从概率到反事实：珠尔明因果层级中满足问题的计算复杂性
人工智能
2025-02-07 v3 计算复杂性
摘要
珠尔明因果层级（PCH）框架形式化了三类推理：概率推理（纯观察性）、干预推理和反事实推理，反映了人类对因果性思考日益精深化的过程。我们调查PCH框架中因果语言表达的满足问题计算复杂性，主要聚焦概率语言和因果语言中的满足问题。即给定标准概率语言和因果语言中的公式系统，是否存在满足这些公式的模型？我们的主要贡献在于证明确切的计算复杂性，表明允许加法和边际化（通过求和算子）的语言在PCH不同层级上产生NP^PP、PSPACE和NEXP完备的满足问题。这些是首次显示PCH不同层级（从概率到因果再到反事实推理）严格递增复杂性的结果。另一方面，在允许加法、边际化和乘法的完整语言中，我们指出反事实层级的满足问题与概率和因果层级相同，解决了该领域的开放问题。
引用
@article{arxiv.2405.07373,
title = {From Probability to Counterfactuals: the Increasing Complexity of Satisfiability in Pearl's Causal Hierarchy},
author = {Julian Dörfler and Benito van der Zander and Markus Bläser and Maciej Liskiewicz},
journal= {arXiv preprint arXiv:2405.07373},
year = {2025}
}
备注
accepted at ICLR 25