在本单元中，我们将从计算的角度探讨因果关系的概念。

首先我们将围绕因果关系研究中的一些重要概念建立直觉，

以及该领域的当前状态，这将传达因果关系领域的丰富性，困难和巨大的挑战。

我们将概述针对本课程目的的几个概念，

即解释可计算性，动态系统和算法复杂性理论如何帮助

解决因果发现的挑战，特别是生成数据和观察背后的机制模型。

可运行的模型，例如计算机，

关于系统的原因和未来行为以及如何操作它。

我们认为我们是被偶然支配的，因为有很多事情我们并不了解。

然而科学告诉我们的是由周围事件

和之前的事件决定的。

科学，或者至少是经典物理学，告诉我们事情发生的一切都是有原因的。

结果很难找到或找出原因。

我们将在本课程后面解释的一点是，

决定论和可预测性不是一回事，它们也不是相互暗示的。

特别地我们将看到决定论并不意味着可预测性。

因果关系是由一个原因产生的对象和系统的属性，

而不是偶然发生或出现的。

因果关系是区分科学与魔法的属性，

是科学方法的驱动因素，因为它试图找到自然界中发生的事情的原因。

科学的最终目标是通过简化的因果模型来理解世界，

以预测和改变事件。 这些事件可以是任何形式的。

例如，生产治疗疾病的新药

或设计新的电厂以产生更多能量。

大多数时候，因果关系之间的因果联系是微不足道的。

其中一个最受欢迎的例子是所谓的“蝴蝶效应”。

认为世界某些地区的小扰动可能会对

世界另一端造成一连串不可预测的影响。

这种类型的蝴蝶现象称为“非线性”。

非线性意味着效果反馈本身以复杂的方式

和不可预测的方式放大十倍。

在本课程的后面部分，我们将探讨复杂系统可以显示的一些技术方面。

因果关系发现挑战的核心更为平凡，

而事实是我们很少见到实时展开的过程。

我们通常在已经发生的事情上开始研究，比如恐龙灭绝的方式，

地球上多细胞生命的发生方式，或者病毒是如何传播的。

当我们碰巧目睹利益展开的过程，或者我们进行实验以实现它时，

我们可以将感兴趣的系统与其他原因隔离开来，但这种情况很少发生。

在现实世界中，我们必须始终处理来自有限观察的数据的不完全访问，

并且我们拥有与各种规模的其他系统交互的系统，

使我们对原因做出有根据的猜测而不是完全确定。

这就是为什么我们使用统计等工具并用它们来研究自然现象的可能原因。

通常，那些彼此相互作用的系统在我们看来是噪声，

因为它们无法与感兴趣的数据区分开来，从而阻碍了我们对事件的理解。

科学已经设法为这些挑战提出了部分解决方案。

科学家进行实验以迫使事件实时发生，

以便观察它们的第一手展开。 研究人员还提出了我们喜欢划分到不同研究领域的工具，

例如逻辑统计，概率和信息理论，仅举几例，但所有这些工具都具有相同的目的，

即使他们有不同的方式，所有这些方法只有一个目的：

赋予科学家权力，使用适当的工具来表征观察，

原因及其影响之间的关系。

对于发现自然现象的直接原因的行为，我们称之为“科学”，所有科学的子区域，

从数据科学和逻辑，到天体物理学和生物学，都致力于科学。