报告人：陈正鸣
报告地点：腾讯会议ID：613-638-233
报告时间：2026年1月6日星期二14:00-15:00
邀请人：王晓飞
报告摘要：
因果关系一直是人类认识世界的基本方式和现代科学的基石。正如爱因斯坦所言，西方科学的发展建立在两个伟大成就之上：一是希腊哲学家发明了形式逻辑体系，二是人类通过系统的实验发现了探寻因果关系的可能性。与统计相关性相比，因果关系能够明确区分“原因”与“结果”，在揭示事物发生机制、指导干预行为等方面具有不可替代的作用。然而，我们如何从数据中识别这样的因果关系？虽然随机对照实验（RCT）是最直接的因果验证手段，但现实中往往受到技术与伦理约束，难以大规模实施。因此，学者们开始探索如何仅凭观测数据去推断潜在的因果结构——这便形成了因果发现（Causal Discovery）这一研究领域。
本报告将围绕“从观测数据发现因果关系”这一核心问题展开，回顾因果发现的主要思想与发展脉络，并介绍隐因果表征学习等近年来的新进展，旨在探讨如何将因果性思想融入机器学习框架，从而推动人工智能向具备理解与推理能力的下一代智能系统迈进。
主讲人简介：
陈正鸣，汕头大学数学与计算机学院，讲师。从事因果关系发现、机器学习等相关领域的研究，特别是关于隐变量模型、代数统计学、张量计算等技术的理论与应用。在JMLR、TNNLS、Neurocomputing、ICML、NeurIPS、AAAI、IJCAI、《软件学报》等重要刊物或CCF A类会议上发表高质量论文20余篇，其中2篇论文被评选为Spotlight，现担任TNNLS、Japanese Journal of Statistics and Data Science 、KBS、Neurocomputing、NeurIPS、ICML、AAAI、ICDM、ICLR、AISTATS等人工智能重要期刊或会议审稿人，研究成果在国际人工智能联合会议（IJCAI 2023，中国澳门）、（IJCAI 2025，中国广州）、“数据科学与人工智能”秋季论坛（2022，广东广州）等国内外重要会议上进行口头汇报。主持广东省自然科学面上基金一项，汕头大学科研项目一项，作为核心骨干成员参与国家重点研发计划项目一项。
学校主页