因果推断
因果推断是统计学和机器学习领域的核心方法论，用于从观察或实验数据中区分相关关系与因果关系，通过干预分析、反事实推理等手段估计变量间的真实因果效应。
核心事实
时间轴 (近 90 天)
观察到的关联本身不携带因果信息，需要实验设计或因果推断方法才能支撑因果结论。
“反事实”一词源于因果推断领域，指在保持其他条件不变的前提下，人为改变某个变量并观察结果变化。
评估反事实主张通常需要借助因果推断方法（如潜在结果框架）来估计某项技术的净效应，但在 AI 这样的通用技术上，定量归因极为困难。
反事实参考是因果推断中的核心概念，指在相同条件下、仅改变一个处理变量时本应出现的结果。
时间先后或同时发生不等于因果关系，还需排除共同原因、巧合和选择偏差。
两个研究结论——初级岗位收缩与代码膨胀审查变慢——都无法证明AI是这些变化的直接原因。
预测性计算生物学方法要求模型具备足够的泛化能力，即能够对训练数据之外的新细胞类型、新组织环境做出合理推断；这要求模型不仅拟合数据，还要学到背后的因果机制。当前大多数方法仍处于关联预测阶段，距离真正的因果推断还有距离。
传统统计学的三大支柱——可解释性、不确定量化与因果推断——在深度学习主导的范式下面临根本性挑战，传统置信区间和假设检验框架难以直接套用，因果推断因模型主要捕捉相关性而边缘化。
时间上的关联不等于因果证据。
当无法直接验证真实效应时，可以对候选因果模型先跑一轮A/A测试，再根据估计误差决定该信任哪一个模型
还有 7 条时间轴事件
全部知识事实 (17)
更密集的相关性判断可降低模型检索到的正确结果被误判为无关的概率，从而提高评测可信度
75%待验证观察到的关联本身不携带因果信息，需要实验设计或因果推断方法才能支撑因果结论。
50%待验证“反事实”一词源于因果推断领域，指在保持其他条件不变的前提下，人为改变某个变量并观察结果变化。
50%待验证评估反事实主张通常需要借助因果推断方法（如潜在结果框架）来估计某项技术的净效应，但在 AI 这样的通用技术上，定量归因极为困难。
50%待验证反事实参考是因果推断中的核心概念，指在相同条件下、仅改变一个处理变量时本应出现的结果。
50%待验证时间先后或同时发生不等于因果关系，还需排除共同原因、巧合和选择偏差。
50%待验证两个研究结论——初级岗位收缩与代码膨胀审查变慢——都无法证明AI是这些变化的直接原因。
50%待验证预测性计算生物学方法要求模型具备足够的泛化能力，即能够对训练数据之外的新细胞类型、新组织环境做出合理推断；这要求模型不仅拟合数据，还要学到背后的因果机制。当前大多数方法仍处于关联预测阶段，距离真正的因果推断还有距离。
50%待验证传统统计学的三大支柱——可解释性、不确定量化与因果推断——在深度学习主导的范式下面临根本性挑战，传统置信区间和假设检验框架难以直接套用，因果推断因模型主要捕捉相关性而边缘化。
50%待验证时间上的关联不等于因果证据。
50%待验证A/A测试（安慰剂测试）通过只使用治疗前数据、假装治疗提前开始并随机挑选处理组，制造一个真实效应必然为零的场景，从而将模型报告的任何非零效应都视为估计误差
50%待验证当无法直接验证真实效应时，可以对候选因果模型先跑一轮A/A测试，再根据估计误差决定该信任哪一个模型
50%待验证在模拟实验中，作者生成了40个区域、横跨两年的每周预订量数据，其中5个区域接受治疗，真实效应为预订量增加10%
50%待验证正确回答干预类问题需要额外引入领域知识、因果图或精心设计的实验（如随机对照试验），仅有数据和算力不够
50%待验证在药物与疾病的例子中，真实因果链条是病人患病后医生才开药，而非药物导致疾病
50%待验证严谨的价值评估往往需要设置对照组或做分层分析，才能在方法论上区分相关性与因果性
50%待验证2021年诺贝尔经济学奖授予了在因果推断方法论上做出杰出贡献的研究者
50%