导语


本次分享是与因果科学与Causal AI读书会联动的第三弹，对文章《Approximate Causal Abstraction》进行解读。在上次分享的《Abstracting Causal Models》中，给出了限制性更强的抽象（abstraction）这一概念，排除了很多虽然满足精确转换定义但其实并不“好”的粗粒化。本次分享将在抽象这一概念上更深入一层，又放宽了一些限制，给出近似抽象（approximate abstraction）的概念，同时度量了我们在精确性上的损失到底有多大，使得多尺度因果模型的数学框架能够真正落地到实际应用中。


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：延续对文章《Abstracting Causal Models》的讨论，探讨如何在保持因果一致性的前提下，让多尺度上的因果模型可以应用于更多的科学实践中，这离因果涌现的框架又近了一步。

与复杂系统之间的关系：在实际研究复杂系统的时候，我们所做的粗粒化往往不能非常理想地满足因果一致性，而本文给出了一个近似抽象的办法，让我们可以对复杂系统粗粒化的精确性和简便性之间做出一个取舍，从而能让因果模型与多尺度复杂系统的实际应用真正结合起来。





报告内容简介




对于复杂系统，我们一直希望能把它粗粒化到一个高水平层次上，从而可以更简单地分析问题。例如研究厄尔尼诺现象的科学家会对整片海域不同子区域上的海面温度与风速分别粗粒化成两个宏观变量，进一步研究它们之间的因果关系。但关键在于粗粒化后，宏观水平的因果描述还是不是一种有效的因果描述，与低水平上的因果关系保持着一致性。一开始，适用于概率因果模型的精确转换（exact transformation）被提出，开创性地给因果一致性定义出了数学上的框架。上次分享的《Abstracting Causal Models》中，给出了限制性更强的抽象（abstraction）这一概念，排除了很多虽然满足精确转换定义但其实并不“好”的粗粒化。本次分享在抽象这一概念上更深入一层，又放宽了一些限制，提出了近似抽象（approximate abstraction）的概念，同时度量了我们在精确性上的损失到底有多大，使得多尺度因果模型的数学框架能够真正落地到实际应用中。

【大纲】

1.概述：从精确转换到近似抽象    Overview: Moving from exact to approximate abstraction

2.抽象的限制条件   Abstract constraints

3.近似抽象及相关定义   Approximate abstraction and related definitions

3.1距离函数   distance function

3.2近似  approximate

3.3近似抽象  approximate abstraction

3.4概率因果模型上的近似抽象   Approximate abstraction on probabilistic causal models

4.近似抽象的拆解  Almost abstract disassembly

5.讨论和总结   Discuss and summarize

【主要涉及到的知识概念】

干预 Intervention

满射 Surjection

距离函数 Distance Function

概率因果模型 Probabilistic Causal Models





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] Beckers, S. ,  F. Eberhardt , and  J. Y. Halpern . “Approximate Causal Abstraction.” (2019).



直播信息




直播时间：

2022年9月11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