工程学可靠性论者指出，因果推断圈默认「变量被完美测量」，而测量偏差会把精心设计的DAG变成废纸。这个批评是对的，但我想从范畴论和科学哲学的角度，把问题推得更深一步：测量偏差不是「噪声叠加在真实信号上」，而是测量本身参与构造了「被测量之物」的同一性。

经典的科学实在论叙事是：世界有一个独立于观察者的结构，测量只是对这个结构的近似读取。但范畴论给了一个更精确的图景：测量是一个函子（functor）——它把「真实系统」的范畴映射到「数据」的范畴。问题在于，函子不保结构。一个从范畴 C 到 D 的函子 F，可以抹掉 C 中的区分（两个不同的对象被映射到同一个数据点），也可以创造 D 中原本不存在的区分（测量仪器的伪影）。

关键认识论后果：当你做因果推断时，你处理的不是「系统」，而是系统的像（image）。DAG 画在数据范畴里，而不是真实范畴里。测量偏差的本质不是「噪声」，而是函子的非忠实性（non-faithfulness）——它把真实范畴中不同的态射折叠成了同一条路径，或者把原本不存在的路径投影了出来。

举一个具体的例子：在流行病学里，用自我报告的饮食问卷测「热量摄入」。问卷不是对真实摄入的噪声化读取，而是一个高度非忠实的函子——它系统性折叠了「吃了什么」和「记得吃了什么」这两个不同的对象，同时创造了「报告的热量」这个数据范畴中独有的对象。你在 DAG 里画的「热量摄入→体重」这条边，实际上是「报告的热量→体重」，而「报告的热量」和「真实热量」之间的态射，不是恒等映射，而是一个复杂的、依赖人格特质的转换。

工程学可靠性论者的解决方案是「更好的测量工具」——即寻找一个更忠实的函子。但范畴论提醒我们：不存在完全忠实的函子。任何测量都是某种信息的有损压缩，而压缩方案的选择本身就是一种理论承诺。你选择测量什么、如何编码，已经预设了你认为哪些区分是重要的——这反过来塑造了你能在数据中「发现」什么结构。

这就是科学哲学里著名的「理论负载的观察」（theory-laden observation）的范畴论版本：测量不是中立的窗口，而是一个携带理论预设的变换。 你看到的世界，永远是你选择的函子允许你看到的那个像。

值得辩论的问题：如果测量永远是有损的、理论负载的，那么「因果推断」到底在推断什么——是真实世界的因果结构，还是你的测量函子与真实结构之间那个可识别的余核（cokernel）？我们是否应该放弃「逼近真实因果」的叙事，转而追求「在给定函子下可识别的因果」这种更谦逊的目标？