导语


本次分享与因果科学与Causal AI读书会进行联动，对文章《Causal Consistency of Structural Equation Models》进行解读。这篇文章是从因果视角对复杂系统间转换的开创性工作，主要介绍了结构方程模型 (SEM) 之间精确转换 (exact transformations) 的概念，以评估何时可以将两个 SEM 视为同一系统的因果一致模型。在本次报告中，北京大学李昊轩将讲解因果视角下 SEM 之间的精确转换理论，以及精确转换在复杂系统中的重要应用；北京科技大学杨明哲将介绍因果涌现与精确转换的结合，对有效信息进行了补充。


因果涌现读书会第二季主要围绕追根溯源、因果涌现、因果表示学习、机器学习多尺度自动建模、量子因果五大主题来探寻涌现、因果科学和机器学习这三大主题之间的联系。自2022年5月22日开始，每周日晚上19:00-21:00举办，仍在进行中。欢迎对本话题感兴趣的朋友报名参加！






跟读书会主题之间的关系




  • 与读书会之间的关系：这篇文章是从因果视角对复杂系统间转换的开创性工作，文中的框架考虑到了do干预操作在不同水平之间的映射关系，也覆盖到尽可能多的系统种类，包括含有环因果关系的系统，为之后的因果涌现研究提供了更为坚实的理论基础。


  • 与复杂系统之间的关系：复杂系统是多尺度的，在许多情况下，对一个复杂系统的综合或间接测量构成了对该系统的宏观描述的基础，但几乎没有理论来解释这是否合理，或者微观和宏观描述是如何相互联系的。精确转换使用因果语言揭示了不同层级的复杂系统间的因果一致性，该理论可以为普遍存在于复杂系统分析中的重整化/粗粒化操作提供理论基础。此外，文中还考虑到对一个复杂系统的三种粗粒化的情况，定义粗粒化操作的精确性，方便人们在一个更为简单有效的层面上去研究复杂系统。





因果视角下SEM之间的精确转换理论




报告内容简介


复杂的系统可以在不同的细节层面上进行建模。什么时候我们可以只对一个复杂系统中的一个子系统进行建模？什么时候一个微观层面的系统可以用宏观层面的特征进行因果描述？循环的因果模型是如何产生的？这些不同的问题都可以用结构方程模型 (SEM) 之间的因果关系转换语言来考虑。理想情况下，同一系统的因果模型应该是相互一致的，即它们在对干预效果的预测上一致。在SEM的情况下，因果一致性的概念可以通过引入SEM之间的精确转换 (exact transformations) 进行正式定义。这为考虑以下三种情况下的不同描述水平提供了一种通用语言：(a) 具有大量变量的模型与 “不相关 “或不可观察的变量被边缘化的模型；(b) 微观层面的模型与宏观层面的模型，其中宏观变量是微观变量的总体特征；(c) 动态时间序列模型与静止行为的模型。精确转换强调了在因果建模过程中明确的干预措施的重要性，并揭示了对循环SEM的解释。

【大纲】

1.Background: Linking Causal Reasoning at Different Scales / 背景：建立不同尺度上的因果推理联系

2.The Causal Foundations of Structural Equation Models (SEM) / 结构方程模型的因果基础

3.Exact Transformations between Structural Equation Modelings (SEM) / SEM之间的精确转换

Background Knowledge / 相关背景知识

Causal Interpretation of Exact Transformations / 精确转换的因果解释

What can go wrong when a transformation is not exact? / 不精确转换的潜在问题

4.Exact Transformations between Complex Systems / 复杂系统间的精确转换

Marginalisation of variables / 变量的边缘化

Micro- to macro-level and aggregate features / 从微观到宏观层面和特征聚合

Stationary behaviour of dynamical processes / 动态过程的静止行为

5.Conclusion / 总结

【主要涉及到的知识概念】

  • 复杂系统 Complex System
  • 因果建模 Causal Modelling
  • 结构方程模型 Structural Equation Model
  • 干预 Intervention

  • do-演算 do-calculus


主讲人介绍

李昊轩，北京大学大数据科学研究中心博士研究生，导师为周晓华教授，专业为数据科学（统计学），研究兴趣为因果推断，推荐系统，强化学习。获北京大学校长奖学金，已在IJCAI，KDD等多个顶尖会议发表文章，现为NeurIPS，AAAI等审稿人。




因果涌现和精确转换的关系




报告内容简介


对于同一个系统，我们可以从不同的水平去描述它，而我们希望的是，能用尽可能简单的方程模型做出有效的因果描述。例如在一个封闭空间内，我们可以测量温度和压力，但几乎不可能追踪每一个分子轨迹。这里牵扯到两个维度，一个是复杂性：控制温度和压力显然比控制一个个分子要容易很多；另一个是精确性，也就是在宏观水平的描述就足以得到我们想要的因果上的结论，而不必还原到每一个分子上才能解答因果上的问题。本次分享将重点介绍因果涌现与精确转换的关联：Correlation between causal emergence and exact transformation;因果涌现的案例：Examples of causal emergence。

【大纲】

1.Basic concepts of causal emergence /因果涌现的基本概念

2.The relationship between causal emergence and exact transformation/因果涌现和精确转换的关系

3.Related causal emergent cases /相关的因果涌现的案例

4.Conclusion/总结

5.Extension/其它延伸


主讲人介绍

杨明哲，北京科技大学信息与计算科学系准大四学生，研究兴趣方向复杂系统、因果涌现等。

参考文献

[1] Rubenstein, P. K. ,  Weichwald, S. ,  Bongers, S. ,  Mooij, J. M. ,  Janzing, D. , &  Grosse-Wentrup, M. , et al. (2017). Causal consistency of structural equation models.
[2] Erik Hoel. “When the Map Is Better Than the Territory.” Entropy 19, no. 5 (April 26, 2017): 188. https://doi.org/10.3390/e19050188
[3] Erik Hoel et al. “Quantifying causal emergence shows that macro can beat micro..” Proceedings of the National Academy of Sciences of the United States of America (2013): n. pag.




直播信息




直播时间：

2022年8月21日（周日）晚上19:00-21:00


参与方式：

  • 集智俱乐部 B 站免费直播，扫码可预约：

扫码预约

  • 文末扫码付费参加因果涌现读书会第二季可加入腾讯会议，可提问交流，加入群聊，获取回看地址及更多学习资料，成为因果涌现社区种子用户，与因果涌现社区的一线科研工作者沟通交流，共同推动因果涌现社区的发展。


因果涌现读书会第二季招募中


跨尺度、跨层次的涌现是复杂系统研究的关键问题，生命起源和意识起源这两座仰之弥高的大山是其代表。而因果涌现理论、机器学习重整化技术、自指动力学等近年来新兴的理论与工具，有望破解复杂系统的涌现规律。同时，新兴的因果表示学习、量子因果等领域也将为因果涌现研究注入新鲜血液。


由北京师范大学教授、集智俱乐部创始人张江和加州大学圣地亚哥分校助理教授尤亦庄等人发起的「因果涌现」系列读书会第二季，将组织对本话题感兴趣的朋友，深入研读相关文献，激发科研灵感。本读书会自2022年5月22日开始，每周日晚19:00举办，预计持续7-8周。欢迎感兴趣的朋友报名参与。


本季读书会详情与报名方式请参考：
因果、涌现与机器学习：因果涌现读书会第二季启动


点击“阅读原文”，报名直播