在因果信息未知情形下的选择：决策所用的行动-结果概率可基于因果模型
人工智能
2026-04-30 v6 统计方法学
摘要
不确定性下的决策与因果思维是智能推理的基本方面。当可用信息被视为联想（概率）层面时，决策已被充分研究。冯·诺依曼-摩根斯特恩与萨维奇的经典定理给出了使用联想信息进行理性选择的正式准则：最大化期望效用。关于此类计算中涉及的概率之起源存在持续争论。本文中，我们将展示决策概率如何可基于因果模型，考虑可用行动与后果因果相连的决策问题。在此设定下，行动被视为对因果模型的干预。随后，我们将先前依赖已知因果模型的因果决策结果，推广到理性决策者未知控制某环境的因果机制的情形。由此，行动-结果概率在已知与未知情形下均可基于因果模型。最后，作为应用，我们将著名的纳什均衡概念推广到策略博弈的参与者考虑因果信息的情形。
引用
@article{arxiv.1907.11752,
title = {Choosing with unknown causal information: Action-outcome probabilities for decision making can be grounded in causal models},
author = {Mauricio Gonzalez Soto and David Danks and Hugo J. Escalante Balderas and L. Enrique Sucar},
journal= {arXiv preprint arXiv:1907.11752},
year = {2026}
}