論文の概要: Efficient Counterfactual Reasoning in ProbLog via Single World Intervention Programs

• arxiv url: http://arxiv.org/abs/2603.20505v1
• Date: Fri, 20 Mar 2026 21:17:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.940102
• Title: Efficient Counterfactual Reasoning in ProbLog via Single World Intervention Programs
• Title（参考訳）: シングルワールドインターベンションプログラムによるProbLogの効果的な逆推論
• Authors: Saimun Habib, Vaishak Belle, Fengxiang He,
• Abstract要約: 本稿では,ProbLogにおけるSingle World Intervention Programs(SWIPs)として,カウンターファクトの効率的なプログラム変換を提案する。 我々は、より弱い設定の独立仮定に依存し、条件付き不整合と整合したアプローチの正しさを示す。 提案手法は,広範囲な実験において既存の手法に比べて35%の推論時間を短縮する。
• 参考スコア（独自算出の注目度）: 20.971295077221
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic Logic Programming (PLP) languages, like ProbLog, naturally support reasoning under uncertainty, while maintaining a declarative and interpretable framework. Meanwhile, counterfactual reasoning (i.e., answering ``what if'' questions) is critical for ensuring AI systems are robust and trustworthy; however, integrating this capability into PLP can be computationally prohibitive and unstable in accuracy. This paper addresses this challenge, by proposing an efficient program transformation for counterfactuals as Single World Intervention Programs (SWIPs) in ProbLog. By systematically splitting ProbLog clauses to observed and fixed components relevant to a counterfactual, we create a transformed program that (1) does not asymptotically exceed the computational complexity of existing methods, and is strictly smaller in common cases, and (2) reduces counterfactual reasoning to marginal inference over a simpler program. We formally prove the correctness of our approach, which relies on a weaker set independence assumptions and is consistent with conditional independencies, showing the resulting marginal probabilities match the counterfactual distributions of the underlying Structural Causal Model in wide domains. Our method achieves a 35\% reduction in inference time versus existing methods in extensive experiments. This work makes complex counterfactual reasoning more computationally tractable and reliable, providing a crucial step towards developing more robust and explainable AI systems. The code is at https://github.com/EVIEHub/swip.
• Abstract（参考訳）: ProbLogのような確率論理プログラミング(PLP)言語は、宣言的で解釈可能なフレームワークを維持しながら、不確実性の下で推論を自然にサポートする。 一方、対実的推論(すなわち、'What if'の質問に答えること)は、AIシステムを保証するために重要であり、信頼性が高いが、この能力をPLPに組み込むことは、計算的に禁止され、精度が不安定である。 本稿では,ProbLog のシングルワールドインターベンションプログラム (SWIP) として,カウンターファクトの効率的なプログラム変換を提案することで,この問題に対処する。 ProbLog節を観測対象と固定成分に体系的に分割することにより,(1)既存手法の計算複雑性を漸近的に超えることなく,(2)より単純なプログラムよりも限界推論への反実的推論を減少させる変換プログラムを作成する。 我々は、より弱い集合の独立仮定に依存し、条件の不依存と整合性を持つアプローチの正しさを正式に証明し、結果として生じる限界確率が、基盤となる構造因果モデル(英語版)の広い領域における反実分布と一致することを示す。 提案手法は, 広範囲な実験において, 既存の手法と比較して, 推定時間の35 %削減を実現している。 この作業により、複雑な反ファクト推論がより計算的かつ信頼性が高くなり、より堅牢で説明可能なAIシステムを開発するための重要なステップとなる。 コードはhttps://github.com/EVIEHub/swip.comにある。

関連論文リスト

• Efficient Thought Space Exploration through Strategic Intervention [54.35208611253168]
  本稿では,この知見を2つの相乗的コンポーネントを通して操作するHint-Practice Reasoning(HPR)フレームワークを提案する。 フレームワークの中核となる革新は、動的に介入点を識別する分散不整合低減(DIR)である。 算術的および常識的推論ベンチマークによる実験は、HPRの最先端の効率-精度トレードオフを実証している。
  論文  参考訳（メタデータ） (2025-11-13T07:26:01Z)
• Integrating Belief Domains into Probabilistic Logic Programs [0.0509780930114934]
  本稿では,分散セマンティックスを拡張した区間型容量論理プログラムを提案する。 これは、実用アプリケーションで実現可能な新しいフレームワークの特性を記述している。
  論文  参考訳（メタデータ） (2025-07-23T07:52:09Z)
• Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning [53.25336975467293]
  パープレキシティや自己整合性などの手法の第一理論誤差分解解析について述べる。 パープレキシティ法は、適切な整合関数が存在しないため、かなりのモデル誤差に悩まされる。 本稿では、自己整合性とパープレキシティを統合したReasoning-Pruning Perplexity Consistency(RPC)と、低確率推論経路を排除したReasoning Pruningを提案する。
  論文  参考訳（メタデータ） (2025-02-01T18:09:49Z)
• smProbLog: Stable Model Semantics in ProbLog for Probabilistic Argumentation [19.46250467634934]
  本稿では,確率論的論理プログラミング(PLP)のセマンティクスにおいて,確率論的議論フレームワークを表すプログラムが共通の仮定を満たさないことを示す。 第二の貢献は、確率的事実の選択が論理的原子の真理割り当てを一意に決定しないプログラムのための新しいPLP意味論である。 3つ目のコントリビューションは、このセマンティクスをサポートするPLPシステムの実装である。
  論文  参考訳（メタデータ） (2023-04-03T10:59:25Z)
• Probabilistic unifying relations for modelling epistemic and aleatoric uncertainty: semantics and automated reasoning with theorem proving [0.3441021278275805]
  確率的プログラミングは、一般的なコンピュータプログラミング、統計的推論、形式的意味論を組み合わせたものである。 ProbURelは、Hehnerの予測確率的プログラミングに基づいているが、彼の作品が広く採用されるにはいくつかの障害がある。 コントリビューションには、Unified Theories of Programming(UTP)を使用した関係の形式化や、ブラケット外の確率などが含まれています。 ロボットのローカライゼーションの問題,機械学習の分類,確率ループの終了など,6つの事例で研究成果を実演する。
  論文  参考訳（メタデータ） (2023-03-16T23:36:57Z)
• Logical Credal Networks [87.25387518070411]
  本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。 本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
  論文  参考訳（メタデータ） (2021-09-25T00:00:47Z)
• Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
  分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。 一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
  論文  参考訳（メタデータ） (2020-12-04T15:36:29Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)

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。