Hai sự kiện luôn xảy ra cùng nhau. Cái nào gây ra cái nào, hay cả hai đều do một nguyên nhân thứ ba? Chỉ nhìn thì không trả lời được. Nhưng có một cách rất trực tiếp: thử tác động vào một cái và xem cái kia có đổi không.
Vì sao quan sát không đủ
Nếu chỉ quan sát, hai sự kiện đi cùng nhau có thể do ba nguyên nhân khác nhau: A gây ra B, B gây ra A, hoặc một yếu tố C gây ra cả hai.
Dữ liệu quan sát thuần tuý thường không phân biệt được ba trường hợp này, dù có bao nhiêu dữ liệu đi nữa.
Đây là một giới hạn về nguyên tắc chứ không phải về lượng dữ liệu — và nó là lý do khiến các hệ thống học từ dữ liệu quan sát có thể nắm rất tốt quy luật thống kê mà vẫn sai khi tình huống thay đổi theo cách phá vỡ mối tương quan cũ.
Ví dụ quen thuộc trong robot: nếu trong dữ liệu, mọi vật màu đỏ đều nhẹ, hệ thống có thể học rằng màu đỏ là dấu hiệu của nhẹ, và sẽ dùng lực sai khi gặp vật đỏ nặng.
Can thiệp phá vỡ mơ hồ
Cách giải quyết rất trực tiếp: chủ động thay đổi một yếu tố và xem điều gì đổi theo.
Nếu tự tay làm A xảy ra mà B vẫn theo, thì A gây ra B. Nếu làm A xảy ra mà B không đổi, thì mối liên hệ trước đó là do nguyên nhân khác.
Điểm mấu chốt: khi ta chủ động tác động, ta biết chắc nguyên nhân của hành động đó là chính mình, không phải một yếu tố ẩn nào. Điều này loại bỏ được toàn bộ nhóm giải thích thay thế.
Đây là lý do can thiệp có sức mạnh suy luận mà quan sát không có, và đó cũng là nguyên lý nền của phương pháp thực nghiệm.
Với luận điểm hiện thân, đây là một lập luận rất cụ thể: một hệ thống có cơ thể có thể can thiệp, nên có thể học nhân quả theo cách hệ thống chỉ quan sát không thể.
Trẻ em làm thí nghiệm
Quan sát trẻ nhỏ cho thấy hành vi khám phá của chúng có cấu trúc rất giống thí nghiệm có kiểm soát.
Khi không chắc yếu tố nào gây ra một hiện tượng, chúng có xu hướng thay đổi một thứ mỗi lần và lặp lại — chính là cách cô lập biến số.
Chúng cũng tập trung khám phá nhiều hơn vào các tình huống mà quan sát không phân biệt được nguyên nhân, tức là chính những chỗ mà can thiệp mang lại nhiều thông tin nhất.
Điều này gợi ý rằng khả năng suy luận nhân quả qua can thiệp không phải kỹ năng học ở trường mà là một cơ chế rất cơ bản.
Với hệ thống nhân tạo, đây là mô hình đáng học: khi không chắc, thay đổi một yếu tố và quan sát, thay vì thu thêm dữ liệu quan sát thụ động.
Áp dụng vào robot
Ba cách cụ thể để robot học nhân quả qua hành động.
Thao tác dò tìm. Đẩy nhẹ để biết vật có cố định không, nhấc thử để biết có gì đi theo không. Mỗi thao tác này là một thí nghiệm nhỏ.
Thay đổi một yếu tố. Khi không rõ vì sao thao tác thất bại, đổi một biến mỗi lần — tốc độ, lực, điểm cầm — thay vì đổi nhiều thứ cùng lúc.
Học từ dữ liệu can thiệp. Dữ liệu thu được khi robot chủ động tác động có giá trị suy luận cao hơn dữ liệu quan sát thụ động cùng số lượng.
Điểm cuối có hệ quả thực tế về cách thu dữ liệu: một tập dữ liệu trong đó robot chủ động thử nhiều cách khác nhau hữu ích hơn một tập chỉ ghi lại các lần thực hiện thành công.
Giới hạn của can thiệp
Can thiệp mạnh nhưng không phải lúc nào cũng dùng được.
Khi hậu quả không hoàn tác được. Không thể thử phá một thứ để xem chuyện gì xảy ra.
Khi không tác động được vào biến cần kiểm tra. Robot không đổi được nhiệt độ phòng hay độ ẩm.
Khi chi phí quá cao. Mỗi lần thử tốn thời gian, và với một số hệ thống thì tốn cả vật tư.
Trong các trường hợp đó, phải quay lại suy luận từ quan sát, và khi đó nên ghi nhận rõ mức bất định thay vì coi kết luận là chắc chắn.
Nguyên tắc thực dụng: can thiệp ở nơi rẻ và an toàn, quan sát ở nơi không can thiệp được, và luôn phân biệt hai loại kết luận này khi ra quyết định.
Câu hỏi thường gặp
Vì sao nhiều dữ liệu quan sát vẫn không suy ra được nhân quả?
Vì hai sự kiện đi cùng nhau có thể do A gây ra B, B gây ra A, hoặc một yếu tố thứ ba gây ra cả hai. Dữ liệu quan sát thuần tuý không phân biệt được ba trường hợp này, và đây là giới hạn về nguyên tắc chứ không phải về lượng dữ liệu.
Vì sao can thiệp lại phá vỡ được mơ hồ đó?
Vì khi ta chủ động gây ra một thay đổi, ta biết chắc nguyên nhân của thay đổi đó là chính mình chứ không phải một yếu tố ẩn. Điều này loại bỏ toàn bộ nhóm giải thích thay thế mà quan sát thụ động không loại được.
Dữ liệu can thiệp khác dữ liệu quan sát thế nào khi huấn luyện?
Dữ liệu thu khi hệ thống chủ động thử nhiều cách khác nhau mang thông tin nhân quả, trong khi dữ liệu chỉ ghi lại các lần thực hiện thành công chủ yếu mang thông tin tương quan. Với cùng số lượng, loại đầu có giá trị suy luận cao hơn.
Khi không can thiệp được thì làm gì?
Quay lại suy luận từ quan sát nhưng ghi nhận rõ mức bất định thay vì coi kết luận là chắc chắn. Trong vận hành, nên phân biệt các kết luận rút ra từ can thiệp với các kết luận rút ra từ tương quan khi ra quyết định quan trọng.
Đọc thêm trong Nền tảng triết học & khoa học nhận thức và Nhận thức qua cơ thể.
