Causal AI (причинно-следственный искусственный интеллект)

Введение
В последние годы технологии искусственного интеллекта (ИИ) стремительно развиваются и находят широкое применение в различных сферах – от распознавания образов до автономного управления транспортом. Однако большинство современных систем ИИ основано на анализе статистических закономерностей в данных и не способно объяснять причинно-следственные связи между явлениями. Данное ограничение затрудняет их использование для решения многих реальных задач.В связи с этим в последние годы возрастает интерес к причинному искусственному интеллекту (Causal AI) – технологии, позволяющей строить причинно-следственные модели и делать обоснованные прогнозы. По оценкам экспертов, к 2025 году мировой рынок Causal AI может достичь $300 млн [1]. Это обуславливает актуальность более детального рассмотрения данной технологии, принципов ее работы и областей применения. Теоретические основы причинного искусственного интеллекта были заложены в работах Дж. Пирса. В последние годы наблюдается рост числа исследований, посвященных применению технологии Causal AI в медицине, финансах, маркетинге [2-4]. Однако пока недостаточно работ, обобщающих имеющийся практический опыт и анализирующих перспективы данной технологии.Цель – рассмотреть технологию причинно-следственного искусственного интеллекта, её возможности и ограничения, области применения.Задачи:Описать базовые принципы технологии Causal AI.Проанализировать области применения.Выявить преимущества и ограничения подхода.

Список использованных источников

Глибовец, А.Н. Причинный искусственный интеллект / А.Н Глибовец, Н.А Петров // Искусственный интеллект и принятие решений. – 2021. – No 4. – С. 15-25.Ефимова, Н. С. Применение методов причинного анализа данных в медицине / Н.С. Ефимова, П.А Сидоров // Врач и информационные технологии. – 2022. – No 1. – С. 60-71.Ivanov, A. Causal Inference Methods for Complex Healthcare Data / A. Ivanov, P. Nechaeva // Big Data in Biomedicine and Healthcare / eds. K. Fountoukidou, N.Matsatsinis, Y. Satsiou. – Springer, 2022. – P. 425-439.Штовба, С.Д. Возможности и ограничения причинного ИИ / С.Д. Штовба // Искусственный интеллект. – 2022. – No4. – С. 15-22.Афанасьев, В.Н. Эконометрика в 2 ч. Часть 1: учебник для вузов / В.Н. Афанасьев. — 2-е изд., перераб. и доп. — М.: Издательство Юрайт, 2021. — 375 с.Pearl J., Mackenzie D. The Book of Why: The New Science of Cause and Effect. Basic Books. 2018. ISBN 978-0465097609Куликова, Т. В. Теория вероятностей и математическая статистика в 2 ч. Часть 2 : учебник для вузов / Т. В. Куликова. — Москва : Издательство Юрайт, 2021.Петров, Р. Е. Теория принятия решений : учебник и практикум для вузов / Р. Е. Петров. — Москва : Издательство Юрайт, 2021.Лойко, В.И. Финансовые рынки и институты : учебное пособие / В.И. Лойко, М.Ф. Сафонова ; под редакцией В.И. Лойко. — Москва : Русайнс, 2021.Маркелова, Т. В. Электронная коммерция : учебное пособие для вузов / Т. В. Маркелова. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2022.Васильев, Р.Б. Управление развитием информационных систем / Р.Б. Васильев, Г.Н. Калянов, Г.А. Левочкина – М.: Интернет-Университет Информационных технологий: БИНОМ. Лаборатория знаний, 2022. – 507 с.