Causal Discovery

인과 발견은 데이터에서 어떤 변수가 다른 변수의 원인인지 추론하는 작업으로, X에서 Y로 향하는 화살표가 X가 Y에 직접 영향을 미친다는 뜻인 방향 그래프를 만듭니다. 표준 머신 러닝은 예측 모델링에 충분한 연관성을 학습합니다. 인과 발견은 기계 설정이나 교통 신호 일정을 바꾸는 것과 같은 개입에도 어떤 연관성이 유지되는지 묻습니다. 그 결과는 후보 인과 구조의 집합이며, 일부 간선은 방향이 정해지지 않은 상태로 남을 수 있습니다. 이후 도메인 전문가와 실험을 통해 구조를 다듬습니다.

인과 구조를 학습할 수 있는 조건#

인과 그래프는 일반적으로 방향성 비순환 그래프(DAG)이며, 베이지안 네트워크와 같은 구조를 인과적으로 해석합니다. 각 화살표는 직접적인 효과를 뜻합니다. 발견 알고리즘은 세 가지 표준 가정에 의존합니다. 인과 마르코프 조건에서는 변수의 직접적인 원인을 알고 나면, 그 변수의 결과가 아닌 모든 변수와 독립적입니다. 충실성은 데이터에서 관찰되는 모든 독립성이 우연히 서로 상쇄되는 효과가 아니라 그래프 구조에서 비롯된다고 가정합니다. 인과 충분성은 측정되지 않은 변수가 측정된 두 변수의 공통 원인이 되는 경우가 없다고 가정합니다.

세 가지 가정을 모두 적용하더라도 관측 데이터만으로는 간선의 방향을 항상 알아낼 수 없습니다. X → Y → Z, 반대 방향의 X ← Y ← Z, 그리고 분기 구조인 X ← Y → Z는 모두 X와 Z가 Y를 알면 독립적이라는 동일한 독립성 패턴을 의미하므로, 관측 데이터를 아무리 많이 확보해도 이들을 구분할 수 없습니다. 충돌 구조인 X → Y ← Z는 다릅니다. X와 Z는 각각 독립적이지만 Y를 알면 종속성이 생기며, 이 특징으로 두 화살표의 방향을 모두 파악할 수 있습니다.

따라서 알고리즘은 마르코프 동치류를 반환합니다. 이는 방향이 지정된 간선은 확정되었지만 방향이 지정되지 않은 간선은 어느 쪽으로든 향할 수 있는 부분 방향 그래프입니다. 같은 원리는 데이터세트 편향의 대표적인 원인도 설명합니다. 충돌 변수에 대해 필터링하거나 보정하면 전체 모집단에서는 존재하지 않는 원인 간 의존성이 생깁니다.

발견 알고리즘#

대부분의 방법은 세 가지 계열로 나뉩니다. 1991년에 발표한 Peter Spirtes와 Clark Glymour의 이름을 딴 PC와 같은 제약 기반 알고리즘은 모든 간선이 연결된 무방향 그래프에서 시작해 조건부 독립으로 판정된 변수 간 간선을 삭제한 다음 충돌 변수를 방향화합니다. FCI는 숨은 교란 변수가 있는 상황으로 이 접근법을 확장합니다. 탐욕적 동치 탐색(GES)과 같은 점수 기반 알고리즘은 베이지안 정보 기준과 같은 점수가 가장 높은 그래프를 탐색합니다. NOTEARS는 비순환성 조건을 매끄러운 제약 조건으로 재구성해 경사 하강법을 사용하는 연속 최적화를 가능하게 합니다. LiNGAM과 같은 함수 기반 방법은 비가우시안 노이즈가 있는 선형 관계를 가정하므로 두 변수만 있는 경우에도 모든 간선의 방향을 식별할 수 있습니다.

발견 라이브러리는 시간 순서, 물리적 제약, 전문가 지식을 배경 규칙으로 받아 특정 간선을 금지하거나 필수로 지정할 수도 있습니다. 이렇게 하면 탐색 범위를 줄이고 데이터만으로는 정할 수 없는 간선의 방향을 지정할 수 있습니다. 오픈 소스 causal-learn 라이브러리는 세 계열을 모두 구현합니다. 다음 예제는 알려진 충돌 변수에서 데이터를 생성하고 PC로 이를 찾아냅니다:

import numpy as np
from causallearn.search.ConstraintBased.PC import pc

rng = np.random.default_rng(0)
n = 5000

# 실제 구조: 비와 경기장 행사가 모두 교통 혼잡을 유발합니다
rain = rng.normal(size=n)
event = rng.normal(size=n)
congestion = rain + event + rng.normal(scale=0.5, size=n)

# PC는 조건부 독립성을 검정해 데이터만으로 그래프를 복원합니다
data = np.column_stack([rain, event, congestion])
result = pc(data, alpha=0.05, node_names=["rain", "event", "congestion"], show_progress=False)
print(result.G)

출력에는 비 --> 교통 혼잡과 행사 --> 교통 혼잡이라는 두 개의 방향성 간선이 표시됩니다. 비와 행사는 서로 독립이지만 교통 혼잡을 알고 나면 종속되므로 PC가 두 간선의 방향을 모두 지정합니다. 실제 구조가 비에서 교통 혼잡을 거쳐 지연으로 이어지는 연쇄였다면 간선은 방향이 정해지지 않은 상태로 반환되었을 것입니다.

인과 발견의 활용 분야#

생물학 분야에서는 초기에 중요한 성과가 나왔습니다. 2005년 Karen Sachs와 동료들은 단일 세포 측정값을 바탕으로 단백질 11종과 인지질 간의 단백질 신호 네트워크를 학습해 알려진 연결 대부분을 찾아냈으며, 저자들은 후속 실험실 실험으로 새롭게 예측된 연결을 확인했습니다. 기후 과학에서는 Jakob Runge가 개발하고 Tigramite 패키지에 구현된 PCMCI와 같은 시계열 방법이 시차와 자기상관을 처리하면서 기후 변수 간 인과 관계를 찾아내며, 시계열 분석에 자연스럽게 적합합니다. PyWhy 생태계는 그래프를 확정한 뒤 효과의 크기를 추정하는 다음 단계를 위해 발견 도구와 DoWhy를 함께 제공합니다.

컴퓨터 비전으로 변수를 얻을 수 있습니다. 교통 영상에서 Ultralytics YOLO26을 이용한 객체 계수는 선이나 영역을 통과하는 차량과 보행자 수를 집계합니다. 시간 간격별로 기록한 개수를 날씨, 행사 일정, 신호 시간 정보와 결합한 뒤 인과 발견 알고리즘을 실행할 수 있습니다.

인과 발견과 관련 용어의 비교#

• 인과 표현 학습: 픽셀과 같은 원시 입력에서 인과 변수 자체와 변수 간 그래프를 학습합니다. 인과 발견은 이미 측정된 변수에서 시작합니다.
• 설명 가능한 AI(XAI): 어떤 입력이 모델의 예측을 이끌었는지 설명하지만, 입력을 바꾸면 현실의 결과가 달라진다고 주장하지는 않습니다.
• 특성 공학: 목표와 상관관계만 있는 변수를 포함해 예측을 개선하는 입력을 선택하고 구성합니다. 인과 그래프는 어떤 변수가 바뀌면 목표값이 달라지는지 식별합니다.