1. 因果推理的本質(zhì)： 因果推理涉及利用原始數(shù)據(jù)之外的背景科學(xué)或因果知識，在數(shù)據(jù)上進行推斷。GPT-4在原始數(shù)據(jù)外部學(xué)習(xí)科學(xué)知識和因果關(guān)系，可以用于分析因果問題，做反事實推理等。

2. 深度學(xué)習(xí)模型的學(xué)習(xí)過程： 將深度學(xué)習(xí)模型視為一種漸進學(xué)習(xí)的過程。模型可以從部分數(shù)據(jù)中學(xué)習(xí)知識，然后逐步用學(xué)到的知識進行推理，從而獲取更多因果知識，形成良好的推理能力。

3. 形式化表示與模型內(nèi)部表示的關(guān)系： 人們在因果推理中可能借助DAG等形式化表示進行推理，但并不意味著需要將完全相同的形式化表示硬編碼到模型中。模型可能學(xué)習(xí)出更高效的表示方法，用不同的形式化方法來表示推理過程。

4. 模型的隱式表征： 深度學(xué)習(xí)模型可能在學(xué)習(xí)中形成類似但更高效的表示，而不是直接將人類用的形式化表示硬塞進模型。模型可以根據(jù)數(shù)據(jù)和背景知識發(fā)展出適合自身學(xué)習(xí)能力的表征方式。

5. 連接主義和符號主義的平衡： 不必將連接主義和符號主義爭論中的錯誤重演，即不需要強制將形式化表示硬編碼進模型?？梢宰屇Ｐ透鶕?jù)數(shù)據(jù)和背景知識自主學(xué)習(xí)適合自身的表示方式，以更高效的方式進行因果推理。

6. 推測人與模型的表征： 模型的表征方式不一定要與人類的因果推理方式完全一致。模型可能發(fā)展出更適合于大規(guī)模數(shù)據(jù)處理的表征方式，而這并不妨礙其在因果推理上的表現(xiàn)。