相関関係と因果関係

現在のAIは確率的に次に来る言葉を予測しているに過ぎず、実際に世界がどう動いているかという因果関係を理解しているわけではありません。

創薬分野では「相関」から「因果」への移行が不可欠であり、これが次世代AIの鍵となる。

膨大なゲノムデータから単なるパターンを見つけるだけでなく、特定の遺伝子が実際に疾患を引き起こす原因であるかを特定できなければ、効果的な新薬開発には繋がりません。

「相関関係は因果関係ではない」という統計学の基本

観測データから示された相関関係だけでは、「AはBを変化させる原因」かどうかを判断できない

偶然かもしれない

AとBだけではないかもしれない

そのため、適切な研究で、因果関係が認められるか明らかにする

相関関係とは、2つの要素がお互いに関係し合っている状態のことです。片方の要素が変化すると、もう一方の要素も変化します。

一方で因果関係とは、2つ以上の要素同士の間に「原因と結果の関係がある状態」のことです。関係性を示す矢印が「事象Aが原因となり→事象Bが結果として起こる」という一方通行になります。

相関関係の強さは、以下のような観点で判断できます。

関係性が直線的に表されている：相関関係が強い

関係性にばらつきが大きい：相関関係が弱い

一方が変化しても片方に変化がない：相関関係なし（無相関）

関係性が一方通行の因果関係が成立するためには、相関関係より厳格な条件をクリアする必要があります。

必ず要素A（原因）の発生後に要素B（結果）が起きる

要素B（結果）が発生してから要素A（原因）が起きることはあり得ません。

創発特性＝結果の特性なので、常に原因が先

「要素Aと要素Bにそれぞれ2つ以上の側面がある」かつ「要素Aと要素Bに関係性がある」

平均気温と扇風機の売上には両方とも「上がる or 下がる」という2つの側面があります。また「平均気温が上がる→エアコンの売上が上がる」という関連性も持っています。

要素Aと要素Bの両方を引き起こす「別の要素C」が存在していない

要素Aと要素Bの両方を引き起こす要素Cがある場合、AとBには因果関係がないにも関わらず、Cによって「因果関係があるように見える」ということが起こり得ます。

後から別の要素だったとわかってくることができるから