人工智能中因果定义的探索

摘要

基于统计学的视角,珀尔等人构建了一套能够将预测、干预和反事实算法化的因果语言,通过因果模型表征因果知识,进而给出因果关系的形式化、数学式的定义.HP定义是一种应用性定义,在一定程度上符合因果定义的基本要求:时序性、相关性和不间断性.HP定义可为人工智能领域表征因果知识提供方法,为确立实际原因提供一般性原则.但是,在一定模型中成立的实际因果关系须依赖于语境,模型的选择具有主观性,而并不是在普遍意义上成立的因果关系.在构建模型的过程中,面临着变量是否合理的问题和非递归性因果关系表征等困境.