Робота спрямована на висвітлення спектру задач та інструментів, які застосовуються для виявлення причинності в автоматизованому причинно-наслідковому висновку та нових підходах до причинно-наслідкового виявлення на основі даних. Посилаючись на теоретичний та практичний досвід світових наукових досліджень з впровадження інструментів виявлення причинності, в даній роботі висвітлено ряд методів, які, відповідно до поставлених задач, умов та припущень, застосовують для причинно-наслідкового виявлення. Зосереджено увагу також на застосуванні різних алгоритмів, залежно від ідентифікації припущень про причинно-наслідкові структури. Починаючи від золотих стандартів причинного виявлення та до більш точних, але обмежених спектром умов, алгоритмів, описано сучасний стан, переваги та недоліки застосування інструментарію.
Цель статьи. Целью дпной работы являеться краткий обзор и анализ современных методов, алгоритмов и технологий обнаружения причинной связи и спектр задач, в которых имеет место применение соответствующего инструментария. Методы. Начиная от золотых стандартов причинной выявления и к более точным, но ограниченных спектром условий, алгоритмов, описано современное состояние, преимущества и недостатки применения инструментария. Результат. Проведен анализ современного состояния существующих методов, алгоритмов и технологий установления причинности, осмотрено перспективы дальнейшего развития и совершенствования инструментария для причинно-следственной обнаружения.
Purpose. The purpose of this work is a brief overview and analysis of modern methods, algorithms and technologies for detecting causation and the range of tasks in which the use of the appropriate tools takes place. Methods. Starting from the gold standards of causal identification and to more accurate, but limited by the range of conditions, algorithms, the current state, advantages and disadvantages of the use of tools are described. Result. The analysis of the current state of existing methods, algorithms and technologies for establishing causality is carried out, the prospects for further development and improvement of tools for causal detection are examined.
