基于不变性原理的因果图可辨识性研究

从独立同分布的观测数据进行因果发现已知是普遍 ill-posed 的。我们展示，如果能够获取由结构因果模型诱导的分布，以及来自（在最佳情况下仅两个）环境的额外数据，且这些环境在噪声统计上足够不同，则唯一的因果图是可辨识的。值得注意的是，这是文献中首个保证仅需常数个环境即可实现整个因果图恢复且适用于任意非线性机制的第一个结果。我们的唯一约束是噪声项的高斯性；然而，我们提出了放宽这一要求的潜在方法。值得单独关注的是，我们拓展了独立成分分析（ICA）与因果发现之间众所周知的二义性；近期的进展表明，非线性 ICA 可以从多个环境中求解，至少需要与源数目相同的环境：我们展示了对于因果发现，同样可以在获取much少量辅助信息的情况下实现。