Kausales Denken, Bayes-Netze und die Markov-Bedingung

27
Gesamtstruktur hat. Die Markov-Bedingung verlangt, dass diese potentiellen
Fehler für die einzelnen Links Virus–Fieber, Virus–Kopfschmerzen und Virus–
Durchfall unabhängig sind, die gedachten präventiven Ursachen also unabhängig
voneinander wirken. Im genannten Beispiel könnte man eine diesbezügliche Intuition
haben: Der Virus zirkuliert im Blut und greift das Lymphsystem an (führt
zu Fieber), schädigt die Blut-Hirn-Schranke (führt zu Kopfschmerzen) und
schwächt den Magen-Darm-Trakt (führt zu Durchfall). Dass der Virus ein Symptom
nicht immer hervorbringt, kann in diesem Fall an spezifischen, unabhängigen
präventiven Ursachen an den verschiedenen Wirkorten liegen. In diesem Fall
sollten die Inferenzen hinsichtlich der Anwesenheit eines Effekts gar nicht (oder
zumindest nur wenig) von der Anwesenheit oder Abwesenheit der anderen Effekte
abhängig sein, da deren Zustand nur etwas über die für den jeweiligen Effekt
spezifische präventive Ursache aussagt, nicht aber über diejenige, die zum
Zieleffekt gehört.
Das Beispiel lässt sich aber auch mit anderen Intuitionen über die zugrunde
liegenden Kausalmechanismen verbinden: Zum Beispiel, dass der Virus in Leberzellen
eindringt und dort Gene aktiviert, die die betroffenen Zellen eine Substanz
produzieren lassen, die die entsprechenden Symptome hervorbringt. Eine mögliche
präventive Ursache wären Anti-Körper, die den Virus davon abhalten, in die
Leberzellen einzudringen und damit die schädigende Substanz zu produzieren. In
diesem Fall würde die Abwesenheit der Symptome für die Anwesenheit der präventiven
Ursache sprechen, die sich auch auf den Zieleffekt auswirkt. Auf der
Ebene der beobachtbaren Variablen wären die Inferenzen bezüglich der Effekte
nicht mehr konditional unabhängig.
Der Unterschied zwischen den beiden Beispielen liegt dabei offenkundig in
der Frage, ob die potentiellen Fehlerquellen eher effektseitig, was konditionale
Unabhängigkeit impliziert, oder ursacheseitig lokalisiert sind, was zu konditionalen
Abhängigkeiten führt. Dem Beispiel folgend, mag der Schlüssel zur Erklärung
von Markov-Verletzungen also in den kausalen Prozessen liegen: Wie erzeugt die
Ursache ihre Effekte und welche Probleme können hierbei auftreten. – Dabei
muss es sich nicht um konkretes Wissen handeln. Allein das Wissen, dass es solche,
auf alle Effekte wirkenden präventiven Ursachen geben kann, würde dann