Kauzalita, informace a čas

Rozpoznání příčiny a následku v jevech, probíhajících v přírodě nebo ve společnosti, je výzvou pro všechny vědecké obory. Kvantitativní, matematický popis kauzality je možný u jevů nebo procesů, které se vyvíjejí v čase a jejichž stav lze charakterizovat měřitelnou veličinou. Takovou veličinu je možné zaznamenávat v pravidelných časových intervalech a získat specifický typ datových souborů zvaných časové řady – například dlouhodobé záznamy teplot vzduchu nebo záznam elektrické aktivity mozku – elektroencefalogram.

V této přednášce navážeme na myšlenky zakladatele kybernetiky Norberta Wienera a nositele Nobelovy ceny za ekonomii Sira C.W.J. Grangera, vysvětlíme si využití funkcionálů z teorie informace v detekci kauzality a interpretaci kauzálních vztahů jako přenosu informace. Podíváme se na přenos informace u synchronizujících se chaotických systémů. Přirozenou roli v definici kauzality hraje čas a směr jeho plynutí – příčina předchází následku. Řekneme si, zda tento princip dodržují chaotické systémy. V souvislosti s časem se dále zaměříme na složité systémy vyvíjející se v různých časových měřítkách. Ukážeme si, jak měřit přenos informace mezi různými časovými škálami. Pro aplikaci této metody se podíváme na vliv klimatických cyklů s periodou 7-8 let na amplitudu ročních teplotních cyklů a meziroční variabilitu průměrných zimních teplot ve střední Evropě.