На топографической карте дождевые капли выбирают путь: упав на один склон, они стекают в реку А, на другой — в реку Б. Наблюдатель видит лишь извивы рек (переменные отклика Y) и знает, с какого склона пришла вода (инструмент Z), но не видит самих капель (ненаблюдаемых факторов ε). Такова дилемма эконометриста: по двум картам стока нужно восстановить форму рельефа (структурное уравнение m), имея лишь бинарный выбор склонов.

Классический ответ требовал либо богатого непрерывного инструмента, либо жёстких ограничений на форму модели. Но природа рек иная: вода течёт под уклон, не зацикливаясь — в математике это называется циклической монотонностью (свойство, запрещающее замкнутые циклы приростов). Открытие в том, что этого свойства достаточно, чтобы даже простой переключатель склонов позволил восстановить весь ландшафт. В основе лежит танец двух распределений и их оптимальное согласование.

В многомерном мире классический трюк с контрольной переменной не работает: нельзя однозначно упорядочить векторы. Вместо этого автор строит мост в теорию оптимального транспорта — метода перемещения вероятностной массы с минимальными затратами. Для каждой капли дождя U её путь X = h(Z,U) на склоне Z подчиняется циклически монотонному отображению — многомерному аналогу неубывания. Благодаря теореме Бренье, такое отображение единственно и обратимо почти наверное. Значит, можно определить «ранговую карту» $R_z$ — обратное отображение, переводящее точки одного склона в точки другого с тем же рангом. Водораздел — это множество, где ранговая карта не сдвигает точку: $R_z$(x) = x.

Технические условия требуют гладкости плотностей, ограниченности и отсутствия вырождения: матрица Якоби отображения $R_z$(x)-x должна иметь постоянный ранг в окрестности водораздела. Тогда итеративный процесс — переключение склона и применение ранговой карты — заставляет любую стартовую точку скатываться к водоразделу, причём условное распределение дождя ε на каждом шаге сохраняется. Это и есть ключ к идентификации. Более того, условие проверяемо: автор вывел асимптотику эмпирического процесса разности двух условных функций распределения. Оказывается, при росте выборки этот процесс сходится к гауссовскому — значит, можно строить доверительные интервалы и прямо по данным тестировать существование водораздела.

Для прикладной науки это снимает давнее ограничение: больше не нужны надуманные инструменты. Простого бинарного фактора достаточно, чтобы непараметрически оценить сложные многомерные эффекты. Работа открывает дверь для более честного анализа причинности в экономике, эпидемиологии и социальных науках. Впереди — разработка алгоритмов для высоких размерностей; пока каждая итерация подобна шагу в горах с завязанными глазами. Но когда эти вершины будут взяты, водораздел станет точным инструментом. Теперь, глядя на карту рек, наблюдатель видит не просто извивы, а скрытые линии рельефа, проведённые стоком невидимых капель.