論文の概要: Actual Causation and Nondeterministic Causal Models

• arxiv url: http://arxiv.org/abs/2503.07849v1
• Date: Mon, 10 Mar 2025 20:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:44:14.942440
• Title: Actual Causation and Nondeterministic Causal Models
• Title（参考訳）: 実因果と非決定論的因果モデル
• Authors: Sander Beckers,
• Abstract要約: 非決定論的因果モデルによって提供される表現力の増大を利用して、実際の因果関係の新たな定義を提供する。 新規ではあるが、結果として得られた定義は、私の以前の定義とほぼ同一の評定に達する。
• 参考スコア（独自算出の注目度）: 7.550566004119157
• License:
• Abstract: In (Beckers, 2025) I introduced nondeterministic causal models as a generalization of Pearl's standard deterministic causal models. I here take advantage of the increased expressivity offered by these models to offer a novel definition of actual causation (that also applies to deterministic models). Instead of motivating the definition by way of (often subjective) intuitions about examples, I proceed by developing it based entirely on the unique function that it can fulfil in communicating and learning a causal model. First I generalize the more basic notion of counterfactual dependence, second I show how this notion has a vital role to play in the logic of causal discovery, third I introduce the notion of a structural simplification of a causal model, and lastly I bring both notions together in my definition of actual causation. Although novel, the resulting definition arrives at verdicts that are almost identical to those of my previous definition (Beckers, 2021, 2022).
• Abstract（参考訳）: Beckers, 2025) では、パールの標準的な決定論的因果モデルの一般化として非決定論的因果モデルを導入しました。 ここでは、これらのモデルによって提供される表現性の増加を利用して、実際の因果関係(決定論的モデルにも当てはまる)の新たな定義を提供する。 例に関する(しばしば主観的な)直観によって定義を動機付ける代わりに、私は、因果的モデルのコミュニケーションと学習に充足できるユニークな機能に基づいて、それを開発する。 まず, 因果関係のより基本的な概念を一般化し, 第二に, この概念が因果関係発見の論理において重要な役割を担っているかを示し, 第三に因果関係モデルの構造的単純化の概念を導入し, 両概念を実際の因果関係の定義にまとめる。 新たな定義ではあるが、この定義は私の以前の定義(Beckers, 2021, 2022)とほぼ同じ結論に達した。

関連論文リスト

• Reply to "Comment on 'Experimentally adjudicating between different causal accounts of Bell-inequality violations via statistical model selection'" [0.0]
  Hance と Hossenfelder はコメントの中で、超決定論的モデルの目的を誤って表現したと主張している。 本稿で定義した超決定論的モデルの異なるクラスと、これらのどれが実験結果に嫌われているのかという結論を思い出すことで、この主張に異議を唱える。
  論文  参考訳（メタデータ） (2024-12-03T20:47:47Z)
• A Causal Analysis of Harm [18.7822411439221]
  自律システムが誰かを傷つけるタイミングと方法に対処するための、法的および規制の枠組みの必要性はますます高まっている。 本稿では,因果モデルを用いた調和の定性的概念を定性的に定義し,実因果関係のよく知られた定義に基づく。 我々の定義は文献から例を扱えることを示し、自律システムに関わる状況についての推論において、その重要性を説明している。
  論文  参考訳（メタデータ） (2022-10-11T10:36:24Z)
• 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)
• Causality Inspired Representation Learning for Domain Generalization [47.574964496891404]
  本稿では、ドメイン一般化問題を形式化する一般的な構造因果モデルを提案する。 我々の目標は、入力から因果因子を抽出し、不変因果機構を再構築することである。 理想的な因果因子は、非因果的要因から分離され、共同独立であり、分類に十分な因果的要因である。
  論文  参考訳（メタデータ） (2022-03-27T08:08:33Z)
• Causal Explanations and XAI [8.909115457491522]
  説明可能な人工知能(XAI)の重要な目標は、説明を提供することでミスマッチを補うことである。 十分な説明と事実的説明の因果的概念を正式に定義し、さらに一歩踏み出します。 また、この研究のAIにおける公正性に対する重要性についても触れ、パス固有の反現実的公正性の概念を改善するために、実際の因果関係をどのように利用できるかを示しています。
  論文  参考訳（メタデータ） (2022-01-31T12:32:10Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• 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)
• Equivalent Causal Models [3.198144010381572]
  2つのモデルは、共通変数を使用して表現できるすべての「必須」因果情報に同意すると等価です。 私は因果モデルの2つの主な特徴、すなわち構造的関係と機能的関係に注目してそうします。
  論文  参考訳（メタデータ） (2020-12-10T11:43:35Z)
• 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)
• CausalVAE: Structured Causal Disentanglement in Variational Autoencoder [52.139696854386976]
  変分オートエンコーダ(VAE)の枠組みは、観測から独立した因子をアンタングルするために一般的に用いられる。 本稿では, 因果内因性因子を因果内因性因子に変換する因果層を含むVOEベースの新しいフレームワークCausalVAEを提案する。 その結果、CausalVAEが学習した因果表現は意味論的に解釈可能であり、DAG(Directed Acyclic Graph)としての因果関係は精度良く同定された。
  論文  参考訳（メタデータ） (2020-04-18T20:09:34Z)
• Superdeterministic hidden-variables models I: nonequilibrium and signalling [0.0]
  まず、超決定論の概要を述べ、その文献における様々な批判について論じる。 ベルの直感的な批判は、これらのモデルは陰謀的だ」と述べた。
  論文  参考訳（メタデータ） (2020-03-26T15:49:34Z)

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。