因果关系是决策的核心，但人们对因果模型在现实世界中做出决策的效果如何却知之甚少。
机器学习、统计学、经济学和其他领域已经引入了从数据到原因的方法（banq注：还原论）。这些算法是根据它们恢复因果结构的准确程度进行评估的，但尚不清楚这些模型将如何与个人已知的信息进行交互。
在这项工作中，我们表明因果模型可以帮助在不熟悉的情况下做出决策，但是当个人对某个领域有先前的经验时，因果模型会降低置信度并导致决策不太准确。提取越来越复杂和详细的模型不一定会导致更好的决策。
- 简单地向人们展示更多信息可能不会产生预期的效果，特别是当他们必须将这些信息与他们现有的知识和信念结合起来时。
- 虽然因果推断可能会导致更明智的决策，但我们发现需要做更多的工作来使因果模型对日常生活中的决策类型有用。
- 因果信息可能需要根据每个人的经验和信念进行调整。
原击标题