技术
Causal Model（因果模型）
Causal Model是描述变量间因果关系而非仅相关性的数学框架，旨在解决AI系统缺乏因果推理能力的问题。典型应用包括医疗诊断和公平决策，代表工作如Pearl的因果图模型和Do-calculus。
详细解释
因果模型由Judea Pearl等人发展，包括结构因果模型（SCM）、因果图和do-演算。它区分观察与干预，能回答反事实问题。在AI中，因果模型用于提升鲁棒性、可解释性和公平性，例如消除数据偏差。当前研究将因果推理与深度学习结合，如因果发现和因果强化学习，但面临高维数据和复杂系统的挑战。
别名与相关写法
causal model