How Rules Represent Causal Knowledge: Causal Modeling with Probabilistic Logic Programming

तकनीकी सारांश: नियम कारण संबंधी ज्ञान का प्रतिनिधित्व कैसे करते हैं: संभाव्यता तर्क प्रोग्रामिंग के साथ कारण संबंधी मॉडलिंग

समस्या विवरण
जूडिया पर्ल का कारण संबंधी सिद्धांत (theory of causality), जो प्रेक्षण संबंधी (observational) और हस्तक्षेप संबंधी (interventional) ज्ञान के बीच अंतर करता है, आर्टिफिशियल इंटेलिजेंस में आधारभूत रहा है। हालाँकि, पर्ल का ढांचा विशेष रूप से बेयसियन नेटवर्क और कारण मॉडलों के भीतर विकसित किया गया है, जो इसे मुख्य रूप से अचक्रीय (acyclic) कारण संबंधों तक सीमित करता है। अन्य औपचारिकताओं, जैसे कि प्रोबबिलिस्टिक लॉजिक प्रोग्रामिंग (PLP) में इन अवधारणाओं को स्थानांतरित करने से गलत व्याख्या या विसंगति का जोखिम रहता है। विशेष रूप से, ProbLog और LPMLN (लॉग-लीनियर मॉडल) जैसे PLP ढांचों के मौजूदा सिमेंटिक्स अक्सर कारण अप्रासंगिकता (causal irrelevance) के सिद्धांत (यह विचार कि अनोब्ज़र्व्ड प्रभावों को अन्य चरों के बारे में विश्वासों को नहीं बदलना चाहिए) और गैर-हस्तक्षेप (non-interference) (यह विचार कि हस्तक्षेपों को अपने कारण डाउनस्ट्रीम के बाहर के चरों को प्रभावित नहीं करना चाहिए) को पूरा करने में विफल रहते हैं। यह चक्रीय (cyclic) या गैर-स्तरीकृत (non-stratified) प्रोग्रामों में हस्तक्षेपों के बारे में तर्क करने पर प्रति-सहज (counterintuitive) परिणाम देता है।

कार्यप्रणाली
लेखक पर्ल के हस्तक्षेपवादी दृष्टिकोण को ईलिंक एट अल. [10] द्वारा स्थापित कारण संबंधी दर्शन के साथ जोड़ते हैं, जो अस्थायी अनुक्रम के बजाय तार्किक स्पष्टीकरणों पर निर्भर करता है। कार्यप्रणाली इस प्रकार है:

1. सैद्धांतिक संरेखण: पेपर इस दृष्टिकोण को अपनाता है कि कारण संबंधी स्पष्टीकरण नियमों (जैसे, "धूम्रपान करना माचिस रखना पैदा करता है") से बने होते हैं और वैज्ञानिक ज्ञान के लिए ऐसे औचित्य की आवश्यकता होती है जो एक कारण क्रम का सम्मान करते हों। इस क्रम को प्राकृतिक अनिवार्यता (Natural Necessity - कारण प्रभावों को अनिवार्य बनाते हैं) और कारण पर्याप्तता (Causal Sufficiency - प्रत्येक प्रभाव का एक कारण होता है) के सिद्धांतों के माध्यम से औपचारिक रूप दिया जाता है, जो बाहरी आधारों (abducibles) पर आधारित होते हैं।
2. औपचारिक सिमेंटिक्स परिभाषा: लेखक एक कारण प्रणाली (Causal System) $CS := (P, A, \Phi)$ को परिभाषित करते हैं, जहाँ $P$ एक LPMLN प्रोग्राम है, $A$ अबड्यूसिबल्स (abducibles) का एक सेट है, और $\Phi$, $A$ पर एक लॉग-लीनियर मॉडल है।
   • वे प्रोग्राम की बाधा सामग्री (constraint content) के माध्यम से प्राकृतिक अनिवार्यता को और स्पष्टीकरण सामग्री (explanatory content) के माध्यम से कारण पर्याप्तता को औपचारिक रूप देते हैं।
   • वे एक हस्तक्षेप (intervention) को सिस्टम के एक संशोधन के रूप में परिभाषित करते हैं जहाँ हस्तक्षेप सेट में हेड्स वाले क्लॉज़ को हटा दिया जाता है, और विशिष्ट मानों को मजबूर करने वाले तथ्य जोड़े जाते हैं।
3. मौजूदा सिमेंटिक्स की आलोचना: लेखक प्रदर्शित करते हैं कि ProbLog के लिए मानक P-log सिमेंटिक्स और LPMLN के लिए मानक सिमेंटिक्स कारण अप्रासंगिकता (Formalization 6) को संतुष्ट नहीं करते हैं। गैर-स्तरीकृत या चक्रीय मामलों में, ये सिमेंटिक्स विश्वासों को बदलने की अनुमति देते हैं जब अतिरिक्त अनोब्ज़र्व्ड प्रभावों पर विचार किया जाता है, जो इस सिद्धांत का उल्लंघन करता है कि हस्तक्षेपों को "अपस्ट्रीम" या असंबंधित शाखाओं तक नहीं फैलना चाहिए।
4. प्रस्तावित कारण सिमेंटिक्स: इसे हल करने के लिए, लेखक "ग्रीडी" (greedy) एंट्रॉपी मैक्सिमाइजेशन के आधार पर एक नया कारण सिमेंटिक्स ($\pi^{causal}_{CS}$) प्रस्तावित करते हैं।
   • डिपेंडेंस ग्राफ को स्ट्रॉन्गली कनेक्टेड कंपोनेंट्स (SCCs) में विभाजित किया जाता है।
   • SCCs एक निर्देशित अचक्रीय ग्राफ (DAG) बनाते हैं।
   • प्रायिकताएं पैरेंट कंपोनेंट्स पर कंडीशनिंग करके और प्रत्येक घटक के भीतर स्थानीय रूप से एंट्रॉपी को मैक्सिमाइज करके कंप्यूट की जाती हैं, यह सुनिश्चित करते हुए कि परिणामी वितरण कारण निर्भरताओं से प्राप्त बेयसियन नेटवर्क संरचना के अनुरूप हो।

मुख्य योगदान

• PLP के लिए औपचारिक कारण सिमेंटिक्स: पेपर ईलिंक एट अल. [10] के कारण संबंधी दर्शन (विशेष रूप से अनिवार्यता और पर्याप्तता के सिद्धांतों) के साथ प्रोबबिलिस्टिक लॉजिक प्रोग्रामिंग ढांचों (ProbLog और LPMLN) को जोड़कर, जो चक्रीय प्रोग्रामों को भी समाहित करते हैं, औपचारिक कारण सिमेंटिक्स को स्थानांतरित करता है।
• मानक सिमेंटिक्स की खामियों की पहचान: उदाहरण 20-22 के माध्यम से, लेखक दिखाते हैं कि मानक P-log और LPMLN सिमेंटिक्स कारण अप्रासंगिकता और गैर-हस्तक्षेप का उल्लंघन करते हैं, जिससे चक्रीय परिदृश्यों में हस्तक्षेप के प्रभावों की गलत भविष्यवाणी होती है।
• सैद्धांतिक गारंटी:
  • प्रमेय 2: सिद्ध करता है कि स्तरीकृत (stratified) ProbLog प्रोग्रामों के लिए, मानक P-log सिमेंटिक्स प्रस्तावित कारण सिमेंटिक्स के साथ मेल खाता है, जिससे कारण अप्रासंगिकता संतुष्ट होती है।
  • प्रमेय 3: यह स्थापित करता है कि प्रस्तावित कारण सिमेंटिक्स, स्तरीकृत प्रोग्रामों के लिए P-log सिमेंट्स का एक सुसंगत सामान्यीकरण (consistent generalization) है।
  • प्रमेय 4: सिद्ध करता है कि प्रस्तावित कारण सिमेंटिक्स सामान्य (चक्रीय सहित) कारण प्रणालियों के लिए कारण अप्रासंगिकता को संतुष्ट करता है।
• कार्यान्वयन: लेखक PLP-BN टूल सुइट का उपयोग करके प्रस्तावित सिमेंटिक्स का कार्यान्वयन प्रदान करते हैं। यह सिस्टम PLP प्रोग्रामों को बेयसियन नेटवर्क से जोड़ता है, जो SCCs के स्टेबल मॉडल्स की गणना करने के लिए Clingo आंसर सेट सॉल्वर और अनुमान (inference) के लिए फैक्टर/वेरिएबल एलिमिनेशन का उपयोग करता है।

परिणाम

• स्तरीकृत प्रोग्रामों के साथ निरंतरता: स्तरीकृत ProbLog प्रोग्रामों के लिए, नया सिमेंटिक्स स्थापित P-log सिमेंट्स के समान परिणाम देता है, जो पुष्टि करता है कि अचक्रीय मामलों के लिए मानक दृष्टिकोण सुदृढ़ है।
• चक्रीय मामलों का सुधार: गैर-स्तरीकृत मामलों (जैसे, "अन्ना और किलियन" डोरबेल उदाहरण) में, मानक सिमेंटिक्स ऐसे प्रायिकताएं उत्पन्न करता है जो कारण अप्रासंगिकता का उल्लंघन करती हैं (उदाहरण के लिए, एक डाउनस्ट्रीम वेरिएबल पर हस्तक्षेप गलत तरीके से अपस्ट्रीम वेरिएबल की प्रायिकता को बदल देता है)। प्रस्तावित कारण सिमेंटिक्स इन प्रायिकताओं को ठीक करता है, यह सुनिश्चित करता है कि हस्तक्षेप केवल कारण संरचना द्वारा निर्देशित डाउनस्ट्रीम चरों को ही प्रभावित करें।
• हस्तक्षेप हैंडलिंग: कार्यान्वयन प्रदर्शित करता है कि नया सिमेंटिक्स प्रोग्राम संरचना को संशोधित करके और कारण DAG (SCCs) के आधार पर प्रायिकताओं को पुनर्गणना करके हस्तक्षेपों को सही ढंग से मॉडल करता है, जिससे LPMLN/ProbLog व्याख्याओं में होने वाले कारण प्रभाव के "बैकट्रैकिंग" को रोका जा सके।

महत्व
पेपर का दावा है कि संभाव्यता तर्क प्रोग्रामिंग को कारण संबंधी स्पष्टीकरण के दार्शनिक आधारों (विशेष रूप से ईलिंक एट अल. [10] के कार्य और अनिवार्यता एवं पर्याप्तता के सिद्धांतों) के साथ संरेखित करके, पर्ल के कारण तर्क को उन PLP औपचारिकताओं तक विस्तारित करना संभव है जो चक्रों (cycles) और अनिश्चितता को संभाल सकते हैं। प्रस्तावित सिमेंटिक्स यह सुनिश्चित करता है कि PLP में कारण संबंधी ज्ञान का प्रतिनिधित्व हस्तक्षेप करने पर गलत व्याख्या के प्रति सुरक्षित रहे। यह कार्य तर्क प्रोग्रामों में "क्या होगा यदि" (what if) परिदृश्यों के बारे में तर्क करने के लिए एक सैद्धांतिक रूप से ठोस तरीका प्रदान करता है जो पहले अचक्रीय बेयसियन नेटवर्क तक सीमित था, जिससे चक्रीय निर्भरताओं वाले डोमेन में अधिक विश्वसनीय कारण मॉडलिंग सक्षम होती है।