인과 구조에서 기본과 정상성의 통합

이 논문은 인과 관계를 공식화하려는 시도 중 가장 널리 인용되는 Halpern‑Pearl(HP) 정의가 갖는 두 가지 근본적인 결함을 지적하고, 이를 해결하기 위한 새로운 프레임워크를 제시한다. 첫 번째 결함은 HP가 원인 판단을 위해 “컨틴전시”를 선택할 때, 실제 세계와는 동떨어진 가상의 상황까지 허용한다는 점이다. 예를 들어, Wright(1985)의 유명한 사례에서 피해자 Victoria가 독살당하고 곧바로 총에 맞아 사망한다. HP는 “샤론이 총을 쏘지 않았다면 독살만으로도 사망했을 것”이라는 비직관적인 결론을 피하기 위해 특정 컨틴전시만을 허용하지만, 어떤 경우에는 여전히 비합리적인 컨틴전시가 선택될 위험이 있다. 두 번째 결함은 구조 방정식만으로는 인간이 일상적으로 인식하는 ‘보통성(normality)’을 반영하지 못한다는 점이다. Hall(2007)과 Hiddleston(2005)의 사례는 동일한 구조 방정식이라도 상황에 따라 원인 판단이 달라지는 현상을 보여준다. 즉, 같은 수학적 모델이라도 사람들은 “보통”인 상황과 “예외”인 상황을 구분하여 원인을 평가한다. 이를 해결하기 위해 저자는 기본 이론(default theory)과 정상성 이론을 차용한다. Kraus‑Lehmann‑Magidor(1990)의 기본 논리에서는 사건에 대한 ‘정상성 순위’를 정의할 수 있다. 논문은 이 순위를 인과 모델에 통합해, “A가 없었더라면 B가 일어나지 않았을 것”을 증명할 때 실제 세계보다 ‘보통’한 상황만을 허용한다. 즉, 컨틴전시를 선택할 때 ‘예외적인’ 요소를 포함하는 경우는 배제하고, ‘보통’한 상황을 우선시한다. 이 접근법은 교통 체증, 기상 이상 등 일상적인 예외 상황을 원인으로 정확히 포착한다. 또한, 논문은 법학에서 오랫동안 사용되어 온 NESS(Necessary Element of a Sufficient Set) 테스트를 재해석한다. 기존 NESS는 “어떤 사건 집합이 충분히 사건 B를 일으키고, 그 집합 중 어느 하나라도 빠지면 B가 일어나지 않는다”는 직관에 기반하지만, ‘충분함’의 정의가 모호하다는 비판을 받았다. 저자는 HP 정의의 ‘조정 가능한 변수(intervention)’ 개념을 차용해 충분함을 형식화한다. 구체적으로, 사건 집합 S가 B를 충분히 일으키려면, 모든 변수에 대해 S를 유지한 상태에서 B가 발생하고, S의 어느 한 변수를 제거하면 B가 발생하지 않아야 한다. 이렇게 하면 NESS 테스트가 명확한 논리적 기준을 갖게 된다. 핵심적인 결과는 두 정의가 대부분의 HP 논문에 등장한 사례에서 동일한 원인 집합을 산출한다는 점이다. 특히, NESS 기반 정의는 원인이 항상 단일 합성어(단일 변수)임을 보장한다. 이는 HP 정의가 원래는 단일 합성어만을 허용했지만, 수정된 버전에서는 복합 원인이 등장할 수 있다는 점과 대비된다. 논문은 HP 정의가 복합 원인을 허용할 수 있는 경우를 구체적인 예시와 함께 제시하고, 이러한 경우에도 NESS 정의는 단일 원인만을 반환함으로써 직관에 부합한다는 점을 강조한다. 마지막으로, 두 정의가 동등하게 작동하는 충분조건을 제시한다. 첫째, 모든 변수에 대해 정상성 순위가 전역적으로 정의될 수 있어야 한다. 둘째, 컨틴전시를 선택할 때 ‘보통성’보다 낮은 순위의 상황만을 허용해야 한다. 이 두 조건은 HP 논문에 등장한 모든 예시에서 만족함을 검증하였다. 따라서, 기본·정상성 이론을 도입함으로써 HP 정의의 한계를 보완하고, 법학·철학·인공지능 분야에서 보다 직관에 부합하는 인과 분석 틀을 제공한다.