对一个不成反复的事务而言， 确定其原因更是没有同一的尺度 。 难怪对重大汗青事务的原因的争论永远不会终止 。 但不是说这种问题没有意义 。 现实上， 关于汗青中因果关系的会商都或明或暗地办事于 展望将来事务这一目标， 也就是所谓的“以史为鉴” 。 是以， 关于 “A的原因” 的探寻现实上都是关于 “近似于A的事务” 的原因的， 而对这个事务类的分歧界定往往是这类争论的根源 。
关于原因认定的另一反复杂性在于， “原因” 的概念在分歧范畴中的切确寄义是有不同的 。 儿童心理学的研究表白， 因果常识缘起于婴儿对自身行为后果的熟悉， 是以 “因” 老是 “我的行为” 。 跟着认知能力的成长， 可以充任 “原因” 的事务逐渐被推广到其他认知本家儿体（人或动物）的行为， 以至于无本家儿体的天然事务 。 这申明 “因果” 在不雅念上不仅与 “展望” 有关， 并且与 “节制” 有关 。 这里的 “可控” 不仅包罗 “可以使其现实发生或不发生”， 也包罗 “可以设想其发生或不发生” 。 在分歧的范畴中， 因为可控身分分歧， “因果” 的用法也分歧 。 列位不妨想想在物理学、医学、汗青学、法学中所探寻的 “原因” 都是什么样的 。 在相关会商中经常被说起的“因果性” 和 “相关性” 之别， 也常因为前者隐含着 “可控” 尔后者无此要求 。
回到人工智能上来， 此刻风行的贝叶斯收集模子根基上只是在给定的因果信念之上做推理， 而无法提出或抛却因果信念， 是以仍是不敷的， 更不必提那些连 “因果性” 和 “相关性” 都不区分的 “进修算法” 。 但这不申明人工智能在这方面必定“低人一等” 。 前面会商到的各类身分并非不成能在计较机系统中呈现 。 这就是说， 诠释（包罗因果诠释）的生当作和评价都是有逻辑可循， 而且可以在计较机系统中实现的， 尽管这不料味着系统对每个事务或现象都能找到独一准确的诠释 。 我们在这个偏向上的具体工作可见参考文献[4]， 就不在这里谈手艺问题了 。
撰文 | 王培（美国天普大学计较机与信息科学系）
参考文献
[1] Charles Sanders Peirce, Deduction, Induction, and Hypothesis, in The Essential Peirce (Edited by Nathen Houser and Christian Kloesel）Volume 1 (1867-1893), Pages 186-199, Indiana University Press, 1992
[2] Peter A. Flach and Antonis C. Kakas (Editors), Abduction and Induction, Kluwer Academic Publishers, Dordrecht, 2000
[3] Pei Wang, Abduction in non-axiomatic logic, Working Notes of the IJCAI Workshop on Abductive Reasoning, Pages 56-63, Seattle, Washington, August 2001
[4] Pei Wang and Patrick Hammer, Issues in temporal and causal inference, Proceedings of the Eighth Conference on Artificial General Intelligence, Pages 208-217, Berlin, July 2015
以上内容就是面对复杂现象， 怎样找个靠谱的解释？的内容啦， 希望对你有所帮助哦！
推荐阅读
- 手机qq怎么面对面传文件
- 怎么进行DNS优选，杜绝网络差现象
- 家长如何面对儿童自慰的行为？
- 职场中被人议论该怎么办？如何面对那些妄论？
- 如何坦然地面对我们自己的生活？
- 如何才能淡然地面对人生？
- 解决笔记本电脑玩游戏卡顿现象
- 姬星美人叶子发黄怎么办
- 怎样预防花卉入房后黄叶现象
- 镁与二氧化碳反应 镁在二氧化碳中燃烧现象