其他
当AI开始问“为什么”,它们会变得更加智能
常用的预测结果的方法比如回归分析,是一种传统的统计技术,它选出一个最佳数学公式将变量之间的关系映射到预测的结果上,深度学习则不同,它可以将变量之间关系复杂得多的关系映射到结果上。通过将输入变量之间的多层关系和结果结合起来,深度学习算法可以学习到比单一数学公式复杂得多的输入输出关系,并利用它们来预测结果。然而,这些关系和中介变量是 "黑箱 "式的,这意味着算法的使用者,甚至是算法的创造者,都无法轻易辨别变量与结果之间以及变量间的关系。这代表我们往往无法知道深度学习模型使用了哪些特征来进行预测。
Surgo基金会正在开发工具,以降低这种方法的使用门槛,并帮助刚开始使用因果AI的组织避免流程缺陷。其中一个例子是一个开源工具,它可以评估一个给定的数据集是否适合应用贝叶斯网络,以及哪些算法最适合在其上使用。Surgo还在开发一个工作流程指南,以帮助因果AI从学术研究跨越到该领域的实际应用。
来源:斯坦福社会创新评论2020年夏季刊
原标题:The Case for Causal AI
作者:塞玛•K•斯盖尔是 Surgo 基金会的联合创始人兼执行主任,哈佛大学陈曾熙公共卫生学院兼职助理教授,华盛顿大学全球健康副教授;
文森•黄是 Surgo 基金会的高级研究科学家;
格雷斯•查理斯是 Surgo 基金会的研究科学家。
关联阅读