標(biāo)題：因果表示學(xué)習(xí)——揭示隱藏的世界
報(bào)告時(shí)間：2024年11月5日（星期二）9：00-10：00
報(bào)告地點(diǎn)：線(xiàn)上騰訊會(huì)議（會(huì)議ID：342-122-607）
主講人：張坤
主辦單位：數(shù)學(xué)與統(tǒng)計(jì)學(xué)院
報(bào)告內(nèi)容簡(jiǎn)介：
因果關(guān)系是科學(xué)、工程，甚至機(jī)器學(xué)習(xí)中的一個(gè)基本概念。揭示觀(guān)測(cè)數(shù)據(jù)背后的因果過(guò)程可以幫助回答“為什么”和“如何”的問(wèn)題，并提供決策優(yōu)化的依據(jù)，以及實(shí)現(xiàn)自適應(yīng)預(yù)測(cè)。在許多情況下，觀(guān)測(cè)到的變量（如圖像像素和問(wèn)卷結(jié)果）通常是隱藏因果變量的反映，而非因果變量本身。因果表示學(xué)習(xí)旨在揭示潛在的隱藏因果變量及其關(guān)系。因果系統(tǒng)的模塊化特性意味著因果表示的最小變化和獨(dú)立變化屬性。在本次報(bào)告中，我們展示了如何利用這些屬性從觀(guān)測(cè)數(shù)據(jù)中恢復(fù)具有可識(shí)別性的隱藏因果表示，在適當(dāng)?shù)募僭O(shè)下，學(xué)習(xí)到的表示與潛在的因果過(guò)程是一致的。我們考慮了多種問(wèn)題設(shè)置，包括獨(dú)立同分布（i.i.d.）數(shù)據(jù)、時(shí)間序列數(shù)據(jù)或具有分布變化的數(shù)據(jù)作為輸入的情形。我們展示了在何種情況下可識(shí)別的因果表示學(xué)習(xí)可以從靈活的深度學(xué)習(xí)中獲益，以及何時(shí)必須對(duì)因果過(guò)程施加適當(dāng)?shù)膮?shù)模型假設(shè)，并通過(guò)各種示例和應(yīng)用進(jìn)行補(bǔ)充說(shuō)明。
主講人簡(jiǎn)介：
張坤是卡內(nèi)基梅隆大學(xué)哲學(xué)系副教授和機(jī)器學(xué)習(xí)系的兼職教授；同時(shí)，他也是阿聯(lián)酋穆罕默德·本·扎耶德人工智能大學(xué)（MBZUAI）的訪(fǎng)問(wèn)教授、機(jī)器學(xué)習(xí)系執(zhí)行系主任以及綜合人工智能中心的主任。他的研究專(zhuān)注于通過(guò)多種數(shù)據(jù)揭示因果關(guān)系，并從因果角度研究機(jī)器學(xué)習(xí)中的問(wèn)題，包括遷移學(xué)習(xí)、表示學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。張坤長(zhǎng)期擔(dān)任機(jī)器學(xué)習(xí)和人工智能領(lǐng)域主要會(huì)議的高級(jí)領(lǐng)域主席、領(lǐng)域主席或高級(jí)程序委員會(huì)成員，這些會(huì)議包括UAI、NeurIPS、ICML、IJCAI、AISTATS和ICLR。他是第一屆因果學(xué)習(xí)與推理會(huì)議（CLeaR 2022）的聯(lián)合創(chuàng)始人、主席及程序聯(lián)合主席，第38屆人工智能不確定性會(huì)議（UAI 2022）的程序聯(lián)合主席，擔(dān)任UAI 2023的大會(huì)聯(lián)合主席，以及ICDM 2024的程序聯(lián)合主席。
