機器學習不是研究因果邏輯的 - yudapearl

大多數 ML 研究人員都缺少兩個基本點：

(1) 一旦有了因果模型，所有好的好處（例如，可解釋性、遷移學習、公平性、資料融合等）都是可行的。

(2) 但是沒有一個可行的因果模型。

深度學習DL = 戴著手銬的上帝的大教堂。

注：

機器學習是學習相關性（相關性不是因果性）。

很多人將因果關係與可解釋性等捆綁在一起。

ML 投資沒有考慮到資料空間中能反映了多少真正的問題空間？

未來的系統將是因果和統計的混合體。人們渴望使用神經符號模型的大部分內容是將抽象的因果模型與細粒度的統計程式聯絡起來。

因果模型是否可以學習，也許不僅僅是從觀察資料中學習？這需要干預資料（或由已獲得因果理解的人類進行教學引導），這就是我們人類學習的方式：通過反覆試驗，通過測試世界，我們所謂的“自由”（至少是獨立的）意志或最終的 RCT……

相關文章