LLM增强因果关系发现的实用指南（附带Python代码），最小化幻觉的风险
“世界就是一切情况。”
路德维希·维特根斯坦——《论述哲学的逻辑哲学》（1922年）
婴儿出生时并不理解动力的本质。
我们——人类——以及许多其他非人类动物来到这个世界时，都配备有帮助我们了解环境的系统，但在我们出生的那天，我们对环境本身知之甚少¹。
我们需要学习。
在这一点上，我们与机器学习系统有相似之处。
心理学和(原)神经科学关于人类和其他非人类动物学习的早期发现，启发了建立能够从经验中学习的人工系统。
导致2010年代的机器学习革命的最成功的学习范式之一是监督学习。
以监督方式训练的神经网络使我们在图像分类或机器翻译等长期存在的问题上取得了几十年的进步。
人类和其他非人类动物配备了类似于监督学习的学习机构（从概念上²而言，但不一定在实施方面）。
然而，婴儿和监督算法学习的方式也存在根本性的区别。
扔东西（但不是扔给你）
您是否见过父母试图说服他们的孩子不要乱扔玩具？有些父母倾向于将这种行为解释为粗鲁、破坏性或攻击性，但婴儿们往往有完全不同的动机（Molak, 2023）。