Python causale Cinque nuove idee causali a NeurIPS 2023

Python causale Cinque idee a NeurIPS 2023

Nuove idee entusiasmanti che uniscono la causalità con la modellazione generativa, la predizione conformale e la topologia.

Immagine di Pixabay su Pexels.com

NeurIPS è considerata una delle conferenze più importanti e prestigiose sull’intelligenza artificiale e l’apprendimento automatico a livello globale, grazie al rigoroso processo di revisione dei paper e all’elevata qualità della ricerca accettata.

Con il suo focus multidisciplinare, la conferenza copre una vasta gamma di argomenti legati allo sviluppo di sistemi intelligenti e algoritmi di apprendimento automatico.

Il numero di paper correlati alla causalità accettati a NeurIPS è cresciuto in modo esponenziale negli ultimi anni.

In questo articolo presentiamo cinque paper causalità accettati all’edizione 2023 della conferenza che hanno attirato la mia attenzione perché portano importanti nuovi spunti nel campo.

Si tenga presente che questa è una lista soggettiva e certamente incompleta. Uno dei motivi di ciò è che al momento della scrittura NeurIPS non ha ancora pubblicato l’elenco completo dei paper accettati alla conferenza.

Detto ciò, sono convinto che le idee presentate nei paper introdotti di seguito abbiano la possibilità di far progredire il nostro campo.

Iniziamo!

Meta-apprendisti conformali

La predizione conformale è una famiglia di tecniche di quantificazione dell’incertezza proposta originariamente da Vladimir Vovk.

La predizione conformale è priva di modelli (non sono necessarie supposizioni sulla distribuzione) e fornisce garanzie di copertura frequentista. In altre parole, garantisce che l’outcome effettivo rientrerà negli intervalli (o insiemi) di previsione con alta probabilità sotto l’assunzione di scambiabilità¹.

Figura 1. Rappresentazione dei meta-apprendisti conformali. Fonte: https://bit.ly/44Z9U9L

Nel loro nuovo paper Meta-apprendisti conformali per l’inferenza predittiva degli effetti di trattamento individuali appena accettato a NeurIPS 2022, Ahmed Alaa e colleghi propongono un nuovo framework per i meta-apprendisti conformali.

Il loro approccio consente un’inferenza diretta sul parametro target (effetto di trattamento individualizzato; ITE), un…