, मोटे तौर पर, कि एक्स वाई का कारण बनता है और केवल यदि दो घटनाएं हैं spatiotemporally conjoined, और X पूर्ववर्ती Y) कारण कार्य सिद्धांत की एक महामारी परिभाषा के रूप में। कारण कार्य सिद्धांत और गैर-कारण संबंधों के बीच अंतर करने के लिए कारण कार्य सिद्धांत की एक ज्ञानमीमांसा की आवश्यकता है। कारण कार्य सिद्धांत पर समकालीन दार्शनिक साहित्य को कारण कार्य सिद्धांत के पाँच बड़े दृष्टिकोणों में विभाजित किया जा सकता है। इनमें (ऊपर उल्लिखित) नियमितता, संभाव्य कारण, प्रतितथ्यात्मक, तंत्र (दर्शन), और हेरफेरवादी विचार सम्मिलित हैं। पांच दृष्टिकोणों को रिडक्टिव के रूप में दिखाया जा सकता है, अर्थात, अन्य प्रकार के संबंधों के संदर्भ में कारण कार्य सिद्धांत को परिभाषित करें।<ref>{{Cite book|last=Maziarz|first=Mariusz|title=The Philosophy of Causality in Economics: Causal Inferences and Policy Proposals.|publisher=Routledge.|year=2020|location=New York & London}}</ref> इस पठन के अनुसार, वे कारण कार्य सिद्धांत को क्रमशः अनुभवजन्य नियमितताओं (घटनाओं के निरंतर संयोजन), [[सशर्त संभाव्यता]] में परिवर्तन, प्रतितथ्यात्मक स्थितियों, कारण कार्य सिद्धांत संबंधों के अंतर्समाहित तंत्र, और हस्तक्षेप के अनुसार निश्चरता के रूप में परिभाषित करते हैं।

करणीयता में पूर्ववर्ती और सामीप्य के गुण होते हैं।<ref name="Born"/><ref name="Sklar"/>ये टोपोलॉजिकल हैं, और स्पेस-टाइम ज्योमेट्री के लिए सामग्री हैं। जैसा कि [[अल्फ्रेड रॉब]] द्वारा विकसित किया गया था, ये गुण समय और स्थान की धारणाओं की व्युत्पत्ति की अनुमति देते हैं।<ref>[[Alfred Robb|Robb, A.A.]] (1936). [https://archive.org/details/geometryoftimean032218mbp ''Geometry of Time and Space''], Cambridge University Press, Cambridge UK.</ref> मैक्स जैमर आइंस्टीन अभिधारणा लिखता है ... कारण टोपोलॉजी के सीधे निर्माण का रास्ता खोलता है मिंकोव्स्की अंतरिक्ष का।<ref>[[Max Jammer|Jammer, M.]] (1982). 'Einstein and quantum physics', pp. 59–76 in ''Albert Einstein: Historical and Cultural Perspectives; the Centennial Symposium in Jerusalem'', edited by G. Holton, Y. Elkana, Princeton University Press, Princeton NJ, {{ISBN|0-691-08299-5}}, p. 61.</ref> कारण प्रभावकारिता प्रकाश की तुलना में तेजी से नहीं फैलती है।<ref>Naber, G.L. (1992). ''The Geometry of Minkowski Spacetime: An Introduction to the Mathematics of the Special Theory of Relativity'', Springer, New York, {{ISBN|978-1-4419-7837-0}}, pp. 4–5.</ref>

जब प्रयोगात्मक हस्तक्षेप अव्यावहारिक या अवैध होते हैं, तो अवलोकन संबंधी अध्ययनों से कारण और प्रभाव संबंध की व्युत्पत्ति कुछ गुणात्मक सैद्धांतिक मान्यताओं पर आधारित होनी चाहिए, उदाहरण के लिए, कि लक्षण बीमारियों का कारण नहीं बनते हैं, सामान्यतः [[कारण रेखांकन]] में लापता तीरों के रूप में व्यक्त किया जाता है। जैसे [[बायेसियन नेटवर्क]] या पथ विश्लेषण (सांख्यिकी)। इन व्युत्पत्तियों का अंतर्समाहित सिद्धांत सशर्त संभावनाओं के बीच के अंतर पर निर्भर करता है, जैसा कि <math>P(cancer|smoking)</math>, और इंटरवेंशनल संभावनाएं, जैसा कि <math>P(cancer|do(smoking))</math>. पूर्व पढ़ता है: धूम्रपान करने के लिए जाने जाने वाले व्यक्ति में कैंसर पाए जाने की संभावना, प्रयोगकर्ता द्वारा अप्रत्याशित रूप से, अतीत में एक अनिर्दिष्ट समय पर ऐसा करने के लिए, जबकि बाद में पढ़ता है: किसी व्यक्ति में कैंसर खोजने की संभावना द्वारा मजबूर प्रयोगकर्ता अतीत में एक निर्दिष्ट समय पर धूम्रपान करता है। पूर्व एक सांख्यिकीय धारणा है जिसे प्रयोगकर्ता द्वारा नगण्य हस्तक्षेप के साथ अवलोकन द्वारा अनुमान लगाया जा सकता है, जबकि बाद वाला एक कारणात्मक धारणा है जिसका अनुमान एक महत्वपूर्ण नियंत्रित यादृच्छिक हस्तक्षेप के साथ एक प्रयोग में लगाया जाता है। यह विशेष रूप से क्वांटम यांत्रिकी की विशेषता है कि असंगत चर द्वारा परिभाषित टिप्पणियों में सदैव प्रयोगकर्ता द्वारा महत्वपूर्ण हस्तक्षेप सम्मिलित होता है, जैसा कि पर्यवेक्षक प्रभाव (भौतिकी) द्वारा मात्रात्मक रूप से वर्णित है।{{Vague|date=June 2016}} पारम्परिक ऊष्मप्रवैगिकी में, ऊष्मप्रवैगिकी प्रक्रिया को उष्मागतिक संक्रियाओं नामक हस्तक्षेपों द्वारा शुरू किया जाता है। विज्ञान की अन्य शाखाओं में, उदाहरण के लिए [[खगोल]] विज्ञान, प्रयोगकर्ता अधिकांशतः नगण्य हस्तक्षेप के साथ निरीक्षण कर सकता है।

कारण गणना का सिद्धांत<ref name=Pearl>Pearl, Judea (2000). ''[https://books.google.com/books?id=wnGU_TsW3BQC Causality: Models, Reasoning, and Inference] {{Webarchive|url=https://web.archive.org/web/20210831203927/https://www.google.com/books/edition/_/wnGU_TsW3BQC |date=31 August 2021 }}'', Cambridge University Press.</ref> (डो-कैलकुलस के रूप में भी जाना जाता है, [[ यहूदिया मोती |यहूदिया मोती]] का कॉसल कैलकुलस, कैलकुलस ऑफ

क्रियाएँ) किसी को बिना मापे हुए चर के साथ आकस्मिक बायेसियन नेटवर्क में सशर्त संभावनाओं से पारंपरिक संभावनाओं का अनुमान लगाने की अनुमति देती हैं। इस सिद्धांत का एक बहुत ही व्यावहारिक परिणाम भ्रमित करने वाले चरों का लक्षण वर्णन है, अर्थात्, चर का एक पर्याप्त सेट, जिसे यदि समायोजित किया जाता है, तो ब्याज के चर के बीच सही कारण प्रभाव उत्पन्न होगा। यह दिखाया जा सकता है कि के कारण प्रभाव का अनुमान लगाने के लिए एक पर्याप्त सेट <math>X</math> पर <math>Y</math> के गैर-वंशजों का कोई सेट है <math>X</math> वह <math>d</math>-अलग <math>X</math> से <math>Y</math> से निकलने वाले सभी तीरों को हटाने के बाद <math>X</math>. यह कसौटी, जिसे बैकडोर कहा जाता है, भ्रमित करने की एक गणितीय परिभाषा प्रदान करती है और शोधकर्ताओं को माप के योग्य चर के सुलभ सेटों की पहचान करने में मदद करती है।

जबकि कारण कलन में व्युत्पत्ति कारण ग्राफ की संरचना पर निर्भर करती है, कारण संरचना के कुछ हिस्सों को, कुछ मान्यताओं के अनुसार , सांख्यिकीय डेटा से सीखा जा सकता है। मूल विचार सिवाल राइट के 1921 के काम पर वापस जाता है<ref>{{cite journal | last1 = Wright | first1 = S | title = सहसंबंध और करणीय| journal = Journal of Agricultural Research | volume = 20 | issue = 7| pages = 557–585 }}</ref> पथ विश्लेषण (सांख्यिकी) पर। रेबेन और पर्ल (1987) द्वारा एक पुनर्प्राप्ति एल्गोरिदम विकसित किया गया था।<ref>Rebane, G. and Pearl, J., "[https://arxiv.org/abs/1304.2736 The Recovery of Causal Poly-trees from Statistical Data] {{Webarchive|url=https://web.archive.org/web/20200726174055/https://arxiv.org/abs/1304.2736 |date=26 July 2020 }}", ''Proceedings, 3rd Workshop on Uncertainty in AI'', (Seattle) pp. 222–228, 1987</ref> जो [[ निर्देशित अचक्रीय ग्राफ |निर्देशित अचक्रीय ग्राफ]] (DAG) में अनुमत तीन संभावित प्रकार के कारण संरचनाओं के बीच राइट के भेद पर आधारित है:

टाइप 1 और टाइप 2 समान सांख्यिकीय निर्भरताओं का प्रतिनिधित्व करते हैं (अर्थात , <math>X</math> और <math>Z</math> स्वतंत्र दिए गए हैं <math>Y</math>) और इसलिए, विशुद्ध रूप से [[क्रास सेक्शनल डाटा]] के भीतर अप्रभेद्य हैं। हालाँकि, टाइप 3 को विशिष्ट रूप से पहचाना जा सकता है <math>X</math> और <math>Z</math> आंशिक रूप से स्वतंत्र हैं और अन्य सभी जोड़े निर्भर हैं। इस प्रकार, जबकि इन तीनों त्रिगुणों के कंकाल (तीरों से छीने गए रेखांकन) समान हैं, तीरों की दिशात्मकता आंशिक रूप से पहचान योग्य है। वही भेद तब लागू होता है जब <math>X</math> और <math>Z</math> एक ही पूर्वज होते हैं, सिवाय इसके कि उन पूर्वजों पर पहली शर्त होनी चाहिए। एल्गोरिदम को अंतर्समाहित ग्राफ के कंकाल को व्यवस्थित रूप से निर्धारित करने के लिए विकसित किया गया है और फिर, उन सभी तीरों को उन्मुख किया गया है जिनकी दिशा सशर्त स्वतंत्रता द्वारा निर्धारित की जाती है।<ref name="Pearl" /><ref>Spirites, P. and Glymour, C., "An algorithm for fast recovery of sparse causal graphs", ''Social Science Computer Review'', Vol. 9, pp. 62–72, 1991.</ref><ref>Spirtes, P. and Glymour, C. and Scheines, R., ''Causation, Prediction, and Search'', New York: Springer-Verlag, 1993</ref><ref>Verma, T. and Pearl, J., "[http://ftp.cs.ucla.edu/pub/stat_ser/R150.pdf Equivalence and Synthesis of Causal Models]", ''Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence'', (July, Cambridge, Massachusetts), pp. 220–227, 1990. Reprinted in P. Bonissone, M. Henrion, L.N. Kanal and J.F.\ Lemmer (Eds.), ''Uncertainty in Artificial Intelligence 6'', Amsterdam: Elsevier Science Publishers, B.V., pp. 225–268, 1991</ref>

संरचना सीखने के वैकल्पिक तरीके चर के बीच कई संभावित कारण संरचनाओं के माध्यम से खोज करते हैं, और उन लोगों को हटाते हैं जो देखे गए सहसंबंधों के साथ दृढ़ता से असंगत हैं। सामान्यतः यह संभावित कारण संबंधों का एक सेट छोड़ देता है, जिसे समय श्रृंखला डेटा का विश्लेषण करके या अधिमानतः, उचित नियंत्रित [[प्रयोग]]ों को डिजाइन करके परीक्षण किया जाना चाहिए। बायेसियन नेटवर्क के विपरीत, पथ विश्लेषण (सांख्यिकी) (और इसका सामान्यीकरण, संरचनात्मक समीकरण मॉडलिंग), एक ज्ञात कारण प्रभाव का अनुमान लगाने के लिए या कारणात्मक परिकल्पना उत्पन्न करने की तुलना में एक कारणात्मक मॉडल का परीक्षण करने के लिए बेहतर सेवा प्रदान करता है।

गैर-प्रयोगात्मक डेटा के लिए, समय के बारे में जानकारी उपलब्ध होने पर अधिकांशतः कारण दिशा का अनुमान लगाया जा सकता है। ऐसा इसलिए है क्योंकि (कई के अनुसार, हालांकि सभी नहीं, सिद्धांत) कारणों को अस्थायी रूप से अपने प्रभाव से पहले होना चाहिए। यह सांख्यिकीय समय श्रृंखला मॉडल द्वारा निर्धारित किया जा सकता है, उदाहरण के लिए, या [[ग्रेंजर करणीयता]] के विचार के आधार पर एक सांख्यिकीय परीक्षण के साथ, या प्रत्यक्ष प्रयोगात्मक हेरफेर द्वारा। लौकिक डेटा का उपयोग कारण दिशा के पहले से सम्मलित सिद्धांत के सांख्यिकीय परीक्षणों की अनुमति दे सकता है। उदाहरण के लिए, क्रॉस-सहसंबंधों, [[ARIMA|एआरआईएमए]] मॉडल, या [[ पार स्पेक्ट्रम |पार स्पेक्ट्रम]] द्वारा समर्थित होने पर क्रॉस-सेक्शनल डेटा की तुलना में वेक्टर समय श्रृंखला डेटा का उपयोग करके क्रॉस-स्पेक्ट्रल विश्लेषण द्वारा दिशा और कारण कार्य सिद्धांत की प्रकृति में विश्वास की डिग्री बहुत अधिक है।

=== व्युत्पत्ति सिद्धांत ===

नोबेल पुरस्कार विजेता हर्बर्ट ए। साइमन और दार्शनिक निकोलस रेसचर<ref name="SimRes">{{cite journal | last1 = Simon | first1 = Herbert | last2 = Rescher | first2 = Nicholas | year = 1966 | title = कारण और प्रतितथ्यात्मक| journal = Philosophy of Science | volume = 33 | issue = 4| pages = 323–340 | doi=10.1086/288105| s2cid = 224834481 }}</ref> दावा करते हैं कि कारण संबंध की विषमता किसी भी तरह के निहितार्थ की विषमता से संबंधित नहीं है जो विपरीत है। बल्कि, एक कारण संबंध चर के मूल्यों के बीच का संबंध नहीं है, बल्कि एक चर (कारण) का दूसरे (प्रभाव) पर एक कार्य है। इसलिए, समीकरणों की एक प्रणाली दी गई है, और इन समीकरणों में दिखाई देने वाले चरों का एक सेट, हम अलग-अलग समीकरणों और चरों के बीच एक असममित संबंध प्रस्तुत कर सकते हैं जो एक कारण क्रम की हमारी सामान्य ज्ञान धारणा से पूरी तरह से मेल खाता है। समीकरणों की प्रणाली में कुछ गुण होने चाहिए, सबसे महत्वपूर्ण बात यह है कि यदि कुछ मूल्यों को मनमाने ढंग से चुना जाता है, तो शेष मूल्यों को सीरियल डिस्कवरी के पथ के माध्यम से विशिष्ट रूप से निर्धारित किया जाएगा जो पूरी तरह से कारण है। वे मानते हैं कि समीकरणों की ऐसी प्रणाली के अंतर्समाहित क्रमबद्धता भौतिक विज्ञान और अर्थशास्त्र सहित सभी अनुभवजन्य क्षेत्रों में कारण कार्य सिद्धांत को सही ढंग से पकड़ सकती है।

=== हेरफेर सिद्धांत ===

कुछ सिद्धांतकारों ने जोड़-तोड़ के साथ कारण कार्य सिद्धांत की बराबरी की है।<ref name="Collingwood">Collingwood, R. (1940) ''An Essay on Metaphysics.'' Clarendon Press.</ref><ref name="Gasking">{{cite journal | last1 = Gasking | first1 = D | year = 1955 | title = कारण और व्यंजनों| journal = Mind | volume = 64 | issue = 256| pages = 479–487 | doi=10.1093/mind/lxiv.256.479}}</ref><ref name="MenPrice">{{cite journal | last1 = Menzies | first1 = P. | last2 = Price | first2 = H. | year = 1993 | title = द्वितीयक गुण के रूप में कारण| journal = British Journal for the Philosophy of Science | volume = 44 | issue = 2| pages = 187–203 | doi=10.1093/bjps/44.2.187| citeseerx = 10.1.1.28.9736 | s2cid = 160013822 }}</ref><ref name="vonWright">von Wright, G. (1971) ''Explanation and Understanding.'' [[Cornell University Press]].</ref> इन सिद्धांतों के अनुसार , x केवल तभी y का कारण बनता है जब कोई y को बदलने के लिए x को बदल सकता है। यह कारण कार्य सिद्धांत की सामान्य ज्ञान की धारणाओं के साथ मेल खाता है, क्योंकि अधिकांशतः हम दुनिया की कुछ विशेषताओं को बदलने के लिए कारण कार्य सिद्धांत संबंधी प्रश्न पूछते हैं। उदाहरण के लिए, हम [[अपराध के कारण]] को जानने में रुचि रखते हैं जिससे कि हम इसे कम करने के उपाय खोज सकें।

इन सिद्धांतों की दो प्राथमिक आधारों पर आलोचना की गई है। सबसे पहले, सिद्धांतकारों की शिकायत है कि ये खाते सवाल उठा रहे हैं। हेरफेर के कारण संबंधी दावों को कम करने का प्रयास करने के लिए आवश्यक है कि हेरफेर कारणात्मक बातचीत की तुलना में अधिक बुनियादी हो। लेकिन गैर-कारणात्मक शर्तों में हेरफेर का वर्णन करने से काफी कठिनाई हुई है।

दूसरी आलोचना मानवकेंद्रवाद की चिंताओं के इर्द-गिर्द केंद्रित है। बहुत से लोगों को ऐसा लगता है कि कारण कार्य सिद्धांत दुनिया में कुछ सम्मलित ा संबंध हैं जिनका हम अपनी इच्छाशक्ति ओं के लिए उपयोग कर सकते हैं। यदि हमारे हेरफेर के साथ कारण कार्य सिद्धांत की पहचान की जाती है, तो यह अंतर्ज्ञान खो जाता है। इस अर्थ में, यह मनुष्यों को दुनिया में अंतःक्रियाओं के लिए अत्यधिक केंद्रीय बनाता है।

जोड़-तोड़ के सिद्धांतों का बचाव करने के कुछ प्रयास हाल के खाते हैं जो हेरफेर के कारण को कम करने का दावा नहीं करते हैं। ये खाते हेरफेर का उपयोग कारण कार्य सिद्धांत में एक संकेत या विशेषता के रूप में करते हैं, यह दावा किए बिना कि हेरफेर कारण कार्य सिद्धांत से अधिक मौलिक है।<ref name="Pearl" /><!-- Pearl, Judea (2000) ''Causality'', Cambridge University Press, ISBN 0-521-77362-8</ref> --><ref name="Woodward">Woodward, James (2003) ''Making Things Happen: A Theory of Causal Explanatio