Resumen:Describimos una teoría y la implementación de un marco intuicionista descentralizado para el descubrimiento causal utilizando el cálculo de judo, que se define formalmente como una inferencia causal j-estable utilizando el cálculo j-do en un topos de haces. En aplicaciones del mundo real, desde la biología hasta la medicina y las ciencias sociales, los efectos causales dependen del régimen (edad, país, dosis, genotipo o protocolo de laboratorio). Nuestro cálculo de judo propuesto formaliza formalmente esta dependencia del contexto como una verdad local: una afirmación causal se demuestra cierta en una cobertura de regímenes, no en todas partes a la vez. El operador modal de Lawvere-Tierney j elige qué regímenes son relevantes; La estabilidad j significa que el reclamo se mantiene de manera constructiva y consistente en toda esa familia. Describimos un marco algorítmico y de implementación para el cálculo de judo, combinándolo con métodos estándar de descubrimiento causal basados en puntuaciones, restricciones y gradientes. Describimos resultados experimentales en una variedad de dominios, desde conjuntos de datos sintéticos hasta conjuntos de datos del mundo real de biología y economía. Nuestros resultados experimentales muestran la eficiencia computacional obtenida por la naturaleza descentralizada del descubrimiento causal de la teoría de la gavilla, así como un rendimiento mejorado con respecto a los métodos clásicos de descubrimiento causal.
Publicado originalmente en export.arxiv.org el 28 de octubre de 2025.
Ver fuente original
