Another problem with RBN models of mechanisms

Abstract

Casini, Illari, Russo, and Williamson (2011) suggest to model mechanisms by means of recursive Bayesian networks (RBNs) and Clarke, Leuridan, and Williamson (2014) extend their modelling approach to mechanisms featuring causal feedback. One of the main selling points of the RBN approach should be that it provides answers to questions concerning manipulation and control. In this paper I demonstrate that the method to compute the effects of interventions the authors mentioned endorse leads to absurd results under the additional assumption of faithfulness, which can be expected to hold in most RBN models of mechanisms.; Casini, Illari, Russo y Williamson (2011) proponen modelar los mecanismos mediante redes bayesianas recursivas (RBNs) y Clarke, Leuridan y Williamson (2014) extienden su enfoque sobre la modelización a mecanismos que presentan retroalimentación causal. Una de las ventajas principales del enfoque RBN debería ser que proporciona respuestas a cuestiones sobre los efectos de la manipulación y el control a lo largo de los niveles de un mecanismo. En este artículo muestro que el método para computar los efectos de las intervenciones que los autores mencionados defienden conduce a resultados absurdos bajo el supuesto tradicional de fidelidad, que cabe esperar que se mantenga en muchos modelos RBN de mecanismos.