Кун Чжан: Изучение и использование причинно-следственных представлений

«Изучение и использование причинно-следственных представлений» Кун Чжан, Университет Карнеги-Меллона Участник дискуссии: Косма Шализи: Университет Карнеги-Меллона Аннотация: Когда нам необходимо использовать причинно-следственные знания, а когда ассоциативной информации достаточно для машинного обучения? Можем ли мы определить причинно-следственную связь между двумя переменными, анализируя их наблюдаемые значения? Можем ли мы определить, где должны находиться скрытые причинно-следственные переменные и как они связаны? Для правильного понимания и управления системами люди часто пытаются ответить на подобные причинно-следственные вопросы. Кроме того, нас часто интересует искусственный интеллект (ИИ) в сложных средах. Например, как мы можем осуществлять трансферное обучение принципиальным образом? Как машины могут противостоять атакам противника? Интересно, что недавно было показано, что причинно-следственная информация может способствовать пониманию и решению различных задач ИИ. В этом докладе обсуждалось, как изучать (скрытые) причинно-следственные представления на основе наблюдательных данных, а также почему и как причинно-следственная перспектива позволяет осуществлять адаптивное прогнозирование и потенциально достигать более высокого уровня искусственного интеллекта. 16 марта 2021 г.