Интервен, Калибрат, Диск: Учеба каузальной структуры из пикселей

arXiv: 261 030,34711v 1 Annuales Type: cross резюме: Изучение высокопоставленных причинно-следственных переменных на основе наблюдений низкого уровня является центральной проблемой для искусственного интеллекта. С известным узлом семантики, но неизвестным графом ошибки визуального чтения могут искажать параметры модели с значениями воздействия на окружающую среду. Мы устраняем это несоответствие путем совмещения считываемых изображений и проверенных значений, достигнутых посредством фиксированных круглых операций. При замороженном кодере и декодере неперевернутая калибровочная карта по размеру показывает визуальные реакции и настройки целей в общих численных единицах. После заморозки этой карты агент выбирает вмешательство для определения направлений графика и подходит к местным механизмам прогнозирования последствий; обратный калибровка возвращает контрфактические состояния в первоначальные координаты декодера. По всему Домино, Пик-энд-Плейс, Балансу, Гирсу, CAUSAL3D и Каузальмир мы оцениваем открытие графов, последствия вмешательства и контрфактические изображения. Контролируемые эксперименты домино показывают, что интервент