#机器学习# 【Spotify研发能推理因果关系的机器学习模型，利用反事实数学了解用户喜好】
Spotify，一家做音乐流媒体服务的公司，其研究人员最近开发了一种新的机器学习模型，首次捕捉到了反事实分析背后的复杂的数学。这种精确技术可以用来识别过去事件的原因和预测未来的影响。
2023 年早些时候，他们在 Nature Machine Intelligence 杂志上描述了该模型，称其可以提高自动决策的准确性特别是个性化推荐，应用范围涵盖金融和医疗保健等领域。
反事实分析背后的核心思想是提问和假设，即如果某些情况有所不同，那会发生什么。几乎所有人都说过类似的话：“如果当时…，就会（不会）…”。这其实就是反事实推理（分析）。
这就像在一场游戏里，我们可以重新调整世界，改变一些关键细节，然后看看游戏里会出现哪些改变。通过调整正确的细节，就有可能从相关性和巧合中剥离出真正的因果关系。
“理解因果关系对决策非常重要，”因果推理研究实验室的负责人吉利根-李（Ciaran Gilligan-Lee）表示，他共同开发了这个模型。“你想了解你现在的选择会对未来产生什么影响。”
在 Spotify 的例子中，这可能意味着要它会给你推送哪些歌曲，或者歌手什么时候应该推出新专辑。他说，Spotify 还没有使用反事实分析，“但它可以帮助回答我们每天都要处理的问题。”反事实分析是符合人类直觉的，人们经常会想象如果某件事情发生了，这个世界会变成什么样。但在数学上，它是一个很棘手的问题。“反事实是一个看起来非常奇怪的统计对象，”他说，“他们是奇怪的事情。你问的是一些事情并没有发生的前提下，它们发生的可能性。”
吉利根-李和他的合著者在《#麻省理工科技评论# 》的一篇故事中发现了彼此的成果后开始合作。他们的模型是基于一个被称为孪生网络（twin network）的反事实理论框架。孪生网络是由计算机科学家安德鲁·巴尔克（Andrew Balke）和朱迪亚·珀尔（Judea Pearl）在 20 世纪 90 年代发明的。2011 年，珀尔因其在因果推理和#人工智能# 方面的工作获得了图灵奖——计算机科学界的诺贝尔奖。他说，珀尔和巴尔克利用孪生网络解决了一些简单的问题。但是，将数学框架应用于更大、更复杂的现实情况是更困难的。
戳链接查看详情：
Spotify研发能推理因果关系的机器学习模型，利用反事实数学了解用户喜好
Spotify，一家做音乐流媒体服务的公司，其研究人员最近开发了一种新的机器学习模型，首次捕捉到了反事实分析背后的复杂的数学。这种精确技术可以用来识别过去事件的原因和预测未来的影响。
2023 年早些时候，他们在 Nature Machine Intelligence 杂志上描述了该模型，称其可以提高自动决策的准确性特别是个性化推荐，应用范围涵盖金融和医疗保健等领域。
反事实分析背后的核心思想是提问和假设，即如果某些情况有所不同，那会发生什么。几乎所有人都说过类似的话：“如果当时…，就会（不会）…”。这其实就是反事实推理（分析）。
这就像在一场游戏里，我们可以重新调整世界，改变一些关键细节，然后看看游戏里会出现哪些改变。通过调整正确的细节，就有可能从相关性和巧合中剥离出真正的因果关系。
“理解因果关系对决策非常重要，”因果推理研究实验室的负责人吉利根-李（Ciaran Gilligan-Lee）表示，他共同开发了这个模型。“你想了解你现在的选择会对未来产生什么影响。”
在 Spotify 的例子中，这可能意味着要它会给你推送哪些歌曲，或者歌手什么时候应该推出新专辑。他说，Spotify 还没有使用反事实分析，“但它可以帮助回答我们每天都要处理的问题。”反事实分析是符合人类直觉的，人们经常会想象如果某件事情发生了，这个世界会变成什么样。但在数学上，它是一个很棘手的问题。“反事实是一个看起来非常奇怪的统计对象，”他说，“他们是奇怪的事情。你问的是一些事情并没有发生的前提下，它们发生的可能性。”
吉利根-李和他的合著者在《#麻省理工科技评论# 》的一篇故事中发现了彼此的成果后开始合作。他们的模型是基于一个被称为孪生网络（twin network）的反事实理论框架。孪生网络是由计算机科学家安德鲁·巴尔克（Andrew Balke）和朱迪亚·珀尔（Judea Pearl）在 20 世纪 90 年代发明的。2011 年，珀尔因其在因果推理和#人工智能# 方面的工作获得了图灵奖——计算机科学界的诺贝尔奖。他说，珀尔和巴尔克利用孪生网络解决了一些简单的问题。但是，将数学框架应用于更大、更复杂的现实情况是更困难的。
戳链接查看详情：
Spotify研发能推理因果关系的机器学习模型，利用反事实数学了解用户喜好
