Pearl 澄清:因果推断需先假设模型,从样本到分布属因果发现
yudapearl · x · 2026-09-19
- 针对「do-calculus 不能证明因果，只能假设因果存在」的疑问，Judea Pearl（引用 Bernhard Schölkopf 的讨论）指出，因果领域一直有意区分两个层面：
- 因果推断（causal inference）：从一个（部分给定的）因果模型出发，回答「给定该模型后的因果问题」，do-calculus 属于这一层，它确实不验证因果结构，而是基于假设的模型做预测。
- 因果发现（causal discovery）：从有限样本出发恢复分布（或分布参数）乃至因果结构本身，即「从数据中学出因果模型」的工作。
换言之，「do-calculus 不能证明因果」并非缺陷，而是分工使然：检验/学习因果结构是因果发现的任务，do-calculus 负责在既定结构下推演干预后果。
「研究」频道最新
- willcb：上下文学习要胜任个人持续学习，得靠「怪异」神经符号 harness — willcb · 2026-09-19
- 在线RL才是当前真正可用的方案：从真实交互轨迹构建任务飞轮 — willcb · 2026-09-19
- Tobi 谈 Jev 之争:判别式模型难做通用分类器 — caglar_ee · 2026-09-19
- 隐藏测试+代码评审基准实测：Sonnet 5 得 95.0 力压 Opus 4.6 — Short_Regular_7191 · 2026-09-19
- 10 本机器学习进阶书单:从 Goodfellow 到 Chip Huyen 逐本点评 — thisguyknowsai · 2026-09-19
- 25位菲尔兹奖得主联署:AI 解题只是工具,洞见才是目的 — beglen · 2026-09-19