Neste módulo, vamos explorar o conceito de causalidade do ponto de vista da computação. Vamos começar definindo alguns conceitos importantes para o estudo de causalidade e estado da arte para entender todas as dificuldades e desafios dessa área. Faremos um apanhado geral de vários conceitos relacionados ao propósito deste curso que é explicar como a teoria da computabilidade, sistemas dinâmicos e complexidade algorítmica podem auxiliar na descoberta causal, especialmente para produzir modelos mecanicistas por trás de dados e observações. Ou seja, modelos que permitam, por exemplo, que um computador execute deduções sobre a causa e o comportamento futuro de um sistema e sobre como manipulá-lo. Tendemos a crer que somos dominados pelo acaso porque não entendemos muito disso. No entanto, a ciência ensina que muito mais do que acreditamos ser determinado por eventos que nos cercam e precedem outros eventos, a ciência - pelo menos a física clássica - nos ensina que tudo ocorre por uma razão. O difícil é encontrar ou identificar essas causas. Algo que explicaremos depois neste curso é que determinismo e previsibilidade não são a mesma coisa, nem um implica no outro. Veremos especialmente que determinismo não implica em previsibilidade. Causalidade é a propriedade de objetos e sistemas terem sido produzidos por uma causa, ao contrário de terem ocorrido ou aparecido por acaso. Causalidade é a propriedade que distingue ciência de magia, é o condutor do método científico e busca encontrar as causas para o que ocorre no mundo natural. O objetivo final da ciência é compreender o mundo por meio de modelos causais simplificados a fim de prever e modificar eventos. Tais eventos podem ser de qualquer tipo. Por exemplo, produzir um novo medicamento para tratar uma doença ou projetar uma nova usina para gerar mais energia. Na maioria das vezes, a conexão entre causa e efeito pode ser tudo, exceto trivial. Um dos exemplos mais conhecidos é o chamado "efeito borboleta". A ideia de que uma pequena perturbação em alguma parte do mundo pode causar uma cascata de efeitos imprevisíveis do outro lado do mundo. Este tipo de fenômeno borboleta é chamado de não-linearidade. Não-linearidade significa que os efeitos se retroalimentam amplificando-se de formas complexas e imprevisíveis. Mais adiante neste curso vamos explorar alguns aspectos técnicos que os sistemas complexos podem apresentar. No cerne do desafio da descoberta de causalidade existe algo ainda mais mundano: nós raramente testemunhamos um processo desenvolvendo-se em tempo real. Normalmente estudamos algo que já aconteceu: a extinção dos dinossauros, como a vida multicelular surgiu na Terra ou como os vírus se disseminam. Quando assistimos o desenvolvimento de um processo, ou fazemos experimentos para que ocorra, podemos isolar o sistema de outras causas. Mas isto raramente acontece. No mundo real, temos sempre que lidar com o acesso parcial a dados de poucas observações e temos sistemas interagindo com outros sistemas em todos os níveis o que nos força a deduzir as causas, em vez de ter certeza absoluta. Por isso somos forçados a usar ferramentas como a estatística para estudar as prováveis causas de fenômenos naturais. Normalmente, sistemas interagindo uns com os outros são como um ruído, pois não podem ser distinguidos dos dados que interessam, pois obstruem nosso entendimento dos eventos. A ciência conseguiu soluções parciais para alguns desses desafios. Cientistas fazem experimentos para forçar a ocorrência de eventos em tempo real para observar seu desenvolvimento. Também criaram ferramentas, que gostamos de dividir em áreas de estudo, como lógica estatística, probabilidade e teoria da informação, para citar algumas; mas todas elas têm o mesmo propósito; mesmo que abordem o problema de formas diferentes, todas têm um único propósito: empoderar cientistas com ferramentas adequadas para caracterizar as relações entre observações, causas e efeitos. A ação de descobrir as causas diretas de fenômenos naturais é o que chamamos de "ciência". Todas as subáreas desde a análise de dados e lógica, até astrofísica e biologia, dedicam-se a ela.