공부

과학철학통론 강의노트 05

강형구 2016. 7. 13. 06:44

 

인과-기제적 모형(Causal-Mechanical Model)

 

과학적 설명에서의 인과의 문제

 

새먼 : 라이헨바흐의 프로그램을 이어 받아 인과를 확률적 관계로 규명 가능하다고 생각.

하지만 과학적 설명에서 인과의 사용을 전적으로 배제할 수 있는가?

 

1970년 경 레만(Lehman)이 반프라센의 반례 2를 사용하여 다음과 같은 논증을 폈다.

p(B/A.p) = 0.3, p(B/A.q) = 0.3, p(B/A.~p.~q) = 0인 경우 새먼적 의미에서의 설명 조건이 충족되지 않았기 때문에(부분집합으로 분할 한 확률 값이 같으므로) 설명이 이루어지지 않았다고 생각해야 하는데, 직관적으로는 설명이 일어난 것 같다.

 

새먼의 두 가지 난점(1989)

상이한 원인들이 동일한 통계적 유관 관계를 산출할 수 있는 것처럼 보인다. ,

C이고

C인 경우 두 이유 중 특정한 이유를 선정(pick-up)할 수 있는 방안이 없다.

  

통계적 유관성이 이론적 설명을 설명할 수 있는 분명한 방안이 없다. (새먼 본인이 인정)

 

흄의 도전 : 인과성에 대한 적합한 분석이 제시될 수 있는가? (근접성, 시간 선후, 항상성 이외의 다른 요소들은 없다)

새먼(1984) : 경험론적 범위를 벗어나지 않는 범위에서, 인과적 과정 및 인과적 상호과정의 개념에 의해 인과를 분석하는 것이 가능하다.

 

새먼의 인과-통계적 설명

 

(1) S-R 모형에서 다루어진 통계적 관계들은 진정한 과학적 설명을 위한 통계적 기초를 구성한다.

(2) 이 통계적 연관들에 대한 인과적 설명을 제공해야 한다.

 

통계적 유관성 기초(S-R Basis)

 

(1)

가 선정되었을 경우의 사전확률

를 고려해서 적합한 준거 집합

를 선정한다.

(2) 최초의 준거 집합

에 대한 피설명항 분할(explanadum partition)'을 시행하며, 이 때 사용되는 속성이

이다. 이 분할은 우리의 관심이 되는 설명의 표본 공간을 정의한다.

(3) 통계적으로 유관한 요소

를 도입해서 준거 집합을 상호 배타적이고 꽉 채우는 방식으로

인 부분 집합들로 분할한다. 이 때 속성

설명항 분할이 된다.

(4) 우리는 다음과 같은 확률 관계들을 확인해야 한다.

사전확률

사후확률

(5) 각각의 부분 집합

가 피설명항 분할

에 대해서 균질적이어야 한다.

(6) 한계(marginal) 확률

를 통해서 설명항 분할에서의 부분 집합들의 상대적 크기를 결정해야 한다.

(7) ‘설명항 분할은 최대한으로 균질적이어야 한다. ,

이다.

(8) 우리는

라는 속성을 갖고 있는 설명해야 할 대상

가 어떤 부분 집합

에 속하는 지를 결정한다.

 

(2)의 경우 주어진 물음이 무엇인가를 분명히 하기 위해 피설명항의 분할을 실시한다. 왜냐하면 질문이 제시된 맥락에 따라서 요구하는 답이 달라지기 때문이다. , 이는

를 설정하는 문제와 관련이 있다.

 

(6)의 경우 설명항 분할에서 각 부분집합은 통계적으로 유관한 여러 인자와 연계되어 있기 때문에 추가되었다.

=성별,

=사회경제적 지위,

=주거 지역이라고 하면

뿐만 아니라

,

,

등을 알 필요가 있다. 이런 확률을 계산하기 위해서는

가 필요하다.

 

S-R 기초가 마련된 다음에는 인과적 설명을 제공해야 한다.

 

세계의 인과적 연계(causal nexus)는 상호작용(interaction, 구조 및 구조의 변화를 산출하는 기제), 과정(process, 구조를 전파하고 사건들 사이를 연결하는 것), 법칙(law, 상호작용과 과정을 지배하는 것)으로 구성된다.

 

(1) 인과적 과정 : 시공간 영역 시공간 영역

(2) 인과적 상호작용 : 구조의 변화가 산출되는 방식(interactive fork)

p(A&B) > p(A) × p(B) 이고 p(A&B/C) > p(A/C) × p(B/C)가 만족된다.

(3) 연접적 공동 원인 : 구조와 질서의 산출에 중요한 역할(conjunctive fork)

p(A&B/C) = p(A/C) × p(B/C) 이고 p(A&B) > p(A) × p(B)가 만족된다.

 

인과적 과정과 사이비 과정의 구분 문제

 

(1) 인과적 과정은 시공간적으로 연속적인 사건들의 계열

(2) 인과적 과정은 표지(mark)를 전파하는 능력을 가짐

) 슈퍼돔의 경우 : 돔 중앙에서 빛이 돔의 벽까지 전파되는 과정은 표지를 전달하지만, 돔의 벽에 비친 빛이 이동하는 것은 표지를 전달하지 못한다.

문제점 : 이 때 구조의 변화를 산출하는 상호작용이 일어나지 않았다면...”이라는 반사실적 조건문(counterfactual expression)이 개입된다. 왜 반사실적 조건문의 사용이 문제가 되는가?

 

표지의 원리(Mark Thesis) : Let be a process that, in the absence of interactions...

 

실제로 일어나는 현상에 대해 “pq가 상호작용하지 않는다면...”이라는 표현을 사용할 필요가 있는가? 하지만 해당 현상이 실제로 일어난다고 가정하는 것 자체가 귀납에 의거하는 것이다. 즉 반사실적 가정 그 자체도 귀납적인 방식으로 정당화될 수밖에 없으며, 따라서 이는 흄적인 비판의 대상이 된다.

 

따라서, 흄의 경험주의적 제약을 유지하면서 인과를 해명하려면 이 해명에 반사실적 조건문이 사용되어서는 안 된다.

 

새먼 대 키처(Kitcher)

 

새먼 : 문제의 반사실적 주장들은 통제된 시험을 통해 그 진위 판단이 가능하다(1984).

키처 : 통제된 시험은 항상 다른 조건이 같다면(ceteris paribus)'이라는 조건을 만족시켜야만 가능한데, 이 조건을 만족시키는 것이 쉽지 않다는 문제가 있다.

하지만 실제 과학에서는 통제된 실험이 실질적으로 빈번히 이루어지고 있지 않은가? 이는 너무 예민한 반응이다!

 

반사실적 조건을 사용하지 않고 인과성을 분석하는 방안이 있는가?

 

도웨(Dowe, 1992/1995)의 제안

CQ1 : 인과적 상호작용은 세계선들 사이에서 보존량을 교환하는 교차(intersection)이다.

CQ2 : 인과적 과정은 보존량을 갖는(manifest) 물체의 세계선이다.

위의 정의에서는 반사실적 조건을 사용하지 않는다!

 

이에 대해 동의하며 새먼이 다시 응답(1994)

IQ1 : 인과적 상호작용은 세계선들 사이에서 보존량을 교환하는 교차(intersection)이다.

IQ2 : 인과적 과정은 각각의 역사적 순간에 0이 아닌 불변량을 전달하는 물체의 세계선이다.

IQ3 : 만약 AB 사이에 특정 불변량을 교환하는 간섭이 발생하지 않을 경우, 인과적 과정은 A에서 B에로 불변량을 전달한다.

 

새먼의 인과-통계적 설명의 문제점

 

인과-통계적 설명은 시간적 전개를 지배하는 법칙(인과적 법칙)에 대해서는 설명이 가능하다. 그러나 공존의 법칙(뉴턴의 중력 법칙, 파울리의 배타 원리 등), 최소 작용의 원리, 대칭의 원리 등은 설명하지 못하지 않는가? 설명의 영역(scope)에 제한이 있다!

 

  

보존량 이론의 문제 : 새먼의 설명 모형이 물리적 영역을 넘어서는 영역에는 적용 가능하지 않는 것으로 보인다. 보존량과 관계 없는 성질들이 인과 관계에 있어서 많이 등장하기 때문이다. 이 또한 설명의 영역이 제한적임을 의미한다.

 

  

새먼의 인과-통계적 모형은 시공간의 연속을 전제하는데, 이는 양자역학에는 적용되지 않는다. (예를 들어 이중 슬릿 실험의 경우.) 그런데 양자역학은 물리학에 있어 근본적인(fundamental) 이론이며 설명 이론이 이 이론을 포함할 수 없다면 이는 심각한(critical) 문제가 된다. (Bohm)의 숨은 변수 이론을 전제하면 양자역학적 설명 또한 포함할 수 있지 않나?

 

  

표지 전달 능력보존량 등 인과적 자격의 특징이 인과적설명적 유관성을 가지지 않을 수도 있다.

예를 들어, 선운동량(linear momentum)외의 다른 성질들(각운동량 등)이 있는데, 그 중에서 적절한 인과적 자격이 무엇인지를 결정해야 하는지는 상황에 따라 다르다. 즉 주어진 상황에서의 표지보존량의 후보는 복수가 있을 수 있다. 따라서 표지 및 보존량은 인과적 유관성설명적 유관성을 확실하게 규정짓지는 못하는 셈이며 이는 새먼 설명 모형의 심각한 문제이다.