隨著計(jì)算機(jī)系統(tǒng)在各領(lǐng)域（例如醫(yī)療、教育、政府機(jī)關(guān)）的應(yīng)用，正確預(yù)測(cè)并理解這些設(shè)備的因果影響是非常重要的。沒有A/B測(cè)試，建立在模式識(shí)別和相關(guān)性分析上的傳統(tǒng)的機(jī)器學(xué)習(xí)方法，是不足以解釋因果推理的。

與用來預(yù)測(cè)的機(jī)器學(xué)習(xí)庫(kù)類似，微軟研究院推出的DoWhy是一種引起因果思考和分析的Python庫(kù)，它提供了一個(gè)統(tǒng)一的界面進(jìn)行因果推理，并對(duì)許多假設(shè)進(jìn)行自動(dòng)測(cè)試，讓非專業(yè)人士也能進(jìn)行推理。該成果在最近舉辦的KDD 2018上做出了展示，以下是論智對(duì)其進(jìn)行的大概介紹。

在《告別曲線擬合：因果推斷和do-Calculus簡(jiǎn)介》一文中我們講到，因果推斷區(qū)分了人們可能想要估計(jì)的兩種條件分布。在機(jī)器學(xué)習(xí)中，我們通常只會(huì)估計(jì)一種分布，但在某種情況下，我們可能也需要估計(jì)第二種。因果推斷關(guān)注的是一些基礎(chǔ)問題，它能幫我們回答“如果我們對(duì)x做了什么，那……”的問題，而這些問題通常需要對(duì)照試驗(yàn)和明確的干預(yù)措施來解決。

幾十年來，社會(huì)科學(xué)和生物醫(yī)學(xué)中，因果推斷方法的使用十分廣泛。隨著計(jì)算機(jī)在我們的工作和日常生活中所占比例越來越大，因果關(guān)系問題在計(jì)算機(jī)科學(xué)中的重要性也不斷增加。為了解決這個(gè)廣泛的問題，我們推出了一個(gè)新的軟件庫(kù)——DoWhy（名稱來源于Judea Pearl的do-calculus）。除了為常見的因果推斷方法提供一個(gè)程序設(shè)計(jì)界面，DoWhy的設(shè)計(jì)還是為了顯示常被忽略的因果分析假設(shè)。所以，DoWhy的特點(diǎn)之一就是會(huì)讓潛在的假設(shè)更容易理解。另外，DoWhy可以進(jìn)行敏感度分析和其他魯棒性檢查。我們的目的是讓人們關(guān)注他們?cè)趯?duì)因果推斷做假設(shè)時(shí)的思考而不是其中的細(xì)節(jié)

過去幾年對(duì)因果推斷的研究，讓我們產(chǎn)生了創(chuàng)造DoWhy的想法，不論是估計(jì)推薦系統(tǒng)的影響，還是預(yù)測(cè)可能的成果，都對(duì)此有所啟發(fā)。在每項(xiàng)研究中，我們總會(huì)重復(fù)以下步驟：找到正確的辨別策略、設(shè)計(jì)最合適的估計(jì)器、檢查魯棒性，每次都要從頭開始。有時(shí)，面對(duì)大量有關(guān)因果推理的材料，進(jìn)行實(shí)證推理就非常困難。想要理解我們的假設(shè)并證明它們，是很有挑戰(zhàn)性的工作。

所以我們思考，能否創(chuàng)建一個(gè)軟件庫(kù)，通過簡(jiǎn)單的界面進(jìn)行因果推斷。但不幸的是，因果推斷取決于對(duì)未知數(shù)量的估計(jì)，這也是因果推斷的基本問題。與監(jiān)督學(xué)習(xí)不同，我們無法從現(xiàn)有的測(cè)試集中得出客觀的評(píng)估，所以，在因果推斷中無法建立即時(shí)可用的方法。例如，對(duì)任何方法來說，例如新的算法或醫(yī)療處理過程，人們可以觀察當(dāng)他們被干預(yù)時(shí)發(fā)生了什么，或不被干預(yù)時(shí)會(huì)發(fā)生什么，但無法同時(shí)觀察兩種情況。所以，因果分析和數(shù)據(jù)生成過程中的假設(shè)有著重要的關(guān)系。

為了達(dá)到我們的目標(biāo)，我們明白假設(shè)應(yīng)該是因果推斷庫(kù)中最重要的因素。我們?cè)谠O(shè)計(jì)DoWhy時(shí)考慮了兩個(gè)指導(dǎo)原則——讓因果假設(shè)易于理解，同時(shí)測(cè)試預(yù)測(cè)對(duì)違反假設(shè)的魯棒性。

首先，DoWhy對(duì)辨別（identification）和估計(jì)（estimation）做了區(qū)分。對(duì)因果效應(yīng)進(jìn)行標(biāo)人需要對(duì)數(shù)據(jù)生成過程做假設(shè)，同時(shí)還要從虛擬表示中具體說明目標(biāo)被估量。估計(jì)過程完全是數(shù)據(jù)問題，所以辨別過程是最耗時(shí)的。為了正式表示假設(shè)，DoWhy利用貝葉斯圖模型框架，從中用戶可以詳細(xì)了解他們想知道的東西，更重要的是，知道他們此前不知道的有關(guān)數(shù)據(jù)生成過程的事。對(duì)于估計(jì)，我們提供了基于潛在輸出框架的方法，例如匹配、分層和輔助變量。使用DoWhy時(shí)還有一個(gè)“愉悅”的副作用，那就是你會(huì)發(fā)現(xiàn)看似分散的圖模型和潛在輸出框架其實(shí)是互通對(duì)等的。

將對(duì)因果影響的辨別和估計(jì)區(qū)分開

然后，一旦做出了假設(shè)，DoWhy會(huì)提供魯棒性檢測(cè)和敏感性檢查，來檢查估計(jì)的可靠性。由于潛在的假設(shè)多種多樣，你可以測(cè)試估計(jì)是如何變化的，例如，通過加入一個(gè)新的干擾項(xiàng)或用“安慰劑”進(jìn)行替換。不論哪種方法，DoWhy庫(kù)都會(huì)基于圖模型的假設(shè)自動(dòng)檢查得出的估計(jì)的有效性。不過我們依然知道自動(dòng)檢測(cè)不完美。所以，DoWhy會(huì)著重對(duì)輸出進(jìn)行解讀。在分析的任何階段，你都可以查看未經(jīng)測(cè)試的假設(shè)、經(jīng)過辨認(rèn)的被估量以及得出的估計(jì)（如果有的話）。

在四行代碼中進(jìn)行因果推斷。DoWhy的簡(jiǎn)單運(yùn)行

未來，我們期待在庫(kù)里增加更多特征，包括支持更多的估計(jì)和敏感性的方法，以及與其他可用的估算軟件進(jìn)行互通。

Jupyter notebook：causalinference.gitlab.io/dowhy/