Glossario IA
Il dizionario completo dell'Intelligenza Artificiale
Diagramme Causal Acyclique (DAG)
Représentation graphique des relations causales où les nœuds sont des variables et les arêtes orientées indiquent des influences causales directes, sans cycle possible pour maintenir la cohérence causale.
Intervention (Do-calculus)
Opération causale modifiant activement une variable plutôt que de simplement l'observer, représentée par l'opérateur do() pour distinguer les effets des interventions des observations passives.
Confusion
Biais statistique où une variable externe influence à la fois la cause supposée et l'effet, créant une association fallacieuse qui doit être contrôlée dans l'inférence causale.
Paramétrisation Causale
Spécification quantitative des forces des relations causales dans un modèle, incluant les probabilités conditionnelles et les coefficients d'effet nécessaires pour les prédictions contrefactuelles.
Algorithme Expectation-Maximization (EM)
Méthode itérative pour estimer les paramètres de modèles probabilistes avec données incomplètes, alternant entre estimation des variables latentes (E-step) et maximisation de la vraisemblance (M-step).
Réseau de Décision
Extension des réseaux bayésiens incorporant des nœuds de décision et d'utilité pour modéliser des problèmes de décision séquentielle sous incertitude avec inférence probabiliste.
Équivalence Markovienne
Relation entre différentes structures causales produisant les mêmes indépendances conditionnelles observables, rendant l'identification causale unique impossible sans données expérimentales.
Pont Causal
Variable intermédiaire dans une chaîne causale transmettant l'effet d'une cause à un résultat, essentielle pour comprendre les mécanismes et appliquer les critères d'identification causale.