인과를 확률로 환원한다는 것은 일반적으로 인과를 확률적으로 정의한다는 것을 의미한다. 인과를 확률적으로 정의하기 위해서는 어떠한 인과적 개념에도 의존하지 않고 인과 관계와 그 방향성을 정의해야 한다. 흄(Hume)의 인과 이론은 이러한 의미에서 환원적이다. 흄에 ...

인과를 확률로 환원한다는 것은 일반적으로 인과를 확률적으로 정의한다는 것을 의미한다. 인과를 확률적으로 정의하기 위해서는 어떠한 인과적 개념에도 의존하지 않고 인과 관계와 그 방향성을 정의해야 한다. 흄(Hume)의 인과 이론은 이러한 의미에서 환원적이다. 흄에 따르면 A가 B의 원인이라는 점은 다음과 같이 정의된다.

A는 B의 원인이다 iff (a) A는 B에 시공간적으로 연속적이고, (b) A가 B에 시간적으로 선행하고, (c) A가 발생하면 언제나 B가 발생한다.

마찬가지로 확률적 인과 이론이 제시하는 정의는 다음과 같은 형식을 갖게 될 것이다.

A는 B의 원인이다 iff A와 B는 어떠한 확률 관계를 갖는다.

확률적 인과 이론가들이 해야 할 일은 위의 정의 형식에서 오른편의 정의항을 비인과적 용어들을 이용하여 적절히 방식으로 해명하는 것이다.
인과를 확률로 환원하려는 접근, 즉 확률적 인과에 관한 이론은 수피즈(Suppes, 1970)에 의해 체계화되었다. 그러나 확률적 인과 이론은 심슨 역설(Simpson's paradox)과 같은 이론 내적인 문제점들과 새먼(Salmon 1984)과 카트라이트(Cartwright 1989)의 영향력 있는 비판이 야기한 외적 환경 때문에 한동안 연구자들 사이에서 거의 포기되었다. 물론 예외는 있었다. 1990년대에 들어서 파피노(Papineau), 베이즈망(Bayesian networks)을 이용한 펄(Pearl)과 글리무어(Glymour)를 중심으로 확률적 인과 이론이 새롭게 연구되고 있다.
이 글의 목적은 인과를 확률로 환원하는데 필요한 조건들을 중심으로 확률적 인과 이론의 가능성을 타진하는 것이다. 먼저 인과에 대한 확률적 정의가 검토되고 이어서 수피즈의 이론을 중심으로 그로부터 나타나는 문제점들이 논의된다. 그 다음 확률적 인과 이론이 성립하기 위한 필요조건에 해당하는 구별가능성의 문제가 파피노와 글리무어의 이론을 중심으로 논의된다. 이러한 논의를 통하여 앞으로 해결해야 할 문제점들이 많이 남아있지만 인과는 확률로 환원가능하다는 점이 주장될 것이다.