基于任意替代实验的嵌套反事实识别
人工智能
2021-09-14 v2 机器学习
统计方法学
摘要
因果之梯描述了智能体可能感兴趣的三种质上不同的活动类型，即看见（观测）、做（干预）和想象（反事实）（Pearl and Mackenzie, 2018）。因果层级带来的推断挑战在于：数据由观测或干预系统的智能体收集（第1和第2层），而其目标可能是理解若采取不同行动（与事实发生的情况相反）会发生什么（第3层）。虽然对于从观测到干预的跨层推断所允许的条件已有扎实理解，但针对反事实量的结果则相对匮乏。本文研究从任意观测与实验组合中识别嵌套反事实。具体而言，基于更明确的嵌套反事实定义，我们证明了反事实去嵌套定理（CUT），其可将任意嵌套反事实映射为非嵌套反事实。例如，中介和公平性分析中的应用通常引发直接、间接和虚假效应的概念，这自然需要嵌套。其次，我们引入了从任意观测与实验分布组合进行反事实识别的充分必要图条件。最后，我们开发了用于识别嵌套反事实的高效且完备的算法；该算法若未能为某查询返回表达式，则意味着该查询不可识别。
引用
@article{arxiv.2107.03190,
title = {Nested Counterfactual Identification from Arbitrary Surrogate Experiments},
author = {Juan D Correa and Sanghack Lee and Elias Bareinboim},
journal= {arXiv preprint arXiv:2107.03190},
year = {2021}
}