الاستدلال السببي والزمني حول ديناميكية الفيديو يُعدّ مشكلة صعبة. وعلى الرغم من أن النماذج العصبية-الرمزية التي تجمع بين الاستدلال الرمزي والرؤية والتنبؤ القائمين على الشبكات العصبية أظهرت إمكانات واعدة، إلا أنها تواجه قيودًا، خصوصًا في الإجابة على الأسئلة المضادة للواقع. يقدّم هذا البحث منهجية لتعزيز نموذج عصبي-رمزي للاستدلال المضاد للواقع، مستخدمًا الاستدلال الرمزي حول العلاقات السببية بين الأحداث. نعرّف مفهوم الرسم البياني السببي لتمثيل هذه العلاقات، ونستخدم برمجة مجموعات الإجابة (ASP)، وهي طريقة برمجة منطقية توصيفية، لتحديد كيفية تنسيق وحدات الرؤية والمحاكاة. ونُقدّم تحققًا من فعالية منهجنا على معيارين: CLEVRER وCRAFT. يُظهر تحسيننا أداءً متقدمًا على مستوى الحد الأقصى في تحدّي CLEVRER، ويتفوّق بشكل ملحوظ على النماذج الحالية. أما في حالة معيار CRAFT، فنستخدم نموذج لغوي مُدرّب مسبقًا كبيرًا، مثل GPT-3.5 وGPT-4، كمُحاكي ديناميكي بديل. تُظهر نتائجنا أن هذا المنهج يمكنه تحسين الأداء بشكل إضافي في الإجابة على الأسئلة المضادة للواقع من خلال تقديم محفّزات بديلة موجهة بالاستدلال السببي الرمزي.