La natura della causalità è indagata sistematicamente in diverse discipline accademiche, tra cui la filosofia e la fisica.
In ambito accademico, esiste un numero significativo di teorie sulla causalità; l’Oxford Handbook of Causation (Beebee, Hitchcock & Menzies 2009) comprende 770 pagine. Tra le teorie più influenti all’interno della filosofia ci sono le Quattro cause di Aristotele e l’occasionalismo di Al-Ghazali. David Hume sosteneva che le credenze sulla causalità sono basate sull’esperienza, e l’esperienza allo stesso modo si basa sul presupposto che il futuro modella il passato, che a sua volta può essere basato solo sull’esperienza – portando alla logica circolare. In conclusione, egli affermò che la causalità non si basa su un ragionamento effettivo: solo la correlazione può essere effettivamente percepita. Immanuel Kant, secondo Beebee, Hitchcock & Menzies (2009), sosteneva che “un principio causale secondo il quale ogni evento ha una causa, o segue secondo una legge causale, non può essere stabilito attraverso l’induzione come una pretesa puramente empirica, poiché mancherebbe di universalità rigorosa, o necessità”.
Al di fuori del campo della filosofia, le teorie della causalità possono essere identificate nella meccanica classica, nella meccanica statistica, nella meccanica quantistica, nelle teorie dello spazio-tempo, nella biologia, nelle scienze sociali e nel diritto. Per stabilire una correlazione come causale all’interno della fisica, si intende normalmente che la causa e l’effetto devono collegarsi attraverso un meccanismo locale (cfr. per esempio il concetto di impatto) o un meccanismo non locale (cfr. il concetto di campo), in accordo con le leggi di natura conosciute.
Dal punto di vista della termodinamica, le proprietà universali delle cause rispetto agli effetti sono state identificate attraverso la Seconda legge della termodinamica, confermando la visione antica, medievale e cartesiana che “la causa è maggiore dell’effetto” per il caso particolare dell’energia libera termodinamica. Questo, a sua volta, è messo in discussione dalle interpretazioni popolari dei concetti di sistemi non lineari e dell’effetto farfalla, in cui piccoli eventi causano grandi effetti a causa, rispettivamente, dell’imprevedibilità e di un improbabile innesco di grandi quantità di energia potenziale.
Causalità interpretata da stati controfattualiModifica
Intuitivamente, la causalità sembra richiedere non solo una correlazione, ma una dipendenza controfattuale. Supponiamo che uno studente sia andato male in un test e che indovini che la causa sia stata il suo non studiare. Per provarlo, si pensa al controfattuale – lo stesso studente che scrive lo stesso test nelle stesse circostanze ma che ha studiato la sera prima. Se si potesse riavvolgere la storia, e cambiare solo una piccola cosa (far studiare lo studente per l’esame), allora si potrebbe osservare la causalità (confrontando la versione 1 con la versione 2). Poiché non si può riavvolgere la storia e riprodurre gli eventi dopo aver fatto piccoli cambiamenti controllati, la causalità può essere solo dedotta, mai conosciuta esattamente. Questo è indicato come il Problema Fondamentale dell’Inferenza Causale – è impossibile osservare direttamente gli effetti causali.
Un obiettivo importante degli esperimenti scientifici e dei metodi statistici è quello di approssimare il meglio possibile lo stato controfattuale del mondo. Per esempio, si potrebbe fare un esperimento su gemelli identici che sono noti per ottenere costantemente gli stessi voti nei loro test. Un gemello viene mandato a studiare per sei ore mentre l’altro viene mandato al parco dei divertimenti. Se i punteggi dei loro test divergono improvvisamente di molto, questa sarebbe una forte prova che lo studio (o l’andare al parco dei divertimenti) ha un effetto causale sui punteggi dei test. In questo caso, la correlazione tra lo studio e i punteggi dei test implicherebbe quasi certamente una causalità.
Studi sperimentali ben progettati sostituiscono l’uguaglianza degli individui come nell’esempio precedente con l’uguaglianza dei gruppi. L’obiettivo è quello di costruire due gruppi che siano simili tranne che per il trattamento che i gruppi ricevono. Questo si ottiene selezionando i soggetti da una singola popolazione e assegnandoli casualmente a due o più gruppi. La probabilità che i gruppi si comportino in modo simile l’uno all’altro (in media) aumenta con il numero di soggetti in ogni gruppo. Se i gruppi sono essenzialmente equivalenti tranne che per il trattamento che ricevono, e si osserva una differenza nel risultato per i gruppi, allora questo costituisce una prova che il trattamento è responsabile del risultato, o in altre parole il trattamento causa l’effetto osservato. Tuttavia, un effetto osservato potrebbe anche essere causato “dal caso”, per esempio come risultato di perturbazioni casuali nella popolazione. Esistono test statistici per quantificare la probabilità di concludere erroneamente che una differenza osservata esiste quando in realtà non esiste (per esempio, vedi il valore P).