論文の概要: Reasoning about Causality in Games

• arxiv url: http://arxiv.org/abs/2301.02324v1
• Date: Thu, 5 Jan 2023 22:47:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 00:07:46.329099
• Title: Reasoning about Causality in Games
• Title（参考訳）: ゲームにおける因果関係の推論
• Authors: Lewis Hammond, James Fox, Tom Everitt, Ryan Carey, Alessandro Abate, Michael Wooldridge
• Abstract要約: 因果推論とゲーム理論推論は人工知能の基本的なトピックである。 本稿では,エージェントの意思決定ルールとゲームを管理する分布の依存関係をエンコードするメカニケードゲームを紹介する。 因果ゲームと他の形式主義の対応を記述し、他の因果ゲームやゲーム理論モデルがサポートしていない問合せにどのように因果ゲームが使えるかを説明する。
• 参考スコア（独自算出の注目度）: 63.930126666879396
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Causal reasoning and game-theoretic reasoning are fundamental topics in artificial intelligence, among many other disciplines: this paper is concerned with their intersection. Despite their importance, a formal framework that supports both these forms of reasoning has, until now, been lacking. We offer a solution in the form of (structural) causal games, which can be seen as extending Pearl's causal hierarchy to the game-theoretic domain, or as extending Koller and Milch's multi-agent influence diagrams to the causal domain. We then consider three key questions: i) How can the (causal) dependencies in games - either between variables, or between strategies - be modelled in a uniform, principled manner? ii) How may causal queries be computed in causal games, and what assumptions does this require? iii) How do causal games compare to existing formalisms? To address question i), we introduce mechanised games, which encode dependencies between agents' decision rules and the distributions governing the game. In response to question ii), we present definitions of predictions, interventions, and counterfactuals, and discuss the assumptions required for each. Regarding question iii), we describe correspondences between causal games and other formalisms, and explain how causal games can be used to answer queries that other causal or game-theoretic models do not support. Finally, we highlight possible applications of causal games, aided by an extensive open-source Python library.
• Abstract（参考訳）: 因果推論(causal reasoning)とゲーム理論推論(game-theoretic reasoning)は、人工知能における基本的なトピックである。 それらの重要性にもかかわらず、この2つの形式の推論をサポートする正式なフレームワークは、これまで欠落していた。 我々は(構造的な)因果ゲームという形で解を提供し、これはパールの因果階層をゲーム理論領域に拡張する、あるいはコラーとミルチのマルチエージェント影響図を因果領域に拡張すると見なすことができる。 次に3つの重要な疑問を考えます 一 ゲームにおける(因果的)依存関係(変数間、戦略間)をどのように一様で原則化された方法でモデル化するか。 二 因果クエリを因果ゲームでどのように計算し、どのような仮定を必要とするか。 iii)因果ゲームは既存の形式とどのように比較されるか。 問題に対処する i) エージェントの意思決定ルールとゲームを管理する分布の依存関係をエンコードするメカニカルゲームを導入する。 質問に答えて 二) 予測, 介入, 反事実の定義を提示し, それぞれに必要な仮定について議論する。 質問について iii) 因果ゲームと他の形式主義の対応を記述し, 因果ゲームが他の因果モデルやゲーム理論モデルがサポートしていない問合せにどのように対応できるかを説明する。 最後に,広範なオープンソースpythonライブラリによって支援される,因果ゲームの可能性について強調する。

関連論文リスト

• Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
  エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。 不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
  論文  参考訳（メタデータ） (2024-06-23T00:27:28Z)
• Characterising Interventions in Causal Games [1.2289361708127877]
  因果ゲームは、多エージェント設定で因果クエリを答えられる確率的グラフィカルモデルである。 我々は、因果メカニズムの設計とコミットメントを考慮し、安全なAIシステムの設計への応用を実証する。
  論文  参考訳（メタデータ） (2024-06-13T16:55:07Z)
• Emergence and Causality in Complex Systems: A Survey on Causal Emergence and Related Quantitative Studies [12.78006421209864]
  因果発生理論は出現を定量化するために因果関係の尺度を用いる。 因果の出現を定量化し、データを識別する。 因果表現学習,因果モデル抽象化,世界モデルに基づく強化学習によって,因果表現の出現を識別するアーキテクチャが共有されることを強調した。
  論文  参考訳（メタデータ） (2023-12-28T04:20:46Z)
• Causal Question Answering with Reinforcement Learning [0.3499042782396683]
  因果質問は、異なる事象や現象の間の因果関係について問う。 本稿では,因果グラフを用いて因果質問に回答することを目的とする。 本稿では,因果的疑問に答えるために,グラフを探索するアクタ・クリティカル・エージェントを提案する。
  論文  参考訳（メタデータ） (2023-11-05T20:33:18Z)
• The M\"obius game and other Bell tests for relativity [0.0]
  勝利確率が一定の限界を超えた場合、パーティーの因果関係と部分順序が一致しないことを証明できる多人数ゲームが導出される。 一般相対性理論において、これらのゲームは時空の動的性質をデバイスに依存しないテストとして論じる。
  論文  参考訳（メタデータ） (2023-09-27T16:08:13Z)
• Emergent Communication: Generalization and Overfitting in Lewis Games [53.35045559317384]
  ルイスシグナリングゲーム(Lewis signaling game)は、言語の出現をシミュレートする単純なコミュニケーションゲームの一種である。 これらのゲームでは、2人のエージェントが協調的なタスクを解決するために通信プロトコルに合意しなければなりません。 これまでの研究によると、強化学習でこのゲームをプレイするように訓練されたエージェントは、望ましくない性質を示す言語を開発する傾向がある。
  論文  参考訳（メタデータ） (2022-09-30T09:50:46Z)
• A general framework for cyclic and fine-tuned causal models and their compatibility with space-time [2.0305676256390934]
  因果モデリングは、観測された相関の因果的説明を生成するためのツールである。 既存の量子因果関係の枠組みは、微調整されていない非巡回因果構造に焦点を当てる傾向がある。 サイクル因果モデルはフィードバックを含む物理的プロセスのモデル化に使用することができる。 サイクル因果モデルは一般相対性理論のエキゾチック解にも関係があるかもしれない。
  論文  参考訳（メタデータ） (2021-09-24T18:00:08Z)
• Systematic Evaluation of Causal Discovery in Visual Model Based Reinforcement Learning [76.00395335702572]
  AIと因果関係の中心的な目標は、抽象表現と因果構造を共同で発見することである。 因果誘導を研究するための既存の環境は、複雑なタスク固有の因果グラフを持つため、この目的には適していない。 本研究の目的は,高次変数の学習表現と因果構造の研究を促進することである。
  論文  参考訳（メタデータ） (2021-07-02T05:44:56Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• From Checking to Inference: Actual Causality Computations as Optimization Problems [79.87179017975235]
  本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。 8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
  論文  参考訳（メタデータ） (2020-06-05T10:56:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。