ஒவ்வொரு விளைவிற்கும்(காரியத்திற்கும்) ஒரு காரணம் இருக்கும் என்ற கருத்து அறிவியலில் மிக ஆழமானது. ஒரு பொருள் நகர்கிறது என்பது "விளைவு", ஏன் நகர்கிறது என்பதற்கான விடை "காரணம்".
அறிவியலில், ஒரு பொருள் ஏன் நகர்கிறது என்ற சாதாரணமான(?) கேள்வியில் ஆரம்பித்து இந்த பிரபஞ்சம் ஏன் விரிகிறது போன்ற அசாதாரணமான கேள்விகளுக்கான விடைகள் இந்த காரண-காரிய (Cause and Effect ) கட்டமைப்பை அடிப்படையாய் வைத்துதான் தேடப்படுகிறது.
ஒவ்வொரு விளைவிற்கும் அதற்கான காரணங்களை கண்டறிந்து அவை இரண்டிற்கும் உள்ள தொடர்பை ஒரு கணித அமைப்பை/சமன்பாடுகள்/மாதிரி (Mathematical Model) உருவாக்கி விளைவுகளை மிகச்சரியாக விளக்குவதைத்தான் Causation என்கிறோம்.
பின் அந்த கணித அமைப்பில் உள்ள காரணிகளை மாற்றி விளைவுகள் எப்படி இருக்கும் என்று விளையாண்டும் (Simulate) பார்க்கலாம். உதாரணத்திற்கு, பூமி ஒருவேளை 1 டிகிரி எக்ஸ்ட்ரா சாய்ந்தாள் அதன் விளைவு எப்படி இருக்கும் என்று பார்க்கலாம், கடலின் நீர் மட்டம் ஒரு சென்டிமீட்டர் உயர்ந்தால் என்ன ஆகும் என்றும் பார்க்கலாம், சூரியன் இன்னும் எத்தனை ஆண்டுகள் இப்படி பிரகாசிக்கும் என்றும் கண்டு பிடிக்கலாம்.
சரி, இதை அப்படியே கொரானாவுக்கு கொண்டு வரலாம். இன்று பல கேள்விகள் நம் முன்னே வைக்கப்படுகின்றன அவற்றில் சில , கொரோனாவினால் இன்னும் எத்தனை நாளில், எவ்வளவு பேர் பாதிக்கப்படுவார்கள், தற்பவெப்பநிலைக்கும்-நோய் பரவுதலின் வேகத்திற்கும் அல்லது வயதிற்கும் -இறப்பிற்கும் ஏதாவது தொடர்ப்பு இருக்கிறதா. இது போன்ற கேள்விகளுக்கெல்லாம் சரியான பதில் சொல்ல இவை எல்லாவற்றையும் இணைக்கும் மிகச்சரியான கணித சமன்பாடுகள் தேவைப்படுகிறது . ஆனால் அப்படி ஒரு சமன்பாடுகளை உருவாக்க முடியாது என்பது தான் நிதர்சனம் (ஏன்?)
நாம் படித்துக்கொண்டிருக்கும் தகவல்களான, வயதானவர்கள் இறப்பதற்கான வாய்ப்புகள் "அதிகம்" , இளைஞர்களுக்கு "பெரும்பாலும்" பிரச்சனை இல்லை, Temperature அதிகம் இருந்தால் பரவாது, எல்லாம் உண்மையா என்று தெரியாது. இவை எல்லாம் கணிதத்தில் ஒரு பகுதியான புள்ளியியலில் ஒரு முக்கிய புள்ளியாக இருக்கும் "Regression Analysis" என்ற கணித மாடலை அடிப்படையாய் வைத்துதான் சொல்லப்படுகின்றன. அவை எல்லாம் "Correlations ". Not established Truths . Correlation னை புரிந்து கொள்ள ஒரு சின்ன thought experiment, ஒரு சேவல் மற்றும் ஒரு மனிதன் மட்டுமே இவ்வுலகில் இருப்பதாக கற்பனை செய்து கொள்ளுங்கள். சில காலத்திற்கு அந்த மனிதன் சேவலின் கூவளை மட்டுமே கேட்க முடியும் (அதாவது சேவல் அவர் கட்டுபாட்டில் இல்லை) . தினமும் சூரியன் உதயத்திற்கு சற்றுமுன் சேவல் கூவுகிறது, இதை "தொடர்ந்து கவனித்து" வந்த அந்த மனிதன் சேவலின் கூவல் தான் சூரியன் உதயத்திற்கு காரணம் (Causation) என்று கருதுகிறான். அவரைப் பொருத்தவரை அந்த கருதுகோளை நிறுவ போதுமான தரவுகள் (data) இருக்கின்றன. ஆனால் உண்மை அதுவல்ல இல்லையா?.
அந்த மனிதனால் விளைவை மட்டுமே பார்க்கமுடிந்தது, ஆதலால் அதற்கான காரணத்தை தன்னளவில் இருக்கும் ஏதோவொன்றுடன் Associate செய்து கொள்கிறான் (Luck Favoured him/her). ஒருவேளை அவருக்கு உண்மையை விளக்க முற்பட்டால், அந்த சேவலை தன் கட்டுப்பாட்டிற்குள் கொண்டுவந்து இரவும் கூவ செய்து சூரியன் வரவில்லை பார் என்று நிரூபிக்கலாம். புள்ளியியலை பொருத்தவரை சேவல் கூவுவதற்கும், சூரியன் உதிர்ப்பதற்கும் 99% Correlation இருக்கு. But "Correlation does not Imply Causation" Cell Biology யில், பல விஷயங்களில் நாம் இப்பொழுது அந்த மனிதரின் அறிவு நிலையில் தான் இருக்கிறோம்.
பல விஷயங்கள் நம்முடைய நேரடிக் கட்டுப்பாட்டில் இல்லை. அதாவது வெறும் 20 வகையான (causes) அமினோ அமிலங்கலின் காம்பினேஷன்களை (20 factorial) வைத்தே இந்த உலகில் காணும் அனைத்து வகையான (effects) உயிரினங்களும் படைக்கப்பட்டிருக்கிறது. ஒரு உடம்பை இந்த 20 வகை அமினோ அமிலங்களை வைத்து எவ்வாறு உருவாக்கவேண்டும் என்கிற அறிவு DNA வில் மூலக்கூறு மொழியில் Encode செய்யப்பட்டிருக்கிறது. அதை எவ்வாறு டீகோட் செய்வது என்பதும் நமக்கு இன்றுவரை முழுவதுமாக தெரியாது. அது RNA,mRNA, tRNA மற்றும் rRNA விற்கு மட்டுமே தெரியும். ஆகவே, கொரோன யாரைத் தொற்றும், எந்த treatment யாருக்கு வேலை செய்யும் , சிலருக்கு வேலை செய்தது ஏன் ஒரு சிலருக்கு வேலை செய்யவில்லை, போன்ற எந்த கூற்றிக்குமே நம்மால் அறுதியிட்டு இதுதான் காரணம் (Cause) என கூற முடியாது. மனிதனுக்கு உயிரின் அடிப்படைப் பொருளான ஒரு செல்லின் செயலை விளக்கும் சரியான சமன்பாடுகள் தெரியாதவரை வைரஸ்களும் தீராத வியாதிகளும் தான் மனித இனத்தை ஆட்டிப்படைக்கும் . வாழ்க்கையைப் பொறுத்தவரை எல்லா விசயங்களிலும் "வரும் முன் காப்பதே சிறந்தது". அவனே அறிவாளி!