张坤

卡内基·梅隆大学副教授

个人介绍：

张坤博士现任卡内基·梅隆大学哲学系和机器学习系副教授，同时担任德国马克思普朗克智能系统研究所高级研究员。他的主要研究方向是机器学习和人工智能，特别专注于因果发现和因果机器学习的研究。在机器学习顶级会议和期刊发表论文100余篇, 并担任如NeurIPS，ICML等多个顶级会议的领域主席。

议题：

因果关系和通用人工智能

议题介绍：

抽烟导致肺病吗？我们能通过分析两个变量的观测值找出它们之间的因果关系吗？在我们的日常生日和科学研究中，为了理解以及恰当的控制系统，人们常常试图回答这样的因果性问题，而过去几十年，在机器学习、统计和哲学领域的都有一系列相关进展。另一方面，我们经常遇到复杂环境下的机器学习问题。比方说，非平稳环境下我们如何做最优预测？我们如何达到所谓的通用人工智能？有意思的是，最近几年我们发现因果性能帮助和理解一系列机器学习问题，包括迁移学习和半监督学习。这个报告着眼在如何从被动观测数据中找出因果关系，为何因果性可帮助解决机器学习问题，以及如何实现。最后，我会讨论因果描述与通用人工智能关系何在。