[論文レビュー] The Cognitive Processing of Causal Knowledge

Scott B. Morris, Doug Cork+1 more|arXiv (Cornell University)|Feb 6, 2013

Bayesian Modeling and Causal Inference参考文献 19被引用数 5

ひとこと要約

本稿では、心理的実験における割引と発達認知（例：ピアジェの研究）がベイジアン・ネットワークにおける推論および構造学習アルゴリズムと一致することを示唆することで、人間の因果的推論が確率的因果モデル、特にベイジアン・ネットワークと整合することを提案する。主な貢献は、人間の学習および判断で観察される確率的依存性および独立性に基づいた、主観的因果の定義を認知的根拠づけたものである。

ABSTRACT

There is a brief description of the probabilistic causal graph model for representing, reasoning with, and learning causal structure using Bayesian networks. It is then argued that this model is closely related to how humans reason with and learn causal structure. It is shown that studies in psychology on discounting (reasoning concerning how the presence of one cause of an effect makes another cause less probable) support the hypothesis that humans reach the same judgments as algorithms for doing inference in Bayesian networks. Next, it is shown how studies by Piaget indicate that humans learn causal structure by observing the same independencies and dependencies as those used by certain algorithms for learning the structure of a Bayesian network. Based on this indication, a subjective definition of causality is forwarded. Finally, methods for further testing the accuracy of these claims are discussed.

研究の動機と目的

• 人間の因果的推論がベイジアン・ネットワークにおける確率的推論に対応しているかどうかを調査すること。
• 発達研究における因果的学習（例：ピアジェの研究）が、ベイジアン・ネットワークの構造学習に用いられるアルゴリズムと一致するかどうかを検討すること。
• 認知的プロセスによる依存性および独立性の処理に基づいた、主観的因果の定義を提示すること。
• 人間の因果的認知とベイジアン・ネットワーク・モデルとの整合性をテストするフレームワークを提供すること。

提案手法

• ベイジアン・ネットワークに基づく確率的因果グラフ・モデルを用いて、因果的知識を表現および推論する。
• 人間の判断をモデル化するため、ベイジアン・ネットワーク推論アルゴリズムを、ある原因が別の原因の確率的妥当性を低下させる「割引」タスクに適用する。
• ピアジェの発達的実験を分析し、子供たちの因果的推論における依存性および独立性のパターンを同定する。
• 観察された人間の認知的パターンと、統計的依存性から因果グラフを同定する構造学習アルゴリズムを比較する。
• 認知データにおける観察された確率的関係に基づいて、主観的因果の定義を導出する。
• 人間の因果的判断とベイジアン・ネットワークの予測との一致をテストするための実証的手法を提案する。

実験結果

リサーチクエスチョン

• RQ1 人間の因果的割引タスクにおける判断は、ベイジアン・ネットワーク推論の予測と一致するか？
• RQ2 ピアジェが研究した子供たちの因果的学習パターンは、ベイジアン・ネットワークの構造学習で用いられる独立性および依存性構造と一致するか？
• RQ3 認知的プロセスによる確率的依存性の処理から、主観的因果の定義を導出可能か？
• RQ4 心理的実験は、ベイジアン・ネットワークを人間の因果的認知のモデルとして用いることにどの程度支持を提供するか？

主な発見

• 因果的割引に関する心理的実験では、人間の判断がベイジアン・ネットワーク推論アルゴリズムの確率的予測と密接に一致することが示された。
• ピアジェの研究における子供たちの因果的推論は、ベイジアン・ネットワークの構造学習アルゴリズムと一致する依存性および独立性のパターンを示している。
• 観察された認知的パターンは、決定論的または本体的基準ではなく、確率的関係に基づいた主観的因果の定義を支持する。
• 本稿では、人間の因果的認知がベイジアン・ネットワークと整合する確率的推論の一形態としてモデル化可能であることを示した。