[논문 리뷰] The Cognitive Processing of Causal Knowledge

Scott B. Morris, Doug Cork외 1명|arXiv (Cornell University)|2013. 02. 06.

Bayesian Modeling and Causal Inference참고 문헌 19인용 수 5

한 줄 요약

이 논문은 인간의 인과적 사고가 확률적 인과 모델, 특히 베이지안 네트워크와 일치함을 보여주며, 심리학적 연구에서의 할인과 발달 인지(예: 피아제의 연구)가 베이지안 네트워크의 추론 및 구조 학습 알고리즘을 반영하고 있음을 제시한다. 주요 기여는 인간의 학습과 판단에서 관찰된 확률적 종속성과 통독성에 기반한 주관적 인과성 정의에 대한 인지적 정당성이다.

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.

연구 동기 및 목표

• 인간의 인과적 사고가 베이지안 네트워크의 확률적 추론과 일치하는지 조사하는 것.
• 발달 인지 연구(예: 피아제의 연구)에서 인과 학습 패턴이 베이지안 네트워크의 구조 학습에 사용되는 알고리즘을 반영하는지 검토하는 것.
• 인지 처리 과정에서의 종속성과 통독성에 기반한 주관적 인과성 정의를 제안하는 것.
• 인간의 인과적 인지와 베이지안 네트워크 모델 간의 일치성을 테스트할 수 있는 프레임워크를 제공하는 것.

제안 방법

• 베이지안 네트워크 기반의 확률적 인과 그래프 모델을 사용하여 인과 지식을 표현하고 추론하는 것.
• 인과 할인 작업에서 인간의 판단을 모델링하기 위해 베이지안 네트워크 추론 알고리즘을 적용하는 것.
• 피아제의 발달 실험을 분석하여 어린이의 인과적 사고에서 종속성과 통독성 패턴을 식별하는 것.
• 관찰된 인간의 인지 패턴을 통계적 종속성에서 인과 그래프를 식별하는 데 사용되는 구조 학습 알고리즘과 비교하는 것.
• 인지 데이터에서 관찰된 확률적 관계에 기반한 주관적 인과성 정의를 도출하는 것.
• 인간의 인과적 판단과 베이지안 네트워크 예측 간의 일치성을 테스트할 수 있는 경험적 방법을 제안하는 것.

실험 결과

연구 질문

• RQ1 인과 할인 작업에서 인간의 판단이 베이지안 네트워크 추론의 예측과 일치하는가?
• RQ2 피아제가 연구한 어린이의 인과 학습 패턴이 베이지안 네트워크의 구조 학습에서 사용되는 종속성 및 통독성 구조와 일치하는가?
• RQ3 인지 처리 과정에서의 확률적 종속성에 기반한 주관적 인과성 정의를 도출할 수 있는가?
• RQ4 심리학적 실험이 베이지안 네트워크를 인간의 인과적 인지 모델로 사용하는 것을 어느 정도 지지하는가?

주요 결과

• 인과 할인에 관한 심리학적 연구에서 인간의 판단이 베이지안 네트워크 추론 알고리즘의 확률적 예측과 매우 유사하게 나타남을 확인함.
• 피아제의 어린이 인과 사고 연구에서 관찰된 종속성 및 통독성 패턴이 베이지안 네트워크의 구조 학습 알고리즘과 일치함.
• 관찰된 인지 패턴은 결정론적 또는 실재론적 기준이 아닌 확률적 관계에 기반한 주관적 인과성 정의를 지지함.
• 이 논문은 인간의 인과적 인지가 베이지안 네트워크와 일관된 확률적 추론의 한 형태로 모델링될 수 있음을 입증함.