使用 GPT-4 指导因果机器学习
机器学习
2024-07-30 v2
摘要
自 ChatGPT 于 2023 年公开发布以来，其影响力空前。虽然部分专家赞扬 AI 进步并指出潜在风险，但另一些人则批评大型语言模型 (LLM) 的准确性和实用性。在本文中，我们关注 LLM 识别因果关系的能力。我们聚焦于广为人知的 GPT-4 (Turbo) 模型，在最严苛条件下评估其性能，通过仅使用变量标签而不提供任何人类上下文来推断因果关系，从而展示其在仅凭标签信息时的最小有效性。我们表明，问卷参与者将 GPT-4 生成的图在所评估类别中评为最准确，其后跟由领域专家构建的知识图，因果机器学习 (ML) 则落后。我们用此结果凸显因果 ML 的重要局限——其常产生违反常识的因果图，影响对其可信度。然而，我们表明将 GPT-4 与因果 ML 结合可克服这一局限，使从真实数据中学习的图结构更贴近领域专家识别的结构，而非仅凭因果 ML alone 所学。总体而言，我们的发现表明，尽管 GPT-4 未被专为因果推理设计，但仍可作为因果表示的有价值工具，因其提升了因果 ML 算法的因果发现过程。
引用
@article{arxiv.2407.18606,
title = {A data balancing approach towards design of an expert system for Heart Disease Prediction},
author = {Rahul Karmakar and Udita Ghosh and Arpita Pal and Sattwiki Dey and Debraj Malik and Priyabrata Sain},
journal= {arXiv preprint arXiv:2407.18606},
year = {2024}
}