Abstract:
如何让人工智能掌握具有统计学保证的因果推断与决策能力?本报告介绍我们围绕这一问题开展的系列研究。首先,利用因果对偶理论,研究如何从有限的观测信息中获得可靠的因果结论,并据此实现统计方法的自动选择与评估。随后,介绍我们近期提出的波动监督预训练方法(FSP),将有效影响函数所刻画的抽样波动融入模型训练,使基础模型能够学习统计估计程序及其不确定性,并建立相应的统计理论保证。在此基础上,我们进一步探索将因果识别、统计推断、主动实验设计与智能决策整合到统一的基础模型中,推动因果分析从针对单一问题的统计计算,走向能够跨任务复用的自动化研究流程,并介绍相关基础模型与评测基准(Benchmark)的建设进展。
About the Speaker:
张智恒,上海财经大学统计与数据科学学院常任轨助理教授,CAUSAL实验室负责人,2025年获清华大学交叉信息研究院博士学位。主要研究方向为因果推断、实验设计、统计学习与智能决策。担任人工智能领域顶级会议领域主席、中国现场统计研究会因果推断分会理事等学术职务。研究成果发表于COLT、JASA、JMLR、ICML、NeurIPS、KDD、SIGIR、UAI、IJOO等统计学与人工智能领域的国际重要期刊和会议。

Your participation is warmly welcomed!

欢迎扫码关注北大统计科学中心公众号,了解更多讲座信息!