Британский философ Джон Стюарт Милль уделил особое внимание этому вопросу в своей основополагающей работе «Система логики, рациональности и индукции», впервые опубликованной в 1843 году. Он сформулировал проблему наблюдения причинно-следственной связи следующим образом: «Если говорить кратко, наблюдение без эксперимента (предполагая, что дедукция не применяется) может установить последовательность и одновременное существование, но не может доказать причинность». Приведенный Миллем пример, который довольно хорошо иллюстрирует эту мысль, — это смена дня и ночи. В человеческом опыте до сих пор не наблюдалось дня, которому бы не предшествовала ночь. Можно назвать это тавтологическим определением, поскольку день и ночь определяют друг друга. Тем не менее можно сделать вывод, что ночь всегда предшествует дню; следовательно, ночь должна вызывать день. Точно так же день должен вызывать ночь. Следовательно, можно думать о дне и ночи как о причинно-следственной связи, где каждый является причиной другого. Однако наше текущее понимание таково, что чередование дня и ночи вызвано вращением Земли относительно неподвижного Солнца; таким образом, их идеальная взаимокорреляция является результатом того, что каждое событие вызвано одной и той же причиной, а не потому, что одно вызывает другое. Тем не менее если ничего не знать о вращении Земли, наблюдение в равной степени согласуется с тем, что день вызывает ночь, и наоборот; и нет никаких причин, по которым этого не может быть. Таким образом, как обсуждалось ранее, даже 100%-ная корреляция между предшествующим и последующим событиями является не доказательством причины, а просто ассоциацией. Точка зрения Юма несколько глубже и шире: мы приписываем событиям причинность, но у нас нет прямых доказательств причинности, поскольку мы наблюдаем не причины, а только ассоциации.

Итак, если нельзя наблюдать причинность, как вообще можно ее оценить? Именно из этого центрального вопроса вытекает большая часть теории и практики научного метода. Если ученые выдвигают гипотезы о причинах наблюдаемых эффектов и мы хотим проверить такие гипотезы, то, не обладая способностью воочию наблюдать причинно-следственные связи, мы должны найти способ проверить их существование. Если нельзя наблюдать причинность как свойство, то как мы можем оценить, действительно ли одно событие вызывает другое?

Как мы можем проверить, действительно ли ВИЧ вызывает СПИД, действительно ли курение вызывает рак легких и действительно ли вакцинация вызывает аутизм? Мы снова можем обратиться к Джону Стюарту Миллю, который изучил этот вопрос, определив ряд правил принятия решений. В конце концов, Милль и другие философы науки в основном пришли к следующей точке зрения. Невозможно проверить причинность на основании одного случая; как минимум нужно сравнить по крайней мере два отдельных случая, которые отличаются одним и только одним фактором, и посмотреть, меняет ли это эффект.

Например, рассмотрим две ситуации, в которых все идентично, все возможные переменные и факторы идентичны, но с одним-единственным отличием. Допустим, у вас есть два дома, которые идентичны во всех отношениях. В обоих домах выключатель света в спальне выключен, а лампочка не излучает свет. Затем вы нажимаете на выключатель света в спальне в одном доме (но не вносите никаких других изменений в дом), и лампочка начинает светить. В этом случае можно было сделать вывод, что для включения света необходимо нажатие на выключатель и что срабатывание выключателя «вызвало» включение света. Причинность по-прежнему не наблюдается напрямую, но она обоснована сравнением двух ситуаций; если действительно положение клавиши выключателя было единственной разницей двух ситуаций, это рассуждение справедливо. Точно такие же рассуждения использовались в первом примере замены аккумулятора вашего автомобиля, когда он не заводился. Если аккумулятор — это единственное, что вы заменили, и автомобиль завелся, то можно сделать вывод, что разряженный аккумулятор был «причиной» того, что автомобиль не заводился.

Милль определил ряд других логических сценариев, которые можно было бы использовать для выявления причины, но все они подразумевают относительно простые системы с возможностью сравнения условий, таких как пример двух домов (например, все вещи одинаковые или разные, или их комбинация, за исключением одной переменной).

Никогда нельзя гарантировать сценарий, в котором две вещи абсолютно идентичны, за исключением одного различия, и поэтому никогда нельзя по-настоящему достичь идеала Милля для оценки причинности; однако это приемлемая попытка достичь идеала, который является логической основой многих научных практик. Во многих случаях научная лаборатория ставит перед собой цель устранить все различия между двумя сценариями и зафиксировать все переменные, кроме одной. Этого можно достичь несколькими способами, но проще всего сделать одно из двух: (1) взять две идентичные ситуации и добавить новую сущность только в одну или (2) взять две идентичные ситуации и удалить сущность только из одной, не меняя другую. Если вы хотите узнать, действует ли лекарство, возьмите две идентичные группы и дайте лекарство только одной из них. Если вы хотите узнать, вызывает ли ген болезнь, возьмите две идентичные группы и удалите этот ген только из одной группы. В обоих случаях нужно сохранять неизменными все прочие условия.

Почему нельзя менять другие параметры? Потому что если одновременно меняется более чем одна переменная, то нельзя однозначно сказать, был ли эффект результатом применения первого лекарства, или второго, или их сочетания. Опять же, эта проблема проистекает из того факта, что мы не можем наблюдать непосредственно причинность; мы можем только наблюдать эффект и сделать вывод, что он был вызван применением препарата. Если при этом изменится еще один фактор, мы не сможем уверенно утверждать, вызван ли эффект применением лекарства или чем-то еще.

Именно эта проблема придает особую важность понятию целостной научной конструкции, о котором мы так подробно говорили в предыдущих главах. Утверждение, что изменился только один фактор (и, следовательно, больше ничего не изменилось), по сути, лишает нас права на маневр для поддержания гипотетико-дедуктивной последовательности посредством модификации вспомогательных гипотез. Вообще-то, как показал Куайн (и другие философы науки), мы никогда не можем быть полностью уверены, что больше ничего не изменилось, что никакое изменение вспомогательных гипотез невозможно. Однако теперь должно быть ясно, почему стремление к максимальному постоянству всех вспомогательных гипотез является одной из целей научных экспериментов — это единственный способ приблизиться к выделению гипотезы для проверки или оценки причинности чего-либо. Хотя поддержание идеального постоянства всех вспомогательных гипотез недостижимо, ученые стремятся подойти к этой цели настолько близко, насколько это возможно.

На практике есть несколько способов попытаться достичь условий полностью контролируемого эксперимента. В лаборатории можно создать контролируемые, хотя и надуманные, сценарии для достижения этой цели. Но, стремясь к полному контролю в лаборатории, мы рискуем тем, что искусственные ситуации больше не будут отражать «реальный мир». Напротив, можно проводить эксперименты вне лаборатории в реальном мире и при этом пытаться реализовать два сценария, которые отличаются только одной переменной. Примером может служить клиническое испытание, в котором 1000 пациентов включены в исследование и половина из них получает новый тестируемый препарат, а другая половина получает плацебо. В этих случаях прилагаются большие усилия для «рандомизации» пациентов либо в одну группу, либо в другую. Слово «рандомизация» обозначает попытку случайным образом распределить задействованных пациентов поровну между двумя группами, так что наличие или отсутствие лекарства является единственным статистически значимым различием между ними. Если группа, получающая лекарство, чувствует себя лучше, чем группа, не получающая лекарство, и если все остальное действительно одинаково, то можно сделать вывод, что этот препарат эффективен для лечения болезни (т. е. служит «причиной» облегчения).