人工智能中因果定义的探索

摘要：

基于统计学的视角,珀尔等人构建了一套能够将预测、干预和反事实算法化的因果语言,通过因果模型表征因果知识,进而给出因果关系的形式化、数学式的定义.HP定义是一种应用性定义,在一定程度上符合因果定义的基本要求:时序性、相关性和不间断性.HP定义可为人工智能领域表征因果知识提供方法,为确立实际原因提供一般性原则.但是,在一定模型中成立的实际因果关系须依赖于语境,模型的选择具有主观性,而并不是在普遍意义上成立的因果关系.在构建模型的过程中,面临着变量是否合理的问题和非递归性因果关系表征等困境.

关键词：人工智能;因果定义;时序性;相关性;不间断性

所属期刊栏目：35

分类号：B81(逻辑学(论理学))

资助基金：中国社会科学院大学研究生科研创新支持计划项目"人工智能中因果模型研究"2021-KY-02

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：56-63