【Yoshua Bengio】走向因果表示学习，附论文、视频与72页ppt

机器学习和图形因果关系这两个领域分别出现和发展。然而，现在这两个领域的交叉发展受到越来越多的兴趣。在本文中，我们回顾了因果推理的基本概念，并将它们与机器学习的关键开放问题联系起来，包括迁移和泛化，从而分析因果关系如何对现代机器学习研究做出贡献。这也适用于相反的方向: 我们注意到，大多数因果关系的研究都是从给定因果变量的前提开始的。因此，人工智能和因果关系的一个核心问题是因果表示学习，即从低级观察中发现高级因果变量。最后，我们描述了机器学习的一些因果关系，并在这两个领域的交叉点提出了关键研究领域。