Прорыв в теории причинности
Команда исследователей во главе с Ярославом Киввой (МФТИ), Алиаксандрой Новик и Негири Кияваш представила работу, решающую фундаментальную проблему теории причинности. Они доказали, что правила do-calculus (исчисления до), разработанные Джо Перлом, являются неполными для задачи универсальной идентификации (Universal Identifiability, uID). Это открытие объясняет, почему задача uID оставалась открытой долгое время, несмотря на успехи в более узких классах проблем.
От классической ID к универсальной uID
Ранее были известны алгоритмы идентификации причинных эффектов на основе направленных ациклических графов (DAG). В классической задаче идентификации (ID) эффект вычисляется только по наблюдаемым распределениям, а в обобщенной (gID) — по специфическим интервенционным распределениям. Для этих случаев do-calculus доказан как полный: если эффект идентифицируем, его можно выразить через формулы Перла.
Задача uID является более общей: она допускает произвольные наборы как наблюдаемых, так и интервенционных данных. Авторы работы ввели строгое формальное определение полноты do-calculus и показали, что для случая uID это свойство нарушается.
Сравнение подходов к идентификации
Ключевое отличие новой работы заключается в расширении границ применимости графовых критериев. Ниже приведено сравнение проблем, рассмотренных в литературе и в данной статье:
| Проблема | Входные данные | Статус do-calculus | Статус задачи |
|---|---|---|---|
| ID (Classical) | Только наблюдаемые распределения | Полный (Sound & Complete) | Решена |
| gID (General) | Специфические интервенционные распределения | Полный (Sound & Complete) | Решена |
| uID (Universal) | Произвольные наблюдаемые и интервенционные данные | Неполный | Открыта (доказана сложность) |
Почему это важно для AI
Для разработчиков систем искусственного интеллекта, особенно в области причинно-следственного анализа (Causal AI), этот результат означает, что существующие инструменты на базе do-calculus (например, в библиотеках типа DoWhy или CausalNex) не могут гарантировать решение всех возможных задач идентификации. Необходимы новые математические аппараты или гибридные алгоритмы, выходящие за рамки базовых правил Перла, для работы с разнородными данными интервенций.
Детали исследования
Работа опубликована 6 ноября 2026 года в препринте arXiv (2611.08916). Авторы не только констатировали факт неполноты, но и предложили строгую формализацию, которая позволяет корректно оценивать границы применимости классических методов. Это закладывает фундамент для разработки новых алгоритмов, способных справляться с более сложными сценариями сбора данных в реальных системах.
Источник: arXiv cs.CL ↗