Glossário IA
O dicionário completo da Inteligência Artificial
Aprendizagem Profunda Causal
Ramo da aprendizagem profunda que integra princípios da teoria causal para descobrir e modelar relações de causa e efeito nos dados, indo além das simples correlações.
Emparelhamento por Pontuação de Propensão
Técnica onde unidades tratadas e não tratadas são emparelhadas com base em pontuações de propensão semelhantes para criar um pseudo-ensaio randomizado e estimar o efeito causal.
Rede Neural Causal
Arquitetura de rede neural explicitamente projetada para integrar restrições ou estruturas causais, a fim de melhorar a generalização e a interpretabilidade das previsões.
Descoberta de Estrutura Causal
Conjunto de algoritmos que visam aprender automaticamente o grafo causal (as relações de causa e efeito) a partir de dados observacionais, frequentemente baseados em testes de independência condicional.
Causalidade de Rubin
Abordagem da causalidade baseada no modelo de resultados potenciais (potential outcomes framework), onde cada unidade tem resultados potenciais para cada estado de tratamento, dos quais apenas um é observado.
Modelo de Resultados Potenciais
Formalismo onde o efeito causal é definido como a diferença entre os resultados potenciais sob tratamento e sob controle para a mesma unidade, fundamento da causalidade de Rubin.
Heterogeneidade do Efeito do Tratamento (HET)
Variação do efeito causal de uma intervenção em diferentes subpopulações ou indivíduos, que os modelos de causalidade profunda procuram estimar com precisão.
Variável Instrumental (VI)
Variável utilizada para estimar um efeito causal na presença de confusão não medida, correlacionada com a variável de tratamento mas não diretamente com o resultado, a não ser através do tratamento.