传送门理论：一种通用且简单的跨世界反事实因果建模方法
机器学习
2024-06-19 v2 人工智能
统计方法学
摘要
借助结构因果模型(SCM)的发展，研究人员可以建立图形模型来探索机器学习技术背后的因果机制。随着机器学习应用复杂性的增加，单世界干预主义因果分析遇到了理论适应性限制。因此，跨世界反事实方法将我们对因果关系的理解扩展到观测数据之外，使得能够对替代场景进行假设推理。然而，跨世界变量（包括反事实变量和现实世界变量）的共同参与给图形模型的构建带来了挑战。孪生网络是一种巧妙的尝试，它建立了一种共生关系，以弥合图形建模与引入反事实之间的差距，尽管在泛化方面仍有改进空间。在这方面，我们展示了孪生网络在某些跨世界反事实场景中的理论缺陷。为此，我们提出了一种新颖的传送门理论，以建立一种通用且简单的反事实图形表示，该理论提供了确定传送门变量以连接多个世界的准则。在理论应用中，我们确定引入所提出的传送门理论可以直接从跨世界 SCM 中获得反事实变量与现实世界变量之间的条件独立性，而无需复杂的代数推导。因此，我们可以通过跨世界符号推导进一步识别反事实因果效应。我们证明了传送门理论在实际应用中的通用性。遵循所提出的理论，我们构建了一个即插即用模块，其在基准测试上的实验证明了其有效性。
引用
@article{arxiv.2406.11501,
title = {Teleporter Theory: A General and Simple Approach for Modeling Cross-World Counterfactual Causality},
author = {Jiangmeng Li and Bin Qin and Qirui Ji and Yi Li and Wenwen Qiang and Jianwen Cao and Fanjiang Xu},
journal= {arXiv preprint arXiv:2406.11501},
year = {2024}
}