محققان در یک پژوهش جدید، چارچوب نوآورانهای به نام CaSPECT را معرفی کردهاند که به هوش مصنوعی اجازه میدهد تا زیرگروههای مشابه را بر اساس روابط «علت و معلولی» در دادههای مشاهدهای شناسایی کند.
این روش به جای تمرکز صرف بر ویژگیهای داده، از توپولوژی گرافهای جهتدار (DAG) استفاده میکند تا به طور دقیقتری متغیرهای مخدوشکننده را شناسایی و اثرات درمانی واقعی را در دادههای پیچیده استخراج کند. این ابزار گام بزرگی برای افزایش دقت در مدلسازیهای آماری و هوش مصنوعی بدون نیاز به مدلهای پیچیده احتمالی است. 💡
ّی
منبع: arXiv Machine Learning