본 논문은 순수 예측 시스템의 한계를 밝히고 인과적이고 협력적인 추론으로의 전환을 촉구하는 최근 인공지능의 발전에 대한 논의로 시작한다. 수학에서 그로텐디크의 혁명에서 영감을 얻어, 구조적 인과 모델(SCMs)이 본질적으로 불완전하고 주관적인 표현이며 관계 네트워크 내에 삽입되어 있다는 인과 지식의 상대성을 제시한다. 범주 이론을 활용하여 SCM을 函子 범주로 정렬하고, 그들의 관측 및 개입 확률 측정이 자연스럽게 볼록 구조를 형성함을 보여준다. 이 결과를 통해 개입되지 않은 SCM을 확률 측정의 볼록 공간으로 인코딩할 수 있다. 다음으로, 층 이론을 사용하여 인과 지식의 네트워크 층과 여층을 구성한다. 이러한 구조는 개입 일관성과 주체의 관점을 통합하면서 네트워크 전반에 걸쳐 인과 지식의 전달을 가능하게 하여 궁극적으로 상대적 인과 지식의 공식적인 수학적 정의로 이어진다.