因果关系。我们从小就理解这个概念。拉动拉力玩具的绳子，玩具就会跟着动。自然，随着系统的发展、变量数量的增加以及噪音的出现，事情会变得更加复杂。最终，几乎不可能分辨出一个变量是导致某种影响，还是仅仅与某种影响相关或关联。
以气候科学为例。研究大气环流模式及其对全球天气影响的专家想知道这些系统会如何随着气候变暖而变化。这里涉及许多变量：海洋和空气温度和压力、洋流和深度，甚至地球自转随时间的变化细节。但哪些变量会导致哪些测量结果呢？
信息理论正是在此发挥作用，作为阐述因果关系的框架。加州理工学院航空航天学副教授 Adrián Lozano-Durán 及其在加州理工学院和麻省理工学院的团队成员开发了一种方法，即使在如此复杂的系统中也可以用来确定因果关系。
这种新的数学工具可以找出系统中每个变量对测量结果的贡献——既可以单独使用，更重要的是，也可以组合使用。该团队在 11 月 1 日发表在《自然通讯》杂志上的一篇论文中描述了他们的新方法，称为协同唯一冗余因果关系分解 (SURD) 。
新模型可用于科学家试图确定测量结果的真正原因的任何情况。这可能是任何事情，从引发 2008 年股市低迷的原因，到各种风险因素对心力衰竭的影响，到哪些海洋变量影响某些鱼类种群，到哪些机械特性导致材料失效。
“因果推理是跨学科的，有潜力推动许多领域的进步，”麻省理工学院 Lozano-Durán 团队的研究生、新论文的主要作者 Álvaro Martínez-Sánchez 表示。
对于 Lozano-Durán 的团队来说，SURD 最有用的用途在于设计航空航天系统。例如，通过确定哪个变量会增加飞机的阻力，该方法可以帮助工程师优化飞行器的设计。
“以前的方法只能告诉你一个变量或另一个变量的因果关系有多大，”洛扎诺-杜兰解释道。“我们的方法的独特之处在于它能够捕捉到造成影响的所有因素的全貌。”
新方法还避免了因果关系的错误识别。这主要是因为它不仅仅是量化每个变量独立产生的影响。除了作者所说的“独特因果关系”之外，该方法还纳入了两种新的因果关系类别，即冗余因果关系和协同因果关系。
冗余因果关系是指多个变量产生可测量的效应，但并非所有变量都是得出相同结果所必需的。例如，一个学生在课堂上取得好成绩可能是因为她非常聪明，也可能因为她学习刻苦。两者都可能导致好成绩，但只有一个是必需的。这两个变量是冗余的。
另一方面，协同因果关系涉及多个变量，这些变量必须共同作用才能产生效果。每个变量单独不会产生相同的结果。例如，患者服用药物 A，但病情没有好转。同样，当他服用药物 B 时，病情没有好转。但当他同时服用两种药物时，病情就完全康复了。药物 A 和 B 具有协同作用。
SURD 以数学方式将系统中每个变量的贡献分解为其独特、冗余和协同的因果关系成分。所有这些贡献的总和必须满足信息守恒方程，然后该方程可用于找出隐藏因果关系的存在，即无法测量或被认为不重要的变量。（如果隐藏的因果关系太大，研究人员就知道他们需要重新考虑他们在分析中包含的变量。）
为了测试新方法，Lozano-Durán 的团队使用 SURD 分析了 16 个验证案例——具有已知解决方案的场景通常会给试图确定因果关系的研究人员带来重大挑战。
“我们的方法将在所有这些情况下始终如一地为您提供有意义的答案，”加州理工学院研究生航空航天实验室的博士后研究员、论文作者之一 Gonzalo Arranz 表示。“其他方法会混淆不应该混淆的因果关系，有时会造成混淆。例如，它们会误判为不存在的因果关系。”
在论文中，研究小组使用 SURD 研究了空气绕墙流动时湍流的产生。在这种情况下，空气在低海拔、靠近墙的地方流动得更慢，在高海拔的地方流动得更快。此前，一些关于这种情况的理论认为，高海拔的气流会影响靠近墙的地方的情况，而不是相反。其他理论则提出了相反的观点——靠近墙的气流会影响高海拔的情况。
“我们用 SURD 分析了这两个信号，以了解相互作用是如何发生的，”Lozano-Durán 说。“事实证明，因果关系来自遥远的速度。此外，信号相互作用会产生某种协同作用，从而产生另一种因果关系。这种分解或分解为因果关系的碎片是我们方法的独特之处。
信任自然可求真
因果是主观思维，观测自然认知如何，无法观测主观为何，偏离自然公理/真理的确定性(以此为因演绎目的果)，胡编因果，都是鬼把戏。———苏格拉底说，真理是唯一的，因果关系无穷多！