連合因果発見と推論に関するサーベイ

AI（人工知能）の世界で、今、注目されているのが「因果推論」という考え方です。これは、単に「Aが起きたらBも起きた」という相関関係だけでなく、「Aが起きたからBが起きた」という原因と結果の関係、つまり「因果構造」を見つけ出そうとするものです。例えば、ある薬が病気を治すのか、それとも病気が自然に治ったから薬を飲んだだけなのか、といったことをデータから正確に判断するために役立ちます。

しかし、この因果推論を進める上で、大きな壁があります。それは、分析に必要なデータが、プライバシーの問題や通信の制限などから、一つの場所に集められないことが多いという点です。例えば、病院ごとに患者さんのデータがありますが、個人情報保護のために、それらをすべて集めて分析することはできません。そこで登場するのが「連合学習（FL）」という技術です。

連合学習は、それぞれの場所にあるデータを、外部に持ち出さずに、AIモデルだけを共有して学習させる方法です。これにより、生データを直接見ることなく、複数のデータソースをまとめて分析できるようになります。この連合学習を因果推論に応用したのが、「連合因果発見（FCD）」と「連合因果推論（FCI）」という分野なのです。

この分野はまだ新しく、さまざまな研究が行われていますが、学際的（いろいろな分野の知識が必要）であったり、全体像をまとめた解説が少なかったりするため、新しく研究を始めたい人にとっては少しハードルが高いのが現状でした。今回ご紹介する論文は、この課題に応えるべく、これまでの連合因果発見・推論に関する研究を体系的に整理し、分かりやすく解説したものです。

論文では、研究の基本的な部分である「構造（因果関係のパターン）をどうやって学ぶか」「データをどう分けるか」「各参加者がどのような因果関係の知識を持つか」という3つの設計上の決定を軸に、研究を分類しています。さらに、時間とともに変化するデータや、バラバラのデータ、一部のデータが欠けている場合、さらには参加者ごとに見ている変数の種類が違うといった、実際の研究でよく直面する難しい問題についても調査しています。これにより、この分野の研究者やこれから参入したいと考えている人々にとって、非常に役立つガイドとなることが期待されます。