报告人：张坤
报告地点：腾讯会议ID：678-157-661
报告时间：2026年06月16日星期二14:00-15:00
邀请人：王晓飞
报告摘要：
本报告主要介绍因果学习，尤其是因果表征学习最近的一些进展，以及这些进展如何帮助我们实现可解释、可干预，可外推的人工智能。报告会以生成式人工智能为例来阐释因果性约束所带来的具体作用。
主讲人简介：
张坤是卡内基梅隆大学的教授以及MBZUAI人工智能大学的访问
教授。他的研究兴趣聚焦于机器学习与人工智能，特别是从因果关系（Causal Perspective）的角度出发实现智能。他致力于解决该领域诸多长期存在的挑战，包括如何揭示含有隐变量的因果结构、利用分布信息区分原因与结果、开发条件独立性检验、处理测量误差与缺失数据，以及因果视角如何赋能生成式人工智能（Generative AI）。他长期在机器学习与人工智能领域的顶级国际会议中担任高级领域主席（Senior Area Chair）、领域主席（Area Chair）或高级程序委员会委员（Senior Program Committee Member）。他是首届因果学习与推理大会（CLeaR 2022）的联合创始人，目前还担任 JASA、JMLR、IEEE TPAMI 以及 ACM Computing Surveys 等顶级学术期刊的副主编（Associate Editor）。
学校主页