• 因果发现 (CD) — 分析和构建描述数据中固有因果关系的模型 • 因果公平性 — 结果导致的决策中没有偏见 • 因果力 — 影响时间序列趋势的因素的累积方向性效应 • 因果图 — 可视化变量或事件之间的因果关系 • 因果 ML — 因果关系与机器学习的结合或赋予 • 因果 RL — 因果关系与强化学习的结合或赋予 • 计算语言学 — 训练机器理解问题和语言 • 混杂因素 — 因果关系中导致虚假相关的影响变量 • 反事实分析 — 对因果模型的干预,用于“假设”情景 • 相关性 — 对统计关系的依赖,无论是否有因果关系 • 深度学习 (DL) — AI 和机器学习的子集,用于复杂的决策 • 集成建模 — 将多个分析模型的结果组合成一个模型 • 实验数据 — 控制的能力或干预模型中的变量作为实验,以查看产生的结果是否涉及因果关系 • 可解释人工智能 (XAI) - 允许人类理解人工智能结果的过程 • 特征集 - 由主题专家为因果人工智能使用而生成的知识数据集 • 生成人工智能 (GAI) - 能够根据提示生成文本、图像和视频的人工智能 • 图形知识数据库 - 变量关系的图形表示 • 知识价值链 - 捕获、存储和重用知识的过程 • 机器学习 (ML) - 使用数据和算法让机器像人类一样学习 • 观察数据 - 观察某些变量以确定相关性的能力 • 强化学习 - 训练自动代理做出实时决策的人工智能 • 变量 - 因果人工智能测量的对象、事件、时间序列或数据项
主要关键词