AI 용어집
인공지능 완전 사전
Corrélation vs Causalité
Distinction fondamentale où la corrélation indique une relation statistique entre variables sans impliquer d'influence directe, tandis que la causalité établit qu'une variable provoque directement un changement dans une autre.
Do-Calculus de Pearl
Formalisme mathématique développé par Judea Pearl pour manipuler les expressions causales et déterminer quelles quantités causales peuvent être identifiées à partir de données observationnelles.
Interventions Do()
Opérateur causal modifiant directement la valeur d'une variable dans le système, permettant de distinguer les effets d'une intervention active des simples observations passives.
Propension Causale
Concept philosophique représentant la tendance intrinsèque d'un événement à en causer un autre, formalisé mathématiquement pour quantifier les relations causales probabilistes.
Distinction de Neyman-Rubin
Cadre théorique définissant les effets causaux comme la différence entre résultats potentiels sous traitement et contrôle pour la même unité, nécessitant des hypothèses d'assignation aléatoire.
Paradoxe de Simpson
Phénomène où une tendance apparaissant dans plusieurs groupes de données disparaît ou s'inverse lorsque ces groupes sont combinés, illustrant l'importance des variables de confusion cachées.
Décomposition de la Causalité
Méthodologie analytique séparant l'effet causal total en composantes directes et indirectes pour comprendre les mécanismes par lesquels une variable influence une autre.
Frontière de Moralité
Algorithme identifiant l'ensemble minimal de variables conditionnant sur lesquelles deux variables deviennent indépendantes dans un graphe causal, essentiel pour la découverte de structure.