Переводчик на переговорах слышит не только отдельные голоса, но и то, как собеседники перекликаются: один замолкает, другой подхватывает. Если убрать перекличку, останутся монологи, и смысл потеряется. Так же и с данными: температура океана, влажность почвы, давление воздуха — все они отвечают друг другу с задержкой. Поймать эту перекличку и значит найти причину.
Раньше причинность по Грейнджеру проверяли просто: помогает ли прошлое одной переменной предсказать будущее другой? Но этот способ предполагает, что связь линейна, как прямая нитка. В реальности связи часто нелинейны: влияние может нарастать, затухать, менять знак. Новый метод (XKGC) переносит данные в пространство, где сходство между точками задаётся гибкой функцией, и добавляет перекрёстные члены — те самые ответы одной переменной другой.
На реальных данных метод показал: около половины изменений влажности почвы в мире вызвано Эль-Ниньо. Он даже нашёл влияние в Северо-Западной Европе, где раньше его не замечали. Теперь такой переводчик может пригодиться везде, где данные нелинейны: от климата до экономики.
Метод XKGC на данных спутника SMOS (влажность верхних 5 см почвы) обнаружил, что Эль-Ниньо объясняет половину межгодовой изменчивости влажности почвы в глобальном масштабе, причём влияние заметно даже в Северо-Западной Европе, где раньше его не находили.
Идея выявления причинных связей во временных рядах перекликается с романом Айзека Азимова «Основание», где психоистория предсказывает будущее на основе анализа массовых данных, хотя там причинность статистическая, а не индивидуальная.