因果学习的三个层次(9)

把因果引入机器学习将可以解决机器学习里一些最重要的困境， 比如缺少鲁棒性，无法进行外推式的泛化（就是求解数据集分布外的情况）， 缺少可解释性等。而基于因果的AI某种程度都是对这些问题的对症下药， 首先，基于因果的AI掌握了一个结构方程模型，可以进行反事实推理，这本质是在解决外推问题， 掌握了因果的模型将更难被噪声干扰因为它某种程度掌握数据生成的规律， 同时有因果的模型更加符号人类认知因而更具有可解释性。

在有关因果的人工智能方面， 巡洋舰也积累了很多素材：
为了研究因果关系，原来科学家在这么多方向上都有尝试
维融入机器学习，实现信息处理的自动化
强人工智能之路中的必选项“因果”-《为什么》第十章书摘 Part1
让神经网络变得透明-因果推理对机器学习的八项助力