與深度學(xué)習(xí)一樣，這門學(xué)科的一些關(guān)鍵概念如果缺乏清晰理解垮媒，就很容易迷失舍悯。
????Causal structure的學(xué)習(xí)問題：從一組樣本中發(fā)現(xiàn)Causal structure，面臨兩重天：首先睡雇，要根據(jù)樣本獲得分布萌衬，然后，根據(jù)分布發(fā)現(xiàn)causal link入桂。 In both, we need some assumption without which it is impossible奄薇。
? ? 這里驳阎，首先是根據(jù)樣本去學(xué)習(xí)一個分布抗愁，以前談過，這是一個ill posed problem呵晚。另外蜘腌，即使得到了這個分布，要單單從分布中獲得因果關(guān)系饵隙，沒有一般性方法撮珠，所以這又是一個ill posed problem。這是其一金矛。其二芯急，注意，是沒有一般性方法驶俊，但有特殊方法娶耍。如果對SCM中的f做約束，或者對噪聲做約束饼酿，則有方法完全根據(jù)分布獲得因果結(jié)構(gòu)榕酒。這一點一定要理解胚膊。這里面一個重要的概念是概率的條件獨立性，這里沒必要深入談想鹰。完全從靜態(tài)的observational distribution獲得因果結(jié)構(gòu)紊婉，叫做causal identification。一旦談到causal identification辑舷，一定是對這個observational distribution做了假定和約束喻犁。假定，約束惩妇，先驗株汉，都是一個意思。手頭只有樣本歌殃，第一步用假定乔妈，約束，先驗來學(xué)習(xí)變量聯(lián)合分布氓皱，第二部路召，同樣要有假定，約束波材，先驗來從這個分布中學(xué)習(xí)因果結(jié)構(gòu)股淡。
? ? 以上概念極端重要。
? ? 另外的方法就是intervention廷区。這時已經(jīng)不再單單依賴觀察數(shù)據(jù)唯灵，而是一種主動的行動。由于干預(yù)隙轻，分布發(fā)生變化埠帕，通過干預(yù)來獲得因果結(jié)構(gòu)，就是在分布的動態(tài)變化中獲得因果結(jié)構(gòu)玖绿。這個方向是因果推理的重頭戲敛瓷。
? ??
