محققان در مطالعه جدیدی، چارچوب نوآورانهای به نام PCG-CD معرفی کردهاند که به هوش مصنوعی کمک میکند تا روابط علی (Causal Discovery) را حتی در حضور عوامل مخدوشکننده پنهان (Latent Confounders) به درستی شناسایی کند.
این روش با استفاده از معیارهای طول کد (MDL) و بهینهسازی مدل، به جای اکتفا به همبستگیهای سطحی، ساختارهای علی پیچیده و غیرخطی را با دقت بسیار بیشتری استخراج میکند. این دستاورد گامی بزرگ برای درک بهتر دادههای واقعی در حوزههایی است که متغیرهای پنهان همواره مانع قضاوت دقیق ماشین بودهاند.
منبع: arXiv Machine Learning