理解人类关于因果性的判断
人工智能
2019-12-21 v1 机器学习
摘要
区分因果性与相关性是机器学习中的一个主要问题，而用于确定因果性的理论工具仍在发展中。然而，人们通常会做出因果性判断，并且即使在陌生领域中也常常是正确的。人类是如何做出这些判断的？本文通过比较人类专家与非专家同机器学习算法的表现，考察了他们在归因因果性能力上的差异。我们使用 Amazon Mechanical Turk (MTurk) 收集人类判断，并将受试者分为两组：专家与非专家。我们还基于卷积神经网络 (CNN) 模型的不同训练准备了专家与非专家机器算法。结果表明，人类专家的判断类似于在大量目标领域样本上训练的“专家”CNN 模型所做出的判断。人类非专家的判断则类似于仅在 MTurk 指导中使用的少量样本上训练的 CNN 模型的预测输出。我们还基于神经表征分析了专家与非专家机器算法之间的差异以评估其表现，从而对人类专家与非专家的认知能力提供见解。
引用
@article{arxiv.1912.08998,
title = {Understanding Human Judgments of Causality},
author = {Masahiro Kazama and Yoshihiko Suhara and Andrey Bogomolov and Alex `Sandy' Pentland},
journal= {arXiv preprint arXiv:1912.08998},
year = {2019}
}