邁向決策式AI：提供反事實的建議

1邁向決策式AI：提供反事實的建議1、認識反事實思考計算機科學界諾貝爾獎「圖靈獎」得主JudeaPearl(珀爾)在他的開創(chuàng)性著作《TheBookofWhy》一書里，提到了「因果關(guān)系階梯」(LadderofCausality)(Intervention)和反事實(Counterfactuals)。其中，最頂級的是反事實梯級，位于這梯級的思考者可以想象(Imaging)不存在的世界并推斷觀察到的現(xiàn)象，并試圖去了解事件的起因來深刻理解問題緣由。因而他們能夠考慮在第1層或第2層級所無法想象到的一些場景(圖-1)。2(圖-1)：因果關(guān)系階梯近年來，許多專家用心研究反事實推理對人們決策(Decision提倡決策者應(yīng)該根據(jù)反事實來評估可能采取的替代意味著思考過去或未來事件的替代可能性。當該變化的后果時，就會出現(xiàn)反事實思考了。例會有所不同來反思車禍的結(jié)果，便能為已經(jīng)發(fā)生的2、讓AI來參與反事實推理反事實思考使人們能夠探索最初可能沒有考句話說，參與反事實推理可以透過鼓勵個人考慮<不同的方式看待事物，從而帶來創(chuàng)造性的發(fā)現(xiàn)。因3行動來增強未來規(guī)劃，從而獲得更成功的行動方案和效果。理，將能幫助人們以不同的方式看待事物，從而帶來預(yù)期結(jié)果調(diào)整自己的行動來增強未來規(guī)劃，從而基于AI提供的替代性方案，就可以深入了解新的可能解決方案的范圍來幫助解決問題。它促使個人跳出可以找出最初可能并不明顯的新穎解決方案。3、訓(xùn)練AI模型，來提供替代方案茲以食譜的創(chuàng)新與推薦為例，來說明AI反事實推理>流程，不僅能說明發(fā)現(xiàn)新的食對推薦結(jié)果的影響，從而為個性化推薦和食材創(chuàng)新提供強有力的生成更具創(chuàng)意和吸引力的食譜。這種方式不僅引導(dǎo)用戶嘗試新的搭配，促進食譜的創(chuàng)新和多階段一、訓(xùn)練GCN模型獲取食材嵌入4GCN，執(zhí)行時輸出食材嵌入，如下：這些嵌入將為后續(xù)的推薦和反事實生成提供關(guān)鍵特征。階段二、訓(xùn)練另一個GCN模型，獲取反事實連結(jié)基于用戶喜愛的食材關(guān)系，構(gòu)建推薦GCN5過生成新的連結(jié)，能夠發(fā)現(xiàn)潛在的<用戶-結(jié)構(gòu)來表示之。譜67創(chuàng)新組合。階段三、訓(xùn)練另一個GCN模型，構(gòu)建反事實的食材圖譜本階段的任務(wù)是：利用反事實鏈接(CF_L程序代碼來實踐反事實GCN模型，并生成84、結(jié)語：邁向決策式AI外，還能考慮這兩種食材之間的口味相似度