重庆大学刘礼：因果学习与应用作者|刘礼编辑|维克多因果学习

文章图片
作者|刘礼
编辑|维克多
因果学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。 4月9日，在AITIME青年科学家——AI2000学者专场论坛上，重庆大学大数据与软件学院教授刘礼做了《因果学习与应用》的报告。
在报告中，他从辛普森悖论入手，分析了当前机器学习面临的困难，然后介绍了几个主流因果框架解决“非独立同分布”、“结合知识”的思路，以及框架的优缺点，例如他提到：
“目前有两套主要的因果模型：Pearl的结构因果模型，以及Rubin的潜在结果模型。两者都可以预测、干预以及回答反事实问题，但对于“发现定理知识”不确定是否可行。潜在结果模型的不同之处在于，可以从数据中学习，但结合现有知识较为困难，结构因果模型则相反，可以结合现有知识，但从数据中学习的能力还亟待进一步检验。 ”
此外，他还结合自己的工作成果，提到了因果框架如何应用于图像合成、疾病诊断、行为识别等例子，以下是演讲原文， AI科技评论做了不改变原意的整理。
今天报告的内容是因果学习及其应用。该领域最著名的一个例子是辛普森悖论：在700例肾病患者中，观察他们服药情况，发现服药男性的治愈率是93% ，女性治愈率73% ，不服药的男性治愈率为87% ，女性为69% 。分男女组别考察，能够得出”服药有助于恢复”的结论，但从整体样本考察，会发现不服药的治愈率83%高于服药的治愈率78% 。

文章图片
另外一个辛普森悖论的例子关于房价。 10年前，某城市市中心的房价是8000元/平米，共销售了1000万平；高新区是4000元/平米，共销售了100万平；整体来看，该市7636元/平米；现在，市中心10000元/平米，销售了200万平；高新区是6000元/平米，销售了2000万平，整体来看，该市6363元/平米。因此，分区来看分别都涨了，但从整体上看，会有疑惑：为什么现在的房价反而跌了？
辛普森悖论虽然不是新提出的，但却是各领域不可忽视“顽疾” 。 2019年，新冠爆发时，有学者分国家对病死率进行了统计，如上图，在各个年龄段，中国的病死率都比意大利高；但整体统计下来，意大利却反而更高。
这种分组和整体结论不同的情况，也是机器学习模型的困境。例如训练数据和测试数据不满足独立同分布的假设，那么机器学习在分布偏移情况下很难鲁棒地学习，在新的场景中很难使用现有的模型。
实际上，目前基于数据驱动的机器学习方法，训练出的模型都得出的结论大多是变量和变量之间的相关关系，而不是因果关系。例如之前有项研究发现，在某大国暴力犯罪与腌黄瓜消耗密切相关，但这种相关性并不代表因果性。

文章图片
从因果的角度，辨析腌黄瓜和暴力犯罪之间的关系需要考虑混淆变量。如上图，混淆变量会同时影响独立变量和因果变量，从而造成两者之间的伪相关。如果将传统统计和因果推断进行对比，有以下几个特点：

文章图片
在90年代，知识驱动的机器学习方法占据主流，基于人类知识，编码成规则，让计算机自动在规则之上进行推理。深入思考，其实西方科学的发展史就是因果问题，这套真理体系+推理体系我们从小就在学习：已知1+1=2 ， 1+2=3 ，可以推导得出1+1+1=3 。