관측 데이터에서 상관이 사라졌다고 인과 연결까지 없다고 단정할 수는 없다. 이 논문은 변수에 하드 개입을 가한 직후 나타나는 변화로 연결 유무를 판정하고, 상쇄 자체는 허용하는 더 약한 개입-즉시 충실성 가정을 도입했다.
주요 결과는 대규모 경험 벤치마크가 아니라 비모수 인과 그래프에 대한 식별 정리와 알고리즘이다. 어떤 노드에 개입할 수 있는지와 개입 직후 분포를 관찰할 수 있는지가 입력 조건이며, 표적 개입 범위가 충분할 때 방향을 복원한다. 재현용 실험 코드도 공개했다고 명시한다.
저자들은 제시한 가정 아래 하드 개입만으로 인과 구조를 비모수적으로 식별할 수 있음을 보였다. 필요한 개입이 일부 변수에만 허용돼 기준을 만족하지 못할 때는 하나의 그래프를 과도하게 선택하지 않고, 데이터와 양립 가능한 개입 동치류를 기술한다. 이는 관측 상관을 기본값으로 두던 순서를 뒤집는 결과다.
생물학의 완충 경로나 제어 시스템처럼 여러 경로가 효과를 상쇄하는 영역에서 특히 관련된다. 개입을 실제로 설계할 수 있고 즉시 효과를 분리해 측정할 수 있다면 관측 충실성 위반에 덜 민감한 구조 학습이 가능하다. 단순한 관찰 데이터만 있는 문제에는 적용되지 않는다. 현실의 잡음 많은 실험에서 개입-즉시 충실성 조건을 어떻게 검정할지는 아직 열려 있다. 재현용 코드는 공개됐지만, 정리의 조건을 만족하는 개입 표적과 즉시 분포를 실제로 확보해야 한다.
arXiv:2607.11816의 주장은 동료검토 전 이론 결과다. 개입 직후 효과까지 상쇄되거나 잠재 교란이 있는 경우는 해결하지 않으며, 개입 범위가 좁으면 완전한 그래프 대신 동치류만 얻는다.
저작권자 © STORIUM 무단전재 및 재배포 금지
