导语


北京师范大学系统科学学院全球暑期学堂近期正在举办中，8月24日下午15:00-17:00将有集智俱乐部的社区老师作前沿报告，分别是北京师范大学教授张江分享复杂系统建模，卡内基梅隆大学助理教授张坤分享因果表征学习。这两场讲座将在集智俱乐部视频号直播，欢迎感兴趣的朋友预约参与。


参与方式：

  • 预约集智俱乐部微信视频号直播：






复杂系统建模

——从简单规则到数据驱动的自动建模




报告内容简介

复杂系统在我们日常生活中无处不在，其中广泛存在的非线性、长程相关特性以及多尺度涌现现象使得我们对复杂系统的建模，以及对其复杂因果规律的提取面临巨大的挑战。我们将当前流行的复杂系统建模方法分为基于简单规则的建模、基于数据的人工建模，以及纯数据驱动的机器学习建模三类，并利用具体的研究案例讲述不同的建模方法，并对它们的各自优劣进行相互比较。


主讲人介绍


张江，北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。主要研究领域包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学等。其开创的集智俱乐部是国内外知名的学术社区，致力于复杂系统、人工智能等多领域的跨学科交流与合作。

时间：
2022年8月24日下午15:00-16:00



因果表征学习进展




本次分享是综述性的介绍，将主要介绍因果表征学习方法及其最新进展。

因果表征学习的目的是揭示底层隐藏的因果变量及其关系。它可以被视为因果发现的一个特例，其目标是从观察数据中恢复潜在的因果结构或因果模型。因果系统的模块化特性意味着因果表征的最小变化和独立变化的性质，我将解释这些性质如何在可识别性的保证下，使得从观察数据中恢复潜在的因果表征成为可能：在适当的假设下，学到的表征与潜在的因果过程一致。


此次分享将介绍独立同分布（i.i.d.）数据、时序数据或存在分布偏移的数据作为输入的各种数据类型设置，并说明可识别的因果表征学习何时可以从深度学习的灵活性中受益，何时必须对因果过程施加参数化的假设。


主讲人介绍


张坤，卡内基梅隆大学哲学系助理教授和机器学习系副教授，研究兴趣是机器学习和人工智能，尤其是因果发现、基于因果关系的学习和通用人工智能。曾担任大型机器学习或人工智能会议的区域主席或高级程序委员会成员，包括NeurIPS、UAI、ICML、AISTATS、AAAI和IJCAI。
个人主页：https://www.cmu.edu/dietrich/philosophy/people/faculty/zhang.html

时间：
2022年8月24日下午16:00-17:00


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”，报名读书会