Несмотря на то что споры о верных допущениях неизбежны, наша основная идея довольно проста: радуйтесь! Благодаря полностью определенной SCM, включающей диаграмму причинности и все стоящие за ней функции, мы способны ответить на любой контрфактивный вопрос. Даже с частичной SCM, где некоторые переменные скрыты или отношения «доза — эффект» неизвестны, мы все же можем во многих случаях ответить на поставленный вопрос. В следующих двух разделах приведены некоторые примеры.

Контрфактивные суждения и закон

Контрфактивные суждения и закон

Теоретически, контрфактивы должны с легкостью использоваться в зале суда. Я говорю «теоретически», потому что юристы очень консервативны. Им требуется много времени, чтобы принять новые математические методы. Но использование контрфактивных суждений фактов в качестве аргументов на самом деле известно в юридической практике очень давно как «то, без чего невозможно».

«Примерный уголовный кодекс» США формулирует это следующим образом: «Поступок является причиной результата, когда: (а) он предшествует данному результату таким образом, что без него результат не наступил бы». Если обвиняемый выстрелил из пистолета и пуля попала в жертву и убила ее, стрельба из пистолета является необходимой причиной смерти (без которой смерть не наступила бы), поскольку жертва была бы жива, если бы не стрельба. Но причины также могут быть косвенными. Если Джо завалил доступ к пожарной лестнице мебелью, а Джуди гибнет на пожаре, не сумев выбраться наружу, то Джо несет юридическую ответственность за ее смерть, даже если он не разводил огонь.

Как выразить необходимые причины в терминах потенциальных результатов? Если мы допустим, что результатом Y будет «смерть Джуди» (с Y = 0, если Джуди жива, и Y = 1, если Джуди умирает), а эффектом X будет «заблокированная Джо пожарная лестница» (с X = 0, если Джо ее не блокировал, и X = 1, если он это сделал), то предлагается задать следующий вопрос: учитывая, что пожарная лестница действительно была заблокирована (X = 1) и Джуди умерла (Y = 1), какова вероятность того, что Джуди выжила бы (Y = 0), если бы X был равен 0?

Символически вероятность, которую мы хотим оценить, выглядит как P (Y_{X = 0} = 0 | X = 1, Y = 1). Поскольку эта формула довольно громоздкая, я сокращу ее как PN (the Probability of Necessity — «вероятность необходимости», т. е. вероятность того, что X = 1 является необходимой или непредвиденной причиной Y = 1).