316
个编辑
更改
无编辑摘要
== 定义 ==
== 定义 ==
[[文件:因果之梯.png]]
[[文件:因果之梯.png|替代=|无|有框|图1 因果之梯 该图出自<ref>The Book of Why</ref>]]
因果关系之梯是Judea Pearl提出的一种分类法（也可以称为框架），该分类法回答了“因果推理主体可以做什么”这一问题。该问题的另一种表述是——“相较于不具备因果模型的生物，拥有因果模型的生物能推算出什么前者推算不出的东西”。这种分类法的好处在于，它绕过了关于因果论究竟为何物的漫长而徒劳的讨论，聚焦于具体的可回答的问题。因果关系之梯包括三个层级：关联(association)、干预(intervention)和反事实（counterfactual），分别对应逐级复杂的因果问题。
第一层级的梯子上站着的是机器人和动物，它们通过关联进行学习，能够做的就是基于被动观察来做出预测。Pearl认为，目前为止我们的机器学习进展都还是在这一层级的，无论大家认为它有多么强大。在这个层级上，问题都是基于相关性的，比如：“我的肺部有很多焦油沉积，我未来患肺癌的概率是多少？”
第二层级的梯子上站着的是原始人类和婴儿，它们学会了有意图地去使用工具，对周遭环境进行干预。而在这个层级上，就涉及到了对现实世界的干预，并预测干预结果，比如：“我现在已经吸烟三年了，如果我现在戒烟，我还会患肺癌吗？”
第三层级的梯子上站着的是有较高智慧的人类，拥有反思的能力，能够在大脑中将真实的世界与虚构的世界进行对比。在这个层级，就是要构建一个虚拟世界，与现在进行对比，问题的答案就是对比的结果，比如“如果过去的三年我都没有吸烟，现在我还会患肺癌吗？”
<!-- 这里的上下两段感觉有重复，看看怎么整合比较好，要么把下面这一段融入后面的 第一层级第二层级中 -->[[文件:因果机制集合及三层架构.png|替代=|无|有框|图(a)因果机制（SCM模型）生成特定地观察现象（量化不同概率分布）图(b)因果之梯三层架构
该图出自<ref>On Pearl’s Hierarchy and the Foundations of Causal Inference</ref>]]<!-- 这个图的出处是哪里，再补充一下，它和上面那个图的主要区别，比如scm模型等 -->
== 第一层级：关联 ==
== 第一层级：关联 ==
处于第一层级的是关联，在这个层级中我们通过观察寻找规律，这种观察是被动的，不对世界做出干涉，而是通过我们观察到的世界对问题做出回答。一只猫头鹰观察到一只老鼠在活动，便开始推测老鼠下一刻可能出现的位置，这只猫头鹰所做的就是通过观察寻找规律。计算机围棋程序在研究了包含数百万围棋棋谱的数据库后，便可以计算出哪些走法胜算较高，它所做的也是通过观察寻找规律。如果观察到某一事件改变了观察到另一事件的可能性，我们便说这一事件与另一事件相关联。
处于第一层级的是关联，在这个层级中我们通过观察寻找规律，这种观察是被动的，不对世界做出干涉，而是通过我们观察到的世界对问题做出回答。一只猫头鹰观察到一只老鼠在活动，便开始推测老鼠下一刻可能出现的位置，这只猫头鹰所做的就是通过观察寻找规律。计算机围棋程序在研究了包含数百万围棋棋谱的数据库后，便可以计算出哪些走法胜算较高，它所做的也是通过观察寻找规律。如果观察到某一事件改变了观察到另一事件的可能性，我们便说这一事件与另一事件相关联。
参考链接:
参考链接:
凉某人的笔记本 (cnblogs.com)，<!-- 没有插入对应的超链接 下面同样 记得插入 -->
[https://www.cnblogs.com/ryou/p/16119097.html 凉某人的笔记本] (cnblogs.com)，<!-- 没有插入对应的超链接 下面同样 记得插入 -->
Judea Pearl提出的“因果阶梯”到底是什么？哥大、斯坦福研究者60页文章详解该问题 (thepaper.cn)
[https://m.thepaper.cn/baijiahao_12746284 Judea Pearl提出的“因果阶梯”到底是什么？哥大、斯坦福研究者60页文章详解该问题] (thepaper.cn)
集智俱乐部文章
集智俱乐部文章