Một nhóm nghiên cứu tại Đại học Stanford đã công bố kết quả đột phá trong việc giúp các mô hình trí tuệ nhân tạo học cách suy diễn nguyên nhân và hiệu quả, bước tiến gần hơn với tri thức con người. Nghiên cứu, được công bố trên bản preprint arXiv, đề xuất một phương pháp kết hợp learning监督 với learning không监督 để mô hình không chỉ nhận diện mẫu mà còn hiểu tại sao một sự kiện lại xảy ra. 'Chúng tôi đã chứng kiến AI có thể dự đoán kết quả, nhưng việc giải thích tại sao lại là chìa khóa để tạo ra sự tin tưởng', lead author của nghiên cứu cho biết.
Phương pháp mới được kiểm chứng trên các tập dữ liệu mô phỏng vật lý và y học, nơi mà các mô hình trước đây thường nhầm lẫn correlation với causation. Kết quả cho thấy độ chính xác trong việc xác định nhân nhân lên đến 85% so với ground truth. Đây được xem là nền tảng cho các ứng dụng như chẩn đoán bệnh, dự báo thời tiết hoặc thiết kế hệ thống tự điều khiển.
Dù còn ở giai đoạn early-stage, nghiên cứu đã thu hút sự quan tâm từ nhiều công ty công nghệ lớn, những người đang tìm cách tích hợp các nguyên lý nguyên nhân vào các sản phẩm AI hiện có.