본 논문은 인공지능 분야에서 데이터 생성 과정(DGP)을 이해하고 모델링하는 것의 중요성을 강조하며, 심층 생성 모델(DGMs)의 한계점(일반화 및 해석력 부족)과 인과관계의 장점(해석력 및 외삽 능력)을 분석합니다. DGMs와 인과관계의 시너지 효과에 주목하여, DGMs 내 인과 원리 통합, DGMs를 이용한 인과 확인, 특히 대규모 생성 모델(LLMs)에서의 인과 관계 연구 동향을 탐구합니다. 연구 방법론에 대한 통찰, 미해결 과제, 그리고 미래 연구 방향을 제시하며, 빠르게 발전하는 이 분야에 대한 종합적인 검토를 제공합니다.
