Обсуждение:Причинное машинное обучение

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: == Промпт == '''Модель:''' GPT-5.6 Terra High. <pre> Ты — научный редактор русскоязычной энциклопедии MachineLearning.ru, спе...)
Строка 1: Строка 1:
-
== Промпт ==
+
== Использованные промпты ==
'''Модель:''' GPT-5.6 Terra High.
'''Модель:''' GPT-5.6 Terra High.
 +
 +
=== Промпт 1. Первая версия статьи ===
<pre>
<pre>
-
Ты — научный редактор русскоязычной энциклопедии MachineLearning.ru, специалист по причинному выводу, статистике и машинному обучению.
+
Роль: ты — научный редактор русскоязычной энциклопедии MachineLearning.ru и специалист по причинному выводу, статистике и машинному обучению.
-
Подготовь полноценную новую энциклопедическую статью на русском языке «Причинное машинное обучение». Статья должна быть содержательной, технически точной, написанной живым академическим языком и выглядеть как текст, который мог подготовить эксперт после ручной редакторской проверки.
+
Задача: подготовь новую подробную энциклопедическую статью на русском языке «Причинное машинное обучение». Цель статьи — не просто объяснить термин, а создать полезный материал для сообщества MachineLearning.ru: понятный студенту и одновременно содержательный для ML-специалиста.
-
Целевая аудитория:
+
Содержание:
-
1. студент, знакомый с основами теории вероятностей и машинного обучения;
+
- объясни различие между предсказанием, интервенцией и контрфактическим вопросом;
-
2. практикующий ML-специалист, которому нужны формальные определения, ограничения методов и ссылки на научные источники.
+
- введи структурные причинные модели, причинные графы, конфаундеры, медиаторы и коллайдеры;
 +
- опиши потенциальные исходы, ATE, ATT, CATE и ITE;
 +
- раскрой условия идентификации причинного эффекта и критерий задней двери;
 +
- опиши рандомизированные эксперименты, propensity score, matching, IPW, двойную устойчивость, double machine learning, причинные леса и causal discovery;
 +
- покажи связь причинного подхода с обобщением вне распределения, справедливостью алгоритмов и философией ИИ;
 +
- укажи ограничения методов и типичные ошибки.
-
Раскрой следующие темы:
+
Формат:
-
- различие между предиктивной вероятностью P(Y | X=x), интервенционным запросом P(Y | do(X=x)) и контрфактическим рассуждением;
+
- используй вики-разметку MachineLearning.ru;
-
- структурные причинные модели, ориентированные причинные графы, конфаундеры, медиаторы и коллайдеры;
+
- начни с {{well|...}} и добавь {{TOCright}};
-
- модель потенциальных исходов Y(1) и Y(0), ATE, ATT, CATE и ITE;
+
- используй внутренние ссылки на связанные понятия, разделы «См. также», «Примечания» и «Литература»;
-
- условия идентификации: согласованность, отсутствие неучтённого смешения, позитивность и отсутствие интерференции;
+
- математические формулы оформляй только через <tex>...</tex>, а выключные формулы — с двойным отступом через ::;
-
- критерий задней двери и формулу корректировки;
+
- источники оформляй сносками <ref> с шаблонами {{книга}} и {{статья}}, а в конце поставь {{примечания}};
-
- рандомизированные эксперименты, matching, propensity score, inverse probability weighting, двойную устойчивость и double machine learning;
+
- добавь категорию [[Категория:Искусственный интеллект]].
-
- причинные леса и оценку гетерогенных эффектов;
+
-
- causal discovery, его возможности и принципиальные ограничения;
+
-
- causal representation learning, переносимость и обобщение вне распределения;
+
-
- практические области применения, риски, ограничения и связь с философией искусственного интеллекта.
+
-
Требования к оформлению MachineLearning.ru:
+
Ограничители:
-
- используй MediaWiki-разметку;
+
- не выдумывай факты, авторов, DOI, источники, результаты экспериментов и численные показатели;
-
- начни с шаблонов {{well|...}} и {{TOCright}};
+
-
- используй логичную структуру из разделов и подразделов;
+
-
- для математических формул используй ТОЛЬКО теги <tex>...</tex>, а не <math>...</math>;
+
-
- выключные формулы оформляй двойным отступом через ::;
+
-
- добавь внутренние ссылки на релевантные понятия вики;
+
-
- добавь разделы «См. также», «Примечания» с {{примечания}} и «Литература»;
+
-
- оформляй источники через <ref> и шаблоны {{книга}} или {{статья}};
+
-
- добавь существующую категорию [[Категория:Искусственный интеллект]].
+
-
 
+
-
Требования к качеству:
+
-
- не выдумывай источники, авторов, DOI, эксперименты, результаты или числа;
+
-
- используй только реальные академические источники: Pearl, Hernán и Robins, Peters–Janzing–Schölkopf, Chernozhukov et al., Wager–Athey, Schölkopf et al.;
+
-
- объясняй материал сначала интуитивно, затем формально;
+
- не подменяй причинность корреляцией;
- не подменяй причинность корреляцией;
-
- явно указывай предположения и границы применимости каждого метода;
+
- явно формулируй предположения и границы применимости методов;
-
- не рекламируй продукты и не используй шаблонные общие фразы;
+
- не пиши шаблонными фразами и не рекламируй продукты;
-
- итоговый текст должен быть достаточно подробным для энциклопедической статьи, а не краткой заметки.
+
- используй проверяемые академические источники.
 +
</pre>
 +
 
 +
=== Промпт 2. Научная и редакторская доработка ===
 +
 
 +
<pre>
 +
Отредактируй подготовленную статью «Причинное машинное обучение» как требовательный эксперт MachineLearning.ru.
 +
 
 +
Проверь её по пяти критериям:
 +
1. Статья должна сообщать мотивированному читателю нечто небанальное: не ограничиваться определением, а объяснять механизм, ограничения и реальные исследовательские задачи.
 +
2. Она должна быть полезна и новичку, и специалисту: сначала давать интуицию, затем точные определения, формулы, условия идентификации и литературу.
 +
3. Она должна быть связана с ресурсом: добавь уместные внутренние ссылки, раздел «См. также» и категорию.
 +
4. Убери признаки шаблонного LLM-текста: повторы, пустые общие фразы, чрезмерные обещания и неподтверждённые утверждения.
 +
5. Проверь воспроизводимость: все формулы должны использовать <tex>, все сноски — реальные академические источники, а формат должен быть совместим с MachineLearning.ru.
 +
 
 +
Особенно проверь:
 +
- различие P(Y | X=x) и P(Y | do(X=x));
 +
- корректность определений ATE, ATT, CATE, ITE;
 +
- условия отсутствия неучтённого смешения и позитивности;
 +
- корректность формулы back-door adjustment;
 +
- осторожные формулировки про causal discovery и causal representation learning.
 +
 
 +
Верни готовую улучшенную вики-статью целиком, без комментариев вне текста статьи.
</pre>
</pre>

Версия 13:49, 11 июля 2026

Использованные промпты

Модель: GPT-5.6 Terra High.

Промпт 1. Первая версия статьи 

Роль: ты — научный редактор русскоязычной энциклопедии MachineLearning.ru и специалист по причинному выводу, статистике и машинному обучению.

Задача: подготовь новую подробную энциклопедическую статью на русском языке «Причинное машинное обучение». Цель статьи — не просто объяснить термин, а создать полезный материал для сообщества MachineLearning.ru: понятный студенту и одновременно содержательный для ML-специалиста.

Содержание:
- объясни различие между предсказанием, интервенцией и контрфактическим вопросом;
- введи структурные причинные модели, причинные графы, конфаундеры, медиаторы и коллайдеры;
- опиши потенциальные исходы, ATE, ATT, CATE и ITE;
- раскрой условия идентификации причинного эффекта и критерий задней двери;
- опиши рандомизированные эксперименты, propensity score, matching, IPW, двойную устойчивость, double machine learning, причинные леса и causal discovery;
- покажи связь причинного подхода с обобщением вне распределения, справедливостью алгоритмов и философией ИИ;
- укажи ограничения методов и типичные ошибки.

Формат:
- используй вики-разметку MachineLearning.ru;
- начни с {{well|...}} и добавь {{TOCright}};
- используй внутренние ссылки на связанные понятия, разделы «См. также», «Примечания» и «Литература»;
- математические формулы оформляй только через <tex>...</tex>, а выключные формулы — с двойным отступом через ::;
- источники оформляй сносками <ref> с шаблонами {{книга}} и {{статья}}, а в конце поставь {{примечания}};
- добавь категорию [[Категория:Искусственный интеллект]].

Ограничители:
- не выдумывай факты, авторов, DOI, источники, результаты экспериментов и численные показатели;
- не подменяй причинность корреляцией;
- явно формулируй предположения и границы применимости методов;
- не пиши шаблонными фразами и не рекламируй продукты;
- используй проверяемые академические источники.

Промпт 2. Научная и редакторская доработка 

Отредактируй подготовленную статью «Причинное машинное обучение» как требовательный эксперт MachineLearning.ru.

Проверь её по пяти критериям:
1. Статья должна сообщать мотивированному читателю нечто небанальное: не ограничиваться определением, а объяснять механизм, ограничения и реальные исследовательские задачи.
2. Она должна быть полезна и новичку, и специалисту: сначала давать интуицию, затем точные определения, формулы, условия идентификации и литературу.
3. Она должна быть связана с ресурсом: добавь уместные внутренние ссылки, раздел «См. также» и категорию.
4. Убери признаки шаблонного LLM-текста: повторы, пустые общие фразы, чрезмерные обещания и неподтверждённые утверждения.
5. Проверь воспроизводимость: все формулы должны использовать <tex>, все сноски — реальные академические источники, а формат должен быть совместим с MachineLearning.ru.

Особенно проверь:
- различие P(Y | X=x) и P(Y | do(X=x));
- корректность определений ATE, ATT, CATE, ITE;
- условия отсутствия неучтённого смешения и позитивности;
- корректность формулы back-door adjustment;
- осторожные формулировки про causal discovery и causal representation learning.

Верни готовую улучшенную вики-статью целиком, без комментариев вне текста статьи.
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5:%D0%9F%D1%80%D0%B8%D1%87%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5»