出版社内容情報
因果推論には、①ドメイン知識を因果モデルに落とし込むスキル、②確率論の深いスキル、③統計手法の深いスキル、の3つのスキルが求められる。本書は主に、①のスキルに焦点を当てている。オーダーメイドな因果モデリングを可能にするライブラリを活用し、統計的な重労働にはPyTorchのようなディープラーニングの仕組みを用いることにより、「コードファースト」のアプローチで因果推論の理論を実践的に学ぶ。さらに、生成AI・LLMにおける因果性の位置づけについても取り上げており、現代のAI設計における因果性の話題も豊富である。因果推論を学びたいデータサイエンティストや機械学習エンジニアにとっての必携書となるであろう。
＜2011年チューリング賞受賞 ジューディア・パール（Judea Pearl）推薦＞
『因果AI』は、因果的なストーリーを生成し理解するAIシステムを構築するために、今まさに必要な1冊である。Robertは、わかりやすい解説、最先端のコード例、そして実世界の応用を通して、因果科学と反実仮想の論理を、生成AIと巧みに結びつけている。この革新的な分野を身につけたいすべての人にとって、この本は必読といえよう。－－Judea Pearl
［原著］Causal AI, Manning Publications, 2025
【目次】
【第I部 基礎概念】
第1章 なぜ因果AIか
第2章 確率的生成モデリング入門
【第II部 因果グラフの構築と検証】
第3章 因果グラフィカルモデルを構築する
第4章 因果制約でDAGを検証する
第5章 因果とディープラーニングを繋ぐ
【第III部 因果階層】
第6章 構造的因果モデル
第7章 介入と因果効果
第8章 反実仮想と並行世界
第9章 汎用的な反実仮想推論アルゴリズム
第10章 識別と因果階層
【第IV部 因果推論の応用】
第11章 因果推論ワークフローを構築する
第12章 因果意思決定と強化学習
第13章 因果推論と大規模言語モデル
目次
第１部 基礎概念（なぜ因果ＡＩか；確率的生成モデリング入門）
第２部 因果グラフの構築と検証（因果グラフィカルモデルを構築する；因果制約でＤＡＧを検証する；因果とディープラーニングを繋ぐ）
第３部 因果階層（構造的因果モデル；介入と因果効果；反実仮想と並行世界；汎用的な反実仮想推論アルゴリズム；識別と因果階層）
第４部 因果推論の応用（因果推論ワークフローを構築する；因果意思決定と強化学習；因果推論と大規模言語モデル）
著者等紹介
ネス，ロバート・オサズワ［ネス，ロバートオサズワ］ ［Ｎｅｓｓ，Ｒｏｂｅｒｔ Ｏｓａｚｕｗａ］
Ｍｉｃｒｏｓｏｆｔ Ｒｅｓｅａｒｃｈで生成ＡＩの研究をしています。ノースイースタン大学のＫｈｏｕｒｙ Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓの非常勤教授（ａｄｊｕｎｃｔ ｐｒｏｆｅｓｓｏｒ）です。ジョンズ・ホプキンス大学とパデュー大学で学び、統計学の博士号（Ｐｈ．Ｄ．）を取得しています
小山田創哲［コヤマダソウテツ］
神戸大学大学院経済学研究科講師。博士（情報学）。強化学習、ゲームＡＩを中心に、人工知能における意思決定の研究に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
