🤖 AI

Relational Structural Causal Models

本文引入了关系结构因果模型和关系神经因果模型，以使人工智能系统能够学习因果表示，从而支持对未见过的对象组合进行干预和反事实推理，即使在存在未观测混杂因素的情况下也是如此。

原作者： Adiba Ejaz, Elias Bareinboim

发布于 2026-06-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Adiba Ejaz, Elias Bareinboim

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试教一个机器人如何开车。你给它看了成千上万段交通视频。但问题在于：在每一段你给它看的视频中，都恰好只有两辆车和一名行人。

现在，你把这个机器人放在了一条真实的道路上，那里有三辆车和两名行人。机器人惊慌失措了。它从未见过这种特定的组合。它不知道第三辆车应该停还是该走。

这就是这篇论文所要解决的问题。它在问：我们如何构建一种能够理解事物交互“规则”的 AI，使其能够处理从未见过的物体组合，而无需重新训练？

作者们将他们的解决方案称为关系结构因果模型（Relational Structural Causal Models, RSCMs）。以下是他们所做工作的拆解，使用了简单的类比。

1. 问题：是“食谱”还是“食材”？

目前的多数 AI 模型就像是一个背下了制作“三颗番茄加两根黄瓜”沙拉食谱的厨师。如果你给他们一份“四颗番茄加一根黄瓜”的沙拉，他们就会感到困惑。他们并不理解沙拉的“逻辑”，他们只是记住了特定的食材清单。

在现实世界中（如交通、生物学或社交网络），物体的数量不断变化。

交通： 有时有 2 辆车，有时有 10 辆。有时行人是在车 A 前面，有时是在车 B 前面。
目标： 我们需要一个能够学习“食谱”（因果规则），而不只是学习特定“食材”的 AI。它需要知道：“如果红灯控制一辆车，那么这辆车就会停止，”无论场景中有的是一辆车还是百辆车。

2. 解决方案：“通用规则手册”

作者创建了一种新型模型，称为关系结构因果模型（RSCM）。

不要把 RSCM 看作是一份特定事实的清单，而要把它看作一本通用规则手册。

它不是说“车 1 在灯 1 为红灯时停止”，而是规则手册说：**“任何”车辆在“任何”**控制它的灯变为红灯时都会停止。
它还能处理关系：“如果路径上有任何行人正在穿行，汽车就会停止。”

这使得 AI 可以将同样的规则手册应用于包含 2 辆车的场景，或者包含 50 辆车的场景。它不需要看到所有可能的组合也能知道该做什么。

3. 重大发现：你不能仅仅靠“猜测”

论文提出了一个非常重要的、甚至有些令人不安的发现。他们在数学上证明了：你无法仅仅通过观察一组场景的数据，就自动推断出一个完全不同的新场景中会发生什么。

类比：
想象你有一台制作三明治的机器。

场景 A： 你只看到这台机器在制作只有“一片奶酪”的三明治。
场景 B： 你想知道如果放入“两片奶士”会发生什么。

作者证明了，如果不了解内部机制（因果图），你就无法仅通过观察场景 A 来猜测场景 B 的结果。

也许机器是线性增加奶酪的（2 片 = 双倍美味）。
也许机器有一个极限（2 片 = 机器卡住）。
也许机器完全忽略了第二片奶酪。

如果你只观察机器制作单片奶酪三明治的过程，你无法知道这三种规则中的哪一个是正确的。你需要知道机器的结构（因果图）才能做出这种预测。

4. 修复方法：绘制地图

为了解决这个“猜测”问题，作者说我们需要为 AI 提供一张关系地图（关系因果图）。

这张地图告诉 AI：

“信号控制行人。”
“处于汽车路径中的行人会影响汽车。”
“除非控制它们，否则信号不会直接影响汽车。”

一旦 AI 有了这张地图，它就可以使用一种特殊的数学工具（称为“识别准则”）来判断它是否能够回答关于新场景的问题。

如果地图说“可以”： AI 可以利用旧场景的数据，自信地预测新场景的结果。
如果地图说“不可以”： AI 就知道它信息不足，不应该进行猜测。

5. “神经”引擎

最后，作者构建了一个使用该规则手册和地图的计算机程序（神经网络）。他们称之为关系神经因果模型。

他们在模拟交通场景中测试了它。

他们在具有特定数量汽车和行人的场景中训练了 AI。
他们要求它预测在具有不同数量汽车和行人的场景中会发生什么。

结果：
这种新模型在预测未见场景方面的表现远优于标准的 AI 模型。即使标准模型是直接在“未见场景”上进行训练的，这个使用正确规则的新模型通常也能表现得同样出色甚至更好。

总结

问题： 当物体的数量或排列发生变化时（例如 2 辆车 vs 10 辆车），AI 会遇到困难。
洞察： 你不能仅通过观察旧数据来学习新组合的规则；你需要知道底层的因果结构。
工具： 他们创建了一个“规则手册”（RSCM）和一个“地图”（因果图），告诉 AI 物体是如何相互作用的。
证明： 他们在数学上展示了何时可以以及何时无法预测新场景，并构建了一个成功利用这些规则推广到未见交通场景的神经网络。

简而言之，他们赋予了 AI 一种理解关系逻辑的能力，而不仅仅是记忆物体清单的能力，从而使其能够应对现实世界中复杂多变的情况。

技术摘要：关系结构因果模型

问题陈述

人工智能系统需要既具备因果性（支持关于干预和反事实的推理）又具备组合性（支持对未见过的对象组合进行泛化）的世界模型。虽然结构因果模型（SCMs）提供了因果推理的形式化方法，但它们通常假设变量集是固定的且因果图是固定的。这一局限性阻碍了它们在对象数量和关系结构动态变化的领域中的应用，例如自动驾驶、机器人技术和生物系统。

现有的关系机器学习方法擅长组合泛化，但往往无法提供因果保证，经常利用在干预下会失效的不稳定相关性。相反，因果推理方法往往难以在不同的关系骨架（例如具有不同数量汽车和信号灯的交通场景）之间进行泛化，因为它们依赖于固定变量的假设，或假设对象是独立同分布（i.i.d.）的。

核心问题在于：如何在一个形式化框架下，学习并执行跨越不同对象与关系组合的因果推理（包括干预和反事实查询），特别是在仅能获得特定观测到的关系骨架数据的情况下？

方法论

作者提出了一个以**关系结构因果模型（RSCMs）和关系神经因果模型（RNCMs）**为核心的框架。

1. 关系结构因果模型 (RSCMs)

本文将标准的 SCMs 扩展到对象-关系设置中。RSCM 由一个元组 $\langle S, V, U, F, P(U) \rangle$ 定义，其中：

模式 (Schema, $S$ )： 定义实体类型（例如：汽车、信号灯）、关系类型（例如：Ctrl、Path）以及属性。
机制 (Mechanisms, $F$ )： 与标准 SCM 中机制接收固定大小输入不同，RSCM 机制接受多重集（multisets）形式的关系父节点。例如，一辆汽车的制动机制取决于控制它的所有信号灯以及路径上所有行人的集合。这些机制使用关系约束（一阶逻辑谓词）来确定哪些对象是相关的，并使用聚合器（例如 $\lor, \land, \text{sum}, \text{max}$ ）来组合它们的值。
实例化 (Grounding)： 一个 RSCM 是一个模板。当它在特定的关系骨架（一组具体的对象和关系）上实例化时，它会产生一个具有固定变量集的地面 SCM（ground SCM）。

2. 不可能性结果

作者首先建立了在没有进一步假设情况下的学习理论极限：

定理 3.3（跨骨架观测推理）： 在没有额外假设的情况下，即使是观测分布也无法从源骨架识别出未见的目标骨架分布。两个 RSCM 可能在所有观测到的源骨架上表现一致，但如果目标骨架包含源骨架中不存在的关系配置（例如，一辆汽车受两个信号灯控制），它们在目标骨架上可能会产生分歧。
定理 3.4（骨架内因果推理）： 即使在单个骨架内，如果一个实体具有多个属性，仅凭观测数据在没有关于因果结构假设的情况下，不足以识别干预分布。

3. 通过图形准则进行关系识别

为了克服这些不可能性结果，本文引入了关系因果图 (RCGs)。这些图编码了关于数据生成过程的假设，包括：

非关系边： 同一对象不同属性之间的依赖关系。
关系节点： 相关对象的聚合值（例如，“控制汽车 $c$ 的所有信号灯”）。
约束： 在边上标注的约束，指定了依赖关系成立的关系条件。

利用这些图，作者推导出了符号识别准则：

观测识别 (定理 4.3)： 如果存在一个具有未混杂变量的源实例，且其父域是目标父域的超集，则目标骨架中的条件分布是可识别的。
因果识别 (命题 4.4)： 如果一个查询可以通过在边缘化后的地面图上的 ctf-calculus（反事实演算）进行识别，那么它是关系可识别的。
不可识别性 (命题 4.5)： 如果一个对象内的查询在标准意义上是不可识别的（例如由于 bow-structure 结构），那么它在关系设置下仍然是不可识别的。

4. 关系神经因果模型 (RNCMs)

为了实际落地，作者提出了 G-约束关系神经因果模型 (G-RNCMs)。

架构： 为每种属性类型定义一个神经网络（例如，为 Car.B 定义一个网络）。该网络在任何骨架中的所有该类型实例中进行重用（参数共享）。
输入： 网络接收非关系父节点和聚合后的关系父节点（例如，相关对象状态的数量或直方图）。
算法 (RelationalNeuralID)： 该模型通过拟合源分布（观测或干预）来训练，同时最小化或最大化目标查询。如果查询的最小值和最大值重合，则该查询是可识别的；否则，它是不可识别的。定理 5.2 证明了 RNCMs 足以表示任何与该图一致的 RSCM。

核心贡献

形式化 RSCMs： 为对象-关系领域提供了严谨的因果模型定义，支持变化的物体数量和关系，扩展了 SCM 框架。
识别理论： 证明了在没有假设的情况下进行跨骨架推理的不可能性，随后开发了图形准则（关系因果图），实现了跨骨架和骨架内的识别。
神经实现： 提出了 RNCMs，这是一种基于参数共享和聚合来处理组合泛化的、健全且完备的神经识别方法。
实验验证： 通过模拟交通场景实验证明，RNCMs 在处理未见的物体组合时，性能优于非关系因果基准模型和非因果关系基准模型。

实验结果

作者使用具有不同数量信号灯、行人及汽车的模拟交通场景对方法进行了评估。

估计准确度： 在可识别设置下，RNCMs 的表现始终优于平坦的神经因果模型 (NCMs) 和非因果关系基准模型 (REL-MLP)，提升幅度约为 100 倍。值得注意的是，在估计特定车辆的因果效应时，一个在源骨架（如侧入车道）上训练的 RNCM 甚至优于直接在目标骨架（如 T 型路口）上训练的基准模型，这突显了关系结构的价值。
泛化能力： RNCMs 成功地泛化到了更小的和匹配的关系邻域。性能仅在不可识别设置下（例如，将模型泛化到受两个信号灯控制的汽车，而源数据中只有一个信号灯）才会下降，这与理论上的不可能性结果相吻一。
识别准确度： 该算法成功区分了可识别和不可识别的查询。对于可识别的跨车查询，最小化估计与最大化估计之间的差距收敛至零；对于不可识别的单车内查询，该差距依然很大。
可扩展性： 包含多达 75 个对象的实验表明，随着对象数量的增加，准确度保持稳定，仅伴随运行时间的适度增加，展示了参数共享的可扩展性。

意义与主张

本文声称为对象-关系设置下的因果推理提供了方法论基础。通过统一关系学习（用于组合泛化）和因果推理（用于对干预的鲁棒性），这项工作解决了 AI 世界模型中的关键空白。

作者强调，其框架并不假设对象是独立同分布的，也不假设关系结构是固定的。相反，它明确建模了因果机制如何依赖于关系约束。其意义在于，能够使 AI 系统在动态环境（如自动驾驶）中进行“如果……会怎样”的推理，在这些环境中，对象的数量和排列方式会发生变化，只要底层的因果机制在这些变化中保持一致。这项工作表明，在这些领域中，成功的泛化依赖于对关系结构的显式假设，而这些假设可以通过关系因果图进行编码，并通过 RNCMs 进行学习。