Wnioskowanie przyczynowe - prezentacja prof. dr hab. Szymona Jaroszewicza z Instytutu Podstaw Informatyki, Polskiej Akademii Nauk.
Zaawansowane metody uczenia maszynowego pozwalają, na często bardzo dokładną, predykcję przyszłych zdarzeń. Jednak odkryte zależności nie muszą mieć charakteru przyczynowego, pozwalającego świadomie wpływać na dane zjawisko.
Celem wnioskowania przyczynowego jest budowa modeli opisujących związki przyczynowe. Przedstawię krótki zarys wnioskowania przyczynowego, rozpoczynając od metod przeznaczonych dla danych pochodzących z badań randomizowanych takich jak modelowanie różnicowe. Następnie przedstawię podejścia do wnioskowania przyczynowego na podstawie danych nierandomizowanych, przestawiając krótko metody takie jak propensity score czy zmienne instrumentalne, a także wybrane nowsze podejścia związane z uczeniem maszynowym. Przedstawię również najbardziej ogólne podejścia pozwalające na wnioskowanie z danych czysto obserwacyjnych.