Самый вопиющий случай – если информации о времени нет совсем: к примеру, при перекрестном исследовании, когда данные собираются в одно время. Так, чтобы определить наличие взаимосвязи между раком и конкретным вирусом, обследовалась случайно выбранная группа населения. Не зная, какой фактор был первым, нельзя разобраться, что оказывается провокатором, если между ними заметна корреляция (вирус вызывает рак или рак повышает подверженность вирусу?), и можно ли говорить о причинности вообще.

Если предположения о направлении причинности делаются на основе предыдущего убеждения о том, что было первым, а не факта, мы можем некорректно увидеть причинно-следственную связь там, где есть только корреляции. К примеру, многие исследователи пытались определить, способны ли такие явления, как ожирение и развод, распространяться в соцсетях за счет социальных связей (например, в результате распространения на других людей эмоциональных состояний и психозов). Без информации о временных паттернах нет способа определить, какое направление достовернее[156].

Ряд философов, например Ганс Рейхенбах[157], пытались дать определение причинности в терминах теории вероятности, не используя данные о временных паттернах и стараясь вместо этого вывести направление времени из направления каузальности[158]. Есть и вычислительные методы, в определенных ситуациях способные идентифицировать причинные взаимосвязи на основе временных данных[159]. Но большинство подходов строится на том, что причина предшествует следствию, и именно эта информация используется при ее наличии.

Один из редких примеров действительно одновременного наступления причины и следствия, когда применяемая для измерения временная шкала не имеет значения и мы не можем сказать, что произошло первым, дает физика. Существует так называемый парадокс Эйнштейна – Подольского – Розена (ЭПР)[160], когда две частицы связаны таким образом, что при изменении импульса или положения одной из них эти же свойства другой частицы меняются в полном соответствии с первой[161].

Парадоксальность ситуации в том, что частицы разделены в пространстве, но изменение все равно происходит моментально, для чего неизбежно должна иметь место каузальная связь в отсутствие пространственной смежности или предшествования по времени (два свойства, которые мы считаем ключевыми). Эйнштейн называл нелокальную причинность «жутким дальнодействием»[162], поскольку каузальные взаимосвязи в космосе требуют, чтобы информация путешествовала со скоростью выше скорости света, в нарушение законов классической физики[163]. Заметим, однако, что этот вопрос вызывает немало дебатов как среди физиков, так и среди философов[164].

Одна из идей решения ЭПР-парадокса – это обратная причинность (которую иногда именуют ретропричинностью). Она допускает, что причины могут влиять на события прошлого, а не только будущего. Если частица, меняя состояние, послала сигнал другой, связанной с ней частице в некий момент времени в прошлом, чтобы та также изменилась, тогда перемена состояния не требует, чтобы информация передавалась быстрее скорости света (хотя это предполагает некие квантовые «путешествия во времени»)[165]. Мы примем за данность, что время течет в одном направлении, и даже если мы не наблюдаем события как последовательные, причина наступает раньше следствия.

Может ли исчезновение пиратов вызвать повышение температуры в глобальном масштабе? Правда ли, что поедание сыра моцарелла побуждает изучать информационные технологии?[166] В самом деле поставки лимонов в страну снижают количество аварий на дорогах?

На рис. 4.2 (a) показана взаимосвязь между импортом лимонов и количеством погибших в ДТП: чем выше объемы импорта, тем меньше смертельных случаев[167].

Рис. 4.2. Объемы ввоза лимонов в США (в тоннах) и смертность на дорогах в США [число летальных случаев на 100 человек]: а) как отношение одной переменной к другой и б) как временная функция

Хотя коэффициент корреляции Пирсона для этих данных составляет –0,98, что означает практически абсолютное отрицательное соотношение, никто почему-то до сих пор не предложил увеличить импорт цитрусовых, чтобы снизить количество погибших на дорогах.

А теперь взглянем, что получится на рис. 4.2 (б), если выстроить график данных по импорту и смертельным случаям в виде временной функции. Выходит, импорт со временем неуклонно падает, а смертность за тот же период растет. Данные на рис. 4.2 также представляют динамический ряд в обратном хронологическом порядке. Но мы можем заменить импорт лимонов любым другим динамическим рядом, падающим во времени (долей рынка Internet Explorer; акваторией арктических вод, покрытой льдом; распространением курения в США), и обнаружить точно такую же зависимость.