구조적 인과 입력 하에서 신경망 예측에 대한 실제 원인(Actual Causes) 계산

요약

입력 특징 간의 구조적 의존성을 고려하여 신경망의 예측 원인을 정확하게 계산하는 새로운 방법을 제안합니다. Boolean SCM과 경계 전파 기술을 통해 기존 방식보다 확장성 있는 실제 원인(Actual Causes) 계산이 가능함을 입증했습니다.

핵심 포인트

• 입력 특징 간의 의존성을 반영한 Halpern-Pearl 실제 원인 공식화
• Boolean SCM을 활용하여 입력 간의 구조적 관계 모델링
• 경계 전파 및 분기 한정법을 통한 효율적인 원인 계산 알고리즘
• 기존 ILP 및 무차별 대입 방식 대비 뛰어난 확장성 증명
• 의존성 무시 시 발생하는 가짜 원인(Spurious causes) 문제 해결