Обсуждение:Причинное машинное обучение

Материал из MachineLearning.

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.