[論文レビュー] Probabilistic Evaluation of Sequential Plans from Causal Models with Hidden Variables

Judea Pearl, James M. Robins|arXiv (Cornell University)|Feb 20, 2013

Bayesian Modeling and Causal Inference参考文献 14被引用数 138

ひとこと要約

本稿では、測定されていない交絡要因が存在する状況下で、逐次的計画の効果が受動的観察データから評価可能かどうかを判断するためのグラフィカル基準を提示する。do計算とm-分離を用いて因果図における目標達成確率の閉形式表現を導出し、基準を満たす場合、介入データがなくても有効な反事後的推論が可能となる。

ABSTRACT

The paper concerns the probabilistic evaluation of plans in the presence of unmeasured variables, each plan consisting of several concurrent or sequential actions. We establish a graphical criterion for recognizing when the effects of a given plan can be predicted from passive observations on measured variables only. When the criterion is satisfied, a closed-form expression is provided for the probability that the plan will achieve a specified goal.

研究の動機と目的

• 測定されていない交絡要因が結果に影響を与える状況下で、逐次的計画を評価する課題に対処すること。
• 計画の効果が受動的観察データのみから特定可能となる条件を同定すること。
• 実験的介入なしに反事後的確率を計算できるかどうかを判断する形式的基準の開発。
• 与えられた計画下での目標達成確率の閉形式表現を提供すること。
• do計算を逐次的行動および隠れ変数を含む因果モデルに拡張すること。

提案手法

• 測定されていない変数を含む因果的関係を表現するために有向無環的グラフ（DAG）を用いる。
• do計算を適用して、介入分布が観察分布で表現可能かどうかを同定する。
• 潜在変数が存在する状況での条件付き独立性を特定するためにm-分離基準を用いる。
• do計算と条件付き確率の法則を用いて、逐次的計画下での目標達成確率の閉形式表現を導出する。
• d-分離とm-分離に基づくグラフィカル基準を導入し、観察データからの計画効果の同定可能性を評価する。
• UAI 1995の会議論文に本手法を適用し、実世界の因果推論問題への応用を示している。

実験結果

リサーチクエスチョン

• RQ1 測定されていない交絡要因が存在する状況で、受動的観察データのみを用いて逐次的計画の効果を評価可能な条件は何か？
• RQ2 確率的計画評価において、測定されていない交絡要因はどのように取り扱えるか？
• RQ3 隠れ変数が存在する状況で、与えられた計画下での目標達成確率の閉形式表現を導出可能か？
• RQ4 観察データからの計画成功確率の同定可能性を保証するグラフィカル基準は何か？
• RQ5 do計算フレームワークは、因果モデルにおける逐次的行動および隠れ変数にどのように拡張できるか？

主な発見

• m-分離とd-分離に基づくグラフィカル基準により、測定されていない交絡要因が存在する状況で、計画効果が観察データから同定可能であることが示された。
• 本稿では、基準を満たす場合、逐次的計画下での目標達成確率が閉形式で計算可能であることを確立した。
• 本手法により、実験的介入や連合分布の完全な知識がなくても、有効な反事後的推論が可能である。
• 本手法は、do計算を逐次的行動および隠れ変数を含む状況に一般化し、現実世界の意思決定への適用範囲を拡張した。
• 結果はUAI 1995のベンチマーク問題に適用され、本手法の正しさと実用性が確認された。
• 本フレームワークにより、無作為化試験が不可能または倫理的に不適切な状況でも、計画の実現可能性を評価できるようになった。