درک علیت به صورت دقیق ریاضی، یکی از چالش‌های اصلی فلسفه و علوم است. اما می‌توان صورت‌بندی‌های ریاضی برای مفهوم علیت (Causality) ارائه کرد. در زیر، چند شیوه مهم که در فلسفه علم، منطق ریاضی، و هوش مصنوعی برای مدل‌سازی علیت استفاده می‌شود آورده‌ام:

 

---

 

 ۱.? به زبان احتمالات (Causal Probability)

 

در ساده‌ترین مدل‌بندی، می‌گوییم:

 

اگر رویداد A علت رویداد B باشد (A → B)، پس احتمال رخداد B در حضور A بیشتر است:

 

$$

P (B|A) > P (B|\neg A)

$$

 

این تعریف مبتنی بر «شرطی بودن» است اما کافی نیست و صرف همبستگی را با علیت برابر نمی‌گیرد.

 

---

۲. ?مدل‌های گراف‌های علی (Causal Bayesian Networks)

مدل‌های شبکه بیزی-علی هر متغیر را یک گره و رابطه علی را یک پیکان (فلش) می‌دانند:

$$

A \ rightarrow B

$$

یعنی B متأثر از A است.

احتمال شرطی هر گره بر مبنای والد علی خود نوشته می‌شود:

$$

P (B | A)

$$

اگر بخواهیم مدل کامل برای چند متغیر علی داشته باشیم:

$$

P (X_1, X_2, ..., X_n) = \prod_{i=1}^{n} P(X_i | \text {Parents}(X_i))

$$

 

---

 

 ۳. ?علیت و معادلات ریاضی

 

در معادلات دیفرانسیل یا دینامیکی:

$$

Y'(t) = f(X(t), Y(t))

$$

می‌گوید متغیرهای X (یا مقدار قبلی Y) علت تغییرات مقدار Y هستند.

---

 

 ۴. ?نظریه علیت پرل (Judea Pearl’s do-calculus)

"do" نشانگر مداخله است:

$$

P(Y|do(X=x))

$$

معنی: احتمال رخداد Y وقتی X را «به طور فعال» برابر x قرار دهیم (نه صرفاً مشاهده کنیم)، علیت را توضیح می‌دهد. به بیان دیگر:

$$

A \text{ causes } B \iff P(B|do(A)) \neq P(B|do(\neg A))

$$

---

 

 ۵. ?فرم منطقی-ریاضی علیت (برای برهان فلسفی)

برای اثبات‌های فلسفی (مانند برهان علیت کیهان‌شناختی)، می‌توان نوشت:

- هر X که آغازی دارد، ∃Y: Y→X  

یا بر حسب کمی:

$$

\forall X, (\text{آغاز}(X) \implies \exists Y: C(Y,X))

$$

که منظور از \( C(Y,X) \) یعنی "Y علت X است".

---

 

 جمع‌بندی✅

- **علیت** را می‌توان در قالب رابطه، شرط‌بندی احتمالاتی، معادلات دینامیکی، یا گراف علی بیان کرد.

- تنها همبستگی (= وابستگی آماری) علیت نیست — شرط علیت، تغییر در مقدار علت، تغییر در معلول (در شرایط مشابه) به وجود می‌آورد.