Nov, 2022
反事实推理的复杂度
On the Complexity of Counterfactual Reasoning
Yunqiu Han, Yizuo Chen, Adnan Darwiche
TL;DR研究计算复杂性和结构因果模型条件下反事实推理的关系并指出,如果在完全指定的情况下关于结构因果模型的干预性推理是可行的,则反事实推理也是可行的。
Abstract
We study the computational complexity of counterfactual reasoning in relation
to the complexity of associational and interventional reasoning
computational complexitycounterfactual reasoningstructural causal modelstreewidthinterventional reasoning
发现论文,激发创造
反事实协作推理
本文研究了因果推理和逻辑推理在机器智能的应用下的关系,提出了 Counterfactual Collaborative Reasoning (CCR) 方法,通过进行反事实逻辑推理对数据进行增强,提高了模型性能和透明度。实验结果表明,CCR 方法显著优于使用隐式数据增强的模型和未增强的模型,并且能够生成反事实解释,提高模型的透明度。
Jun, 2023
抽象论证中的对立假设和半事实解释:形式基础、复杂性与计算
该论文探讨了可解释人工智能和形式论证在抽象论证框架中的反事实和半事实推理,研究了其计算复杂性,并提供了通过 ASP 求解器的计算策略。
May, 2024
因果层级上的概率推理
本研究将 3 层因果关系层次结构分为概率逻辑语言模型,第一层表达定量概率推断,第二层编码用于因果效应的 do-calculus 推理,第三层捕捉任意反事实查询。相关的公理化表达完全考虑了因果模型和概率编程,并证明了每种语言的可满足性和有效性都可以在多项式空间内可判定。
Jan, 2020
用概率图模型进行反事实推理以分析社会生态系统
因果推理和反事实推理是数据科学中的新兴方向,尤其适用于通常无法获取实验数据的环境和生态科学领域。本文提出了一个在社会生态系统领域内边界不可识别查询的新技术,并发现传统统计分析方法无法揭示变量之间的关系本质,其中反事实推理变得非常有价值。
Jan, 2024
深度回溯的因果一致解释
在结构因果模型中,我们引入了一种计算回溯反事实的实用方法,该方法对深度生成组件进行条件设定以解决在可控制因果模型的结构潜空间中可生成反事实的问题。相比其他方法,我们的方法具有多功能、模块化和满足因果关系的优势。通过在 MNIST 和 CelebA 的修改版本上实验,我们证明了这些特性。
Oct, 2023