論文の概要: Reasoning about Actual Causes in Nondeterministic Domains -- Extended Version
- arxiv url: http://arxiv.org/abs/2412.16728v1
- Date: Sat, 21 Dec 2024 18:35:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:59:16.646548
- Title: Reasoning about Actual Causes in Nondeterministic Domains -- Extended Version
- Title(参考訳): 非決定論的領域における実際の原因に関する推論-拡張バージョン
- Authors: Shakil M. Khan, Yves Lespérance, Maryam Rostamigiv,
- Abstract要約: 我々は、非決定論的状況計算における実際の因果関係に関する予備的な作業を構築した。
本研究では, 状況計算における回帰を, 実際の原因の考え方を推し進めるためにどのように拡張するかを示す。
- 参考スコア(独自算出の注目度): 2.580765958706854
- License:
- Abstract: Reasoning about the causes behind observations is crucial to the formalization of rationality. While extensive research has been conducted on root cause analysis, most studies have predominantly focused on deterministic settings. In this paper, we investigate causation in more realistic nondeterministic domains, where the agent does not have any control on and may not know the choices that are made by the environment. We build on recent preliminary work on actual causation in the nondeterministic situation calculus to formalize more sophisticated forms of reasoning about actual causes in such domains. We investigate the notions of ``Certainly Causes'' and ``Possibly Causes'' that enable the representation of actual cause for agent actions in these domains. We then show how regression in the situation calculus can be extended to reason about such notions of actual causes.
- Abstract(参考訳): 観察の背後にある原因について推論することは合理性の形式化に不可欠である。
根本原因分析について広範な研究が行われてきたが、ほとんどの研究は決定論的設定に重点を置いている。
本稿では,より現実的な非決定論的領域における因果関係について検討する。
我々は、非決定論的状況計算における実際の因果関係に関する最近の予備的な研究に基づいて、そのような領域における実際の原因に関するより洗練された推論の形式を定式化する。
これらのドメインにおけるエージェントアクションの実際の原因を表現できる ``Cerrectly causes'' と ` ``Possably causes'' の概念について検討する。
次に、状況計算における回帰を、そのような原因の考え方を推論するためにどのように拡張するかを示す。
関連論文リスト
- Industrial-Grade Time-Dependent Counterfactual Root Cause Analysis through the Unanticipated Point of Incipient Failure: a Proof of Concept [38.342188825927686]
本稿では,産業時系列環境における根本原因解析診断手法の開発について述べる。
これは、異常な振る舞いが最初に観察された時点である突発的障害点(Point of Incipient Failure)に注意を向ける。
論文 参考訳(メタデータ) (2024-07-10T08:02:03Z) - Automated Discovery of Functional Actual Causes in Complex Environments [18.58053096534201]
強化学習アルゴリズムは、しばしば新しい状況に一般化するポリシーを学ぶのに苦労する。
本稿では,機能的現実原因 (FAC) について紹介する。
さらに、観測データから関数的原因を推測するアルゴリズムであるJACI(Joint Optimization for Actual Cause Inference)を導入する。
論文 参考訳(メタデータ) (2024-04-16T20:04:29Z) - Robust agents learn causal world models [7.845222238426246]
データ生成過程の因果関係を近似的に学習したと考えられる。
転帰学習や因果推論など,いくつかの研究領域において,この結果がもたらす意味について論じる。
論文 参考訳(メタデータ) (2024-02-16T18:29:19Z) - Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [60.244412212130264]
Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。
我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
論文 参考訳(メタデータ) (2023-08-23T04:59:21Z) - Active Bayesian Causal Inference [72.70593653185078]
因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。
ABCIは因果関係のモデルと関心のクエリを共同で推論する。
我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
論文 参考訳(メタデータ) (2022-06-04T22:38:57Z) - Behaviour Explanation via Causal Analysis of Mental States: A
Preliminary Report [0.0]
我々はKhan氏とLesp'erance氏の研究に基づいて、コナティブエフェクトに関する因果推論を支援する。
この枠組みでは、動機づけ状態の原因を推論し、モチベーション調整行動が観察された影響の原因となることを許容する。
本稿では,この形式化と目標認識モデルを用いて,コミュニケーション型マルチエージェントコンテキストにおけるエージェントの動作を説明する。
論文 参考訳(メタデータ) (2022-05-16T04:46:50Z) - Causality, Causal Discovery, and Causal Inference in Structural
Engineering [1.827510863075184]
本稿では,土木工学の観点からの因果発見と因果推論の事例を構築した。
具体的には、因果関係の鍵となる原理と、因果関係の発見と因果推論のための最も一般的なアルゴリズムとパッケージについて概説する。
論文 参考訳(メタデータ) (2022-04-04T14:49:47Z) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳(メタデータ) (2021-06-25T00:21:41Z) - Everything Has a Cause: Leveraging Causal Inference in Legal Text
Analysis [62.44432226563088]
因果推論は変数間の因果関係を捉えるプロセスである。
本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。
GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
論文 参考訳(メタデータ) (2021-04-19T16:13:10Z) - ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。
Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。
純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文 参考訳(メタデータ) (2021-03-26T02:42:38Z) - Thinking About Causation: A Causal Language with Epistemic Operators [58.720142291102135]
我々はエージェントの状態を表すことで因果モデルの概念を拡張した。
対象言語の側面には、知識を表現する演算子や、新しい情報を観察する行為が追加されます。
我々は、論理の健全かつ完全な公理化を提供し、このフレームワークと因果的チーム意味論との関係について論じる。
論文 参考訳(メタデータ) (2020-10-30T12:16:45Z)
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。