Причинно следственная связь википедия: Причинно-следственная связь | это… Что такое Причинно-следственная связь?

Причинно-следственные связи в обыденной жизни

Википедия (свободная общедоступная энциклопедия Интернета) объясняет это понятие как связь между явлениями, при которой одно явление, называемое причиной, при наличии определенных условий порождает другое явление, называемое следствием. Вероятно, напрасно  я выбрал такое заумное название для статьи, чтобы просто порассуждать о вещах или явлениях обыденных. У российского пенсионера на это достаточно времени, ведь основной инстинкт больше не доминирует, да и свободного времени достаточно – на нашу пенсию не разгуляешься и не отправишься в зарубежное турне, как  это делают пенсионеры загнивающих капиталистических стран. Не подумайте только, что я им завидую. Я с удовольствием и интересом живу в своей стране, хотя многие могут посчитать меня инородцем, лицом не титульной национальности, однако я так не думаю. Говорю и мыслю я на русском языке, всю свою жизнь тружусь на благо Отчизны, как это раньше делали  мои родители, а сейчас дети, но это некоторое отступление от темы.

А сказать я хочу вот что – в нашей жизни все  закономерно, даже то, что мы иногда принимаем за случайность.

Вот случилось мне недавно застрять на дороге. Машина у меня хорошая, но старенькая и наше стандартное топливо уже не переваривает, а на диетическое питание (дорогую горючку) денег нет. Вот и вышел из строя очередной раз топливный насос. Стою я на дороге, мимо проезжает множество машин, но никто не останавливается. Только вот мир не без добрых людей, их просто  сейчас стало гораздо меньше. В советское время, когда я попал в такую же ситуацию, путешествуя по Украине, мне пришлось более 500 км проехать на буксире. Попутные машины легко останавливались и помогали совершенно бесплатно. А сейчас все изменилось. Правда, должен сказать, что все закончилось благополучно и на этот раз. За шесть часов ожидания на дороге остановилось несколько человек с добрым предложением бескорыстной помощи. Я сделал для себя вывод, что все в жизни справедливо, ведь я тоже никогда не беру денег, если приходиться кому-то помочь на дороге.

Не знаю, что это — «дурное советское воспитание» или твердое понятие о братстве в экстремальных условиях, правильное, воспитанное в советской школе, понимание справедливости жизни.

Советская школа, детство, дворовое братство, умные педагоги, неужели все это невозвратно ушло из современной жизни? В отношении детства это так, его уже не вернуть, но школа и педагоги? Пришлось мне буквально вчера участвовать в качестве эксперта на Московском областном конкурсе педагогического мастерства «Сердце отдаю детям». Я в восторге! Как будто снова оказался в прежнем времени, в правильной школе, которая не натаскивает на ЕГЭ, а  по-настоящему воспитывает. Молодые учителя и зрелые, состоявшиеся в профессии педагоги демонстрировали свою квалификацию, результаты профессиональных достижений, позиционировали, как сейчас говорят, инновационные идеи и подходы. Преклоняюсь перед ними! Сейчас это гражданский подвиг и профессиональное подвижничество. Снова обратимся к википедии: подвижничество  широком смысле: — активная позиция противостояния злу.

Как это точно сформулировано. Именно противостояние непрофессионализму чиновников от образования и злу, которое несет отсутствие духовности. Но, вернемся на конкурс. Лейтмотивом (главной мыслью) всех выступлений было обращение к предназначению педагога содействовать формированию достойных человеческих качеств своих учеников, в том числе через демонстрацию примеров собственной успешности, личных достойных качеств, увлечений и интересов. Как это важно когда мастера спорта говорят о  том, что воспитывают не столько будущих чемпионов, сколько, в первую очередь, достойных людей и граждан-патриотов России. Учитель информатики высшей квалификации говорит о том, что выводит летом детей в поход, чтобы они забыли о виртуальной жизни в соцсетях, а вкусили прелести реального общения с живой природой, верными друзьями и настоящими педагогами-наставниками.

Вот и получается, что причинно-следственная связь между исключением воспитания из образовательного процесса и безразличием к чужой беде на дороге абсолютно очевидна.

И еще немного о походах и активном отдыхе, как органичной части воспитательного процесса. Прошедшее лето с трагедией в Карелии привлекло общее внимание к проблемам организации детского отдыха. Оказалось, что в результате исключения туристско-краеведческого компонента из системы школьного образования, организацией активного отдыха занялись коммерческие структуры. Стал широко рекламироваться активный, в том числе и экстремальный отдых и предложения оказались востребованными. Карелия, побережье Белого моря вполне заслуженно оказались в первых строках условного списка популярных районов детского активного отдыха. Не будем останавливаться на качестве предлагаемых услуг, на вопросах подбора персонала и квалифицированных инструкторских кадров, а также стоимости такого отдыха – здесь все по-разному. Есть стабильно действующие туристские лагеря, восполняющие дефицит предложений детского отдыха и компенсирующие резкое сокращение походов, организуемых образовательными  учреждениями. А есть и откровенно несостоятельные предложения, с необеспеченными организационными условиями и откровенным  пренебрежением к технике безопасности пребывания на природе.

Я о другом. Подготовка детской группы к многодневному походу – это системная, как правило, внеучебная деятельность педагога-путешественника, разложенная на год работы. Нельзя  собирать детей, как взрослых на турбазы и предлагать им активные путешествия в стихийно создаваемых коллективах. Это нарушение всех педагогических принципов в интересах получения коммерческой выгоды и с высокой степенью риска. Уже не говоря о том, что, как правило, педагогика процесса здесь весьма условна – это скорее тусовка подростков на природе со всеми вытекающими из безнадзорности свободами поведения. Но, повторяю – везде организация дела разная.

И опять о причинно-следственной связи и законе Михаила Васильевича Ломоносова о сохранении массы (помните: «если в одном месте убавится, то в другом…»). Исключили туристско-краеведческую работу из школы – возникли коммерческие предложения. «Свято место пусто не бывает» – народная мудрость. Вот и сейчас вместо возвращения детского туризма в школы Министерство образования разрабатывает новый циркуляр о регламентации отдыха детей в период каникул, а значит, грядет новая беда и очередной чиновничий беспредел.

А теперь о мечтах и надеждах пенсионера. Очень надеюсь на то, что здравый смысл восторжествует, школа снова вернется к вопросу о приоритете воспитания, походы, как неотъемлемый элемент образовательного процесса займут свое достойное место в общей системе содействия личностному развитию добропорядочных и трудолюбивых будущих граждан нашего Отечества.

За сим и прощаюсь!

С уважением, А.Я.Миндель,  

руководитель НКО «Образование. Спорт. Реабилитация»,

канд.пед.наук, Заслуженный путешественник России. 

 

Комментарии:

• Facebook
• ВКонтакте

Download SocComments v1.3

причинность

---

Причинность (также называемая причинно-следственной связью или причиной и следствием ) — это влияние, посредством которого одно событие , процесс, состояние или объект ( причина ) способствует возникновению другого события, процесса, состояния или объекта (следствия ) , где причина частично ответственны за следствие, а следствие частично зависит от причины. В общем, у процесса есть много причин, ^[1] которые также называются причинными факторами для него, и все они лежат в его прошлом . Следствие, в свою очередь, может быть причиной или каузальным фактором многих других следствий, которые все лежат в его будущем . Некоторые авторы считают, что причинность^{метафизически предшествует представлениям о времени и пространстве . [2] [3] [4]}

Причинность — это абстракция , указывающая на то, как развивается мир. ^[5] Будучи такой базовой концепцией, она более подходит для объяснения других концепций прогрессии, чем для объяснения с помощью других, более фундаментальных. Эта концепция аналогична концепции агентства и эффективности . По этой причине может потребоваться скачок интуиции , чтобы понять это. ^{[6] [7]} Соответственно, причинность имплицитна в логике и структуре обычного языка ^[8] , а также явна в языке научных причинных обозначений .

В англоязычных исследованиях аристотелевской философии слово «причина» используется как специальный технический термин, перевод аристотелевского термина αἰτία, под которым Аристотель имел в виду «объяснение» или «ответ на вопрос «почему». Аристотель разделил четыре типа ответов на материальные, формальные, действенные и конечные «причины». В этом случае «причина» — это explanans для explanandum , и неспособность признать, что рассматриваются разные виды «причины», может привести к бесполезным дебатам. Из четырех способов объяснения Аристотеля наиболее близким к интересам настоящей статьи является «эффективный».

Дэвид Юм , выступая против рационализма , утверждал, что чистый разум сам по себе не может доказать реальность действенной причинности; вместо этого он апеллировал к обычаям и умственным привычкам, отмечая, что все человеческое знание происходит исключительно из опыта .

Природа причины и следствия является предметом изучения, известного как метафизика . Кант считал, что время и пространство были понятиями, предшествующими человеческому пониманию прогресса или эволюции мира, и он также признавал приоритет причинности. Но у него не было понимания, которое пришло со знанием геометрии Минковского и специальной теории относительности , что понятие причинности может быть использовано в качестве исходной основы для построения понятий времени и пространства. ^{[2] [3] [4]}

Общий метафизический вопрос о причине и следствии звучит так: «Какая сущность может быть причиной и какая сущность может быть следствием?»

---

Почему-потому что график опрокидывания Вестника свободного предпринимательства (Нажмите, чтобы увидеть подробнее.)

В то время как посредник является фактором в причинно-следственной цепи (вверху), вмешивающийся фактор — это ложный фактор, неверно предполагающий причинно-следственную связь (внизу).

Диаграмма Исикавы , используемая в менеджменте и технике, показывает факторы, вызывающие эффект. Меньшие стрелки соединяют подпричины с основными причинами.

Простая английская Википедия, бесплатная энциклопедия

Переключить оглавление

Из простой английской Википедии, бесплатной энциклопедии

Английский язык, используемый в этой статье или разделе , может быть не всем легко понять . Вы можете помочь Википедии, прочитав Wikipedia:Как писать страницы на простом английском, а затем упростив статью. (март 2012 г.)

Иллюстрированная Сутра Причины и Следствия . Изображение, сделанное в 8 веке в Японии, показывающее причину и следствие.

Опрокидывание первого камня домино приведет к падению второго, что приведет к падению третьего и т. д.

Причинность — это способ описать, как разные события связаны друг с другом. Предположим, есть два события A и B . Если B происходит потому, что A , то люди говорят, что А является причиной В, или что В является следствием А.

То, что выглядит очень просто, на самом деле является сложной задачей. Многие люди пытались ее решить, они придумали разные решения.

Аристотель[изменить | изменить источник]

Аристотель был греческим философом. Он также рассматривал проблему причинности. В своих книгах Апостериорная аналитика и Метафизика он писал:

• «Все причины есть начала. ..» ^[1]
• «… у нас есть научное знание, когда мы знаем причину…» ^[2]
• «… знать природу вещи — значит знать причину, по которой она существует…» ^[3]

Это можно использовать для объяснения причинности. Аристотель находил различные виды причин:

• Материальная причина – это «сырье», из которого сделана вещь. Это иногда называют причинно-следственной связью части и целого . Пример: Бронза статуи.
• Формальная причина говорит нам, на примере художника, какой должна быть вещь. Это иногда называют
  причинностью целого-части . Пример формы статуи.
• Действующая причина — это та внешняя вещь, которая в первую очередь вызывает изменение. Он показывает, «что вызывает изменение того, что изменяется». Он охватывает все возможные типы вещей и является современным определением как причины . Пример: ремесленник, делающий статую, искусство обработки бронзы, человек, дающий совет, отец ребенка.
• Конечная причина описывает, почему что-то существует. Конечная причина, или телос, есть цель вещи. Это включает в себя современные идеи причинно-следственной связи, такие как желание или потребность чего-то быть, или те, которые определяют цель поведения. Пример: причина, по которой художник хотел создать статую.

Аристотель говорил людям о двух типах причин: собственных (предшествующих) причинах и случайных (случайных) причинах. Оба типа причин можно назвать потенциальными или действительными, частными или общими. Тот же язык относится к следствиям причин; таким образом, общие следствия соотносятся с общими причинами, частные следствия — с частными причинами, а действующие причины — с действительными следствиями. Существенно также, что онтологическая причинность не предполагает временного отношения до и после — между причиной и следствием; что спонтанность (в природе) и случайность (в сфере моральных действий) относятся к числу причин следствий, принадлежащих к действующей причинности, и что никакая побочная, спонтанная или случайная причина не может предшествовать собственной, реальной или основной причине

как таковой .

Все последующие исследования причинности в истории будут состоять в наложении излюбленной иерархии на порядок (приоритет) причин; например, «конечное > действенное > материальное > формальное» (Фома Аквинский), или в сведении всякой причинности к материальным и действенным причинам, или к действенной причинности (детерминированной или случайной), или просто к регулярным последовательностям и корреляциям природных явлений ( естественные науки, описывающие , как происходят вещей, вместо того, чтобы спрашивать почему они бывают).

Дэвид Хьюм[изменить | изменить источник]

Дэвид Хьюм был еще одним философом, который изучал связь между причиной и следствием. Юм считает, что есть определенные вещи, общие для всех таких отношений причины и следствия. Возможно, что дальние причины оказывают влияние на ближние, но они могут сделать это только посредством цепи причинно-следственных реакций.

Следствие всегда следует за причиной.

Существует третий элемент, называемый силой или необходимостью. Вода обычно жидкая и прозрачная. Однако из этих свойств не следует, что человек может в нем задохнуться. ^[5]

Хьюм говорит, что если кто-то привык всегда видеть, что одни и те же вещи происходят в одном и том же порядке, он привыкнет к тому, что они находятся в этом порядке. Когда он видит, что происходит одно событие, он будет ожидать, что произойдет и другое:

»	Я сразу замечаю, что они соприкасаются во времени и месте и что объект, который мы называем причиной, предшествует другому объекту, который мы называем следствием. Ни в одном случае я не могу пойти дальше и не могу открыть никакого третьего отношения между этими объектами. Поэтому я расширяю свое поле зрения, чтобы понять несколько примеров; где я нахожу подобные объекты всегда существующими в одинаковых отношениях смежности и последовательности. На первый взгляд кажется, что это мало служит моей цели. Отражение на нескольких экземплярах лишь повторяет одни и те же объекты; и поэтому никогда не может породить новую идею. Но при дальнейшем исследовании я нахожу, что повторение не во всех случаях одно и то же, а производит новое впечатление, а тем самым и идею, которую я сейчас исследую. Ибо после частого повторения я нахожу, что при появлении одного из объектов ум по привычке побуждается рассматривать его обычного спутника и рассматривать его в более сильном свете из-за его отношения к первому объекту. . «Итак, это впечатление, или определение, дает мне представление о необходимости.	”
— Дэвид Хьюм, Трактат 1.3.14

Логика — это наука о том, как построить аргумент. В логике обычно есть два разных типа причин. Они называются необходимая причина и достаточная причина .

1. A необходимая причина есть причина, которая говорит: Всякий раз, когда происходит B, A также происходит . С другой стороны, знание того, что произошло А, не обязательно означает, что также произойдет Б. Пример: сенаторам в США должно быть не менее 30 лет. Люди моложе не могут стать сенаторами. Поэтому любому сенатору не менее 30 лет. (С другой стороны: есть люди старше 30 лет, которые не являются сенаторами).
2. A достаточная причина есть причина, которая говорит Если я знаю, что произошло A, я могу заключить, что B также произошло . Пример: центр игральной карты отмечен специальным символом, называемым большой пикой (♠). Этого достаточно, чтобы сказать, что карта является тузом. В игре есть еще три карты, которые также являются тузами. Они отмечены ромбом (♦), сердцем (♥) или трефой (♣). Нет необходимости знать, что эти три другие карты существуют или что они означают. С другой стороны, нет карт, являющихся тузами, кроме перечисленных.

• Свобода воли
• Детерминизм
• Карма

1. ↑ Аристотель, Метафизика, Книга V, Часть 1.
2. ↑ Аристотель, Постериорная аналитика, книга 2, часть 11.
3. ↑ Аристотель, Постериорная аналитика, книга 2, часть 2.
4. ↑ Юм, Трактат 1.3.2
5. ↑ Хьюм, Запрос 4.1

• «Искусство и наука о причине и следствии»: слайд-шоу и обучающая лекция Джудеи Перл
• «Буддийская дхарма причины и следствия в том виде, в каком она видна в Лотосовой сутре». Архивировано 14 июля 2011 г. в Wayback Machine: буддийская школа, основанная на этом законе жизни, изложенном в Лотосовой сутре. Сайт на итальянском и английском языках.

Стэнфордская философская энциклопедия[изменить | изменить источник]

• Аристотель о причинности
• Кант и Юм о причинности
• Обратная причина
• Вероятностная причина
• Причинность и управляемость
• Контрфактические теории причинности
• Причинные процессы
• Причинно-следственная связь в законе
• Средневековые теории причинности
• Метафизика причинности

Общее[изменить | изменить источник]

• Словарь истории идей : Архивировано 16 октября 2007 г. в Wayback Machine Causation
• Словарь истории идей : Архивировано 14 октября 2007 г. в Wayback Machine Causing in Law
• Словарь истории идей : Архивировано 16 октября 2007 г. в Wayback Machine Causation in History

Введение в причинно-следственную связь в машинном обучении | Александр Гонфалоньери

Почему нам нужна причинно-следственная связь в машинном обучении (с точки зрения бизнеса)

Александр Гонфалоньери

·

Читать

Опубликовано в

·

8 минут чтения

·

9 июля 2020 г.

Несмотря на шумиху вокруг ИИ, большинство проектов, основанных на машинном обучении (МО), сосредоточены на прогнозировании результатов, а не на понимании причинно-следственных связей. Действительно, после нескольких проектов ИИ я понял, что машинное обучение отлично подходит для поиска корреляций в данных, но не причинно-следственных связей. В наших проектах мы стараемся не попасть в ловушку приравнивания корреляции к причинно-следственной связи.

Эта проблема значительно ограничивает нашу способность полагаться на машинное обучение при принятии решений. С точки зрения бизнеса нам нужны инструменты, которые могут понимать причинно-следственные связи между данными и создавать решения машинного обучения, которые могут хорошо обобщать.

В этой статье я представлю текущие проблемы, с которыми мы сталкиваемся как компания, уже использующая алгоритмы машинного обучения, и почему причинно-следственная связь важна с точки зрения бизнеса.

Решения на основе машинного обучения страдают от разных проблем. Как вы, возможно, знаете, алгоритмы машинного обучения в их текущем состоянии могут быть предвзятыми, страдать от относительной недоступности объяснения и ограничены в своей способности обобщать шаблоны, которые они находят в обучающем наборе данных для нескольких приложений. Стало важно улучшать обобщение.

Обобщение: Способность модели должным образом адаптироваться к новым, ранее неизвестным данным, взятым из того же распределения, которое использовалось для создания модели. (1)

Кроме того, современные подходы к машинному обучению имеют тенденцию к завышению данных. На самом деле, они пытаются в совершенстве изучить прошлое вместо того, чтобы раскрыть настоящие/причинно-следственные связи, которые сохранятся с течением времени.

В моей отрасли (здравоохранение) наши модели просто подтверждают, что симптомы возникают при наличии болезни, а болезнь возникает при наличии симптомов.

На сегодняшний день более успешными системами ИИ являются модели глубокого обучения, которые используют большие наборы данных с большим количеством примеров различных возможных ситуаций. Может показаться заманчивым просто полагаться на большее количество данных (большие данные), но это было бы ошибкой.

Несмотря на то, что мы можем наблюдать корреляцию, она не доказывает причинно-следственную связь.

Джудея Перл и Дана Маккензи Книга Почему. Новая наука о причинах и следствиях подчеркивает основные ограничения современных решений машинного обучения и проблему причинно-следственного вывода. Они отмечают, что шумиха вокруг того, что большие данные решат многие серьезные проблемы, с которыми мы сталкиваемся, неуместна.

Поскольку глубокое обучение (DL) слишком много внимания уделяло корреляции без причинно-следственной связи, данные не дадут ответа на вопрос, когда проблема выйдет за пределы очень узких ситуаций. На самом деле многие реальные данные генерируются не так, как данные, которые мы используем для обучения моделей ИИ. Другими словами, глубокое обучение хорошо находит закономерности в данных, но не может объяснить, как они связаны.

Большинство решений не могут обобщать за пределы области примеров, присутствующих в наборе данных.

Для растущего числа бизнес-приложений возможности машинного обучения находить корреляции более чем достаточно (например, прогнозирование цен, классификация объектов, лучший таргетинг и т. д.). Действительно, системы машинного обучения преуспевают в изучении связей между входными данными и выходными прогнозами, но им не хватает рассуждений о причинно-следственных связях или изменениях среды. Модели машинного обучения, которые могут фиксировать причинно-следственные связи, будут более обобщаемыми.

Причинность: влияние, посредством которого одно событие, процесс или состояние, причина способствует возникновению другого события, процесса или состояния, следствия, когда причина частично ответственна за следствие, а следствие частично зависит от причины. (2)

Способность выявлять причины и следствия различных явлений в сложных системах поможет нам найти лучшие решения в таких разных областях, как здравоохранение, правосудие и сельское хозяйство. Действительно, эти области не должны рисковать, когда корреляции ошибочно принимают за причинно-следственную связь.

Во-первых, необходимо лучше определить этот термин. Как люди, мы часто думаем с точки зрения причины и следствия — если мы понимаем, почему что-то произошло, мы можем изменить свое поведение, чтобы улучшить будущие результаты.

Другими словами, наша цель — попытаться выяснить причинно-следственную связь на основе данных (что было причиной, а что — следствием). Как упоминалось ранее, во многих случаях использования пока достаточно корреляции . Однако вывод о причинно-следственных связях позволил бы нам сделать еще один шаг и выяснить, что произойдет, если мы решим изменить некоторые базовые предположения в нашей модели.

Понимание причины и следствия сделало бы существующие системы ИИ умнее и эффективнее. Например, «подумайте о роботе, который понимает, что падение вещей приводит к их поломке, и ему не нужно бросать десятки ваз на пол, чтобы посмотреть, что с ними происходит» (3).

Кроме того, способность понимать причинно-следственные связи поможет нам создавать бизнес-модели, а также новые стартапы, специализирующиеся на том, чтобы помогать компаниям лучше понимать свои данные. Например, недавно мы запустили проект по выявлению лидов с использованием разных источников. Мы считаем, что причинно-следственная связь поможет нам определить новые лиды на основе элементов, о которых мы никогда не думали.

Уровни причинно-следственной связи / На основе работы Judea Pearl

С точки зрения бизнеса мы рассматриваем следующие вопросы/сценарии:

#1: В контексте электронной коммерции мы можем определить, какой конкретный фактор больше всего влияет на решение о покупке продукта. С помощью этой информации мы могли бы лучше распределять ресурсы для улучшения определенного KPI. Мы также можем ранжировать влияние различных факторов на решение о покупке. Мы могли бы определить, купил бы данный клиент конкретный продукт, если бы он/она не покупал другие продукты в течение последних двух лет.

#2: В более широком смысле мы могли бы выяснить, как и каких негативных последствий можно было бы избежать с помощью данной бизнес-стратегии? Мы также могли бы определить, насколько должны увеличиться наши продажи, внедрив специальную программу обучения для наших бизнес-разработчиков. влияние конкретной программы обучения

#3: В сельском хозяйстве мы часто пытаемся предсказать, будет ли урожайность фермера ниже в этом году. Однако, используя случайные умозаключения, станет лучше понимать, какие шаги мы должны предпринять, чтобы увеличить урожай.

Помимо этих потенциальных вариантов использования, развитие причинно-следственной связи в машинном обучении является необходимым шагом в создании более похожего на человека машинного интеллекта (возможно, искусственного общего интеллекта).

На сегодняшний день некоторые решения существуют. Однако текущие решения (например, моделирование Монте-Карло, анализ цепей Маркова, наивное байесовское моделирование, стохастическое моделирование и несколько пакетов с открытым исходным кодом, таких как DAGitty) не соответствуют нашим ожиданиям, когда речь идет о бизнес-приложениях.

Причинно-следственные структуры метаобучения
В 2019 году Йошуа Бенжио и его команда опубликовали исследовательский документ с изложением подхода. Действительно, они, кажется, работают над версией глубокого обучения, способной распознавать простые причинно-следственные связи. Они использовали набор данных, отображающий причинно-следственные связи между явлениями реального мира, такими как курение и рак легких, с точки зрения вероятностей. Они также создали синтетические наборы данных о причинно-следственных связях.

Другими словами, «Результирующий алгоритм по существу формирует гипотезу о том, какие переменные связаны причинно-следственной связью, а затем проверяет, насколько изменения различных переменных соответствуют теории». (4)

Моделирование структурными уравнениями (SEM)
Другой достойный упоминания подход называется моделированием структурных уравнений. Не вдаваясь в подробности, «фундаментальная математика, разработанная Джудеей Перл, и быстрая эволюция графовых моделей помогают сделать инструменты причинно-следственной связи доступными» (5).

Причинно-следственная байесовская сеть
Этот метод оценивает отношения между всеми переменными в наборе данных и может рассматриваться как настоящий метод обнаружения. Это позволяет обнаружить несколько причинно-следственных связей одновременно.

По сути, это приводит к интуитивно понятной визуальной карте, показывающей, какие переменные влияют друг на друга, а также степень их влияния. Действительно, причинно-следственные графические модели позволяют моделировать множество возможных вмешательств одновременно.

Причинные байесовские сети требуют большого количества данных для захвата всех возможных переменных.

Еще один важный элемент, о котором следует помнить, это то, что каузальный ИИ не работает в рамках черного ящика. Исследователи могут проверить аргументацию модели и снизить риск предвзятости.

Источник

С точки зрения бизнеса этот подход позволяет использовать экспертные знания, чтобы преодолеть возможные ограничения подхода, основанного исключительно на данных. Бизнес-эксперты могут помочь:

• Наложить условия на модель, чтобы повысить ее точность,
• Определить, какие переменные должны войти в модель
• Помогите понять противоречивые результаты.

Обучение с подкреплением VS Причинность

Наконец, я хотел бы упомянуть обучение с подкреплением (RL). Как вы, возможно, знаете, обучение с подкреплением — это метод постепенного обучения с использованием взаимодействия с окружающей средой.

Некоторые ведущие деятели сообщества ИИ считают, что RL по своей сути является причинным, в том смысле, что агент экспериментирует с различными действиями и узнает о том, как они влияют на производительность, методом проб и ошибок. Этот тип обучения называется «безмодельным», потому что он позволяет научиться эффективному поведению без необходимости изучать явную модель того, как устроен мир.

В обучении с подкреплением алгоритм без моделей представляет собой алгоритм, который не использует распределение вероятностей перехода (и функцию вознаграждения), связанное с марковским процессом принятия решений, который в RL представляет проблему, которую необходимо решить.

No related posts.