論文の概要: Causality Without Causal Models

• arxiv url: http://arxiv.org/abs/2511.21260v1
• Date: Wed, 26 Nov 2025 10:41:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.064997
• Title: Causality Without Causal Models
• Title（参考訳）: 因果モデルのない因果関係
• Authors: Joseph Y. Halpern, Rafael Pass,
• Abstract要約: 我々は(実際に)因果関係の定義を抽象化し、反事実が定義される他のモデルにも適用できるようにします。 バックトラックなどを含むより広い範囲のモデルで定義を適用できるだけでなく、A と B が解離、否定、信念、ネストされた反事実を含む公式であるとしても、A が B の原因であるかどうかを決定するためにこの定義を適用することができる。
• 参考スコア（独自算出の注目度）: 12.083361075209877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perhaps the most prominent current definition of (actual) causality is due to Halpern and Pearl. It is defined using causal models (also known as structural equations models). We abstract the definition, extracting its key features, so that it can be applied to any other model where counterfactuals are defined. By abstracting the definition, we gain a number of benefits. Not only can we apply the definition in a wider range of models, including ones that allow, for example, backtracking, but we can apply the definition to determine if A is a cause of B even if A and B are formulas involving disjunctions, negations, beliefs, and nested counterfactuals (none of which can be handled by the Halpern-Pearl definition). Moreover, we can extend the ideas to getting an abstract definition of explanation that can be applied beyond causal models. Finally, we gain a deeper understanding of features of the definition even in causal models.
• Abstract（参考訳）: おそらく最も顕著な(実際には)因果関係の定義はハルパーンとパールによるものである。 これは因果モデル(構造方程式モデルとも呼ばれる)を用いて定義される。 定義を抽象化し、その重要な特徴を抽出し、カウンターファクトが定義される他のモデルに適用できるようにします。 定義を抽象化することで、多くのメリットが得られます。 バックトラックなどを含むより広い範囲のモデルで定義を適用できるだけでなく、A と B が解離、否定、信念、ネストされた反事実を含む公式であるとしても、A が B の原因であるかどうかを決定するために定義を適用することができる(ハルパーン=パールの定義で扱うことはできない)。 さらに、このアイデアを、因果モデルを越えて適用可能な説明の抽象的な定義に拡張することができる。 最後に、因果モデルにおいても定義の特徴をより深く理解する。

関連論文リスト

• From Black-box to Causal-box: Towards Building More Interpretable Models [57.23201263629627]
  本稿では, 因果解釈可能性の概念を導入し, 特定のモデルのクラスから対実的クエリを評価できるときの形式化について述べる。 我々は、与えられたモデルアーキテクチャが与えられた偽物クエリをサポートするかどうかを決定する完全なグラフィカルな基準を導出する。
  論文  参考訳（メタデータ） (2025-10-24T20:03:18Z)
• Topos Causal Models [3.0316063849624477]
  本稿では, Topos causal model (TCMs)を提案する。 本論文の主な目的は、これらの特性が因果推論における多くの応用の中心であることを示すことである。
  論文  参考訳（メタデータ） (2025-08-05T21:50:57Z)
• Actual Causation and Nondeterministic Causal Models [7.550566004119157]
  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。
  論文  参考訳（メタデータ） (2025-03-10T20:53:47Z)
• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する、表現的構成性と呼ばれる定義を提案する。 私たちは、AIと認知科学の両方において、文学全体から異なる直観を統一する方法を示します。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• Abductive explanations of classifiers under constraints: Complexity and properties [6.629765271909503]
  制約を考慮に入れた3つの新しいタイプの説明を提案する。 それらは、機能空間全体から、あるいはデータセットから生成できる。 我々は、冗長で過剰なAXpを捨てるには、カバレッジが十分であることを示す。
  論文  参考訳（メタデータ） (2024-09-18T17:15:39Z)
• 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)
• Distance Based Image Classification: A solution to generative classification's conundrum? [70.43638559782597]
  差別的境界は、何によって意味論を定義するため、直観に反するものであると論じる。 本稿では,シェル理論の階層的生成過程によって意味的因子が許容される新しい生成モデルを提案する。 本モデルを用いて,意味的手がかりを保ちながら雑音の影響を抑える分類手法を開発した。
  論文  参考訳（メタデータ） (2022-10-04T03:35:13Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)
• 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)
• The Struggles of Feature-Based Explanations: Shapley Values vs. Minimal Sufficient Subsets [61.66584140190247]
  機能に基づく説明は、自明なモデルでも問題を引き起こすことを示す。 そこで本研究では,2つの一般的な説明書クラスであるシェープリー説明書と十分最小限の部分集合説明書が,基本的に異なる基底的説明書のタイプをターゲットにしていることを示す。
  論文  参考訳（メタデータ） (2020-09-23T09:45:23Z)

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。