演讲摘要:因果关系是普遍存在于事物之间的内在联系,挖究事物之间的因果关系是一项重要的科学研究任务。在人工智能(AI)领域,因果推断被认为是最有可能打破目前弱AI瓶颈的技术之一,它可以通过分析观测数据来挖掘其中蕴含的因果关系,推断出事物内在的运作机理,因而具有干预推理、反事实推理等强AI能力。近十多年来,得益于加性噪声模型的引入,因果推断研究逐渐进入了快速发展时期,但同时也面临着一系列亟待解决的问题。本报告将介绍近年来我们在基于加性噪声模型的因果推断方法上取得的一些进展和将我们的方法应用于致病基因检测的初步结果。
讲者简介:复旦大学计算机科学技术学院教授,上海市智能信息处理重点实验室主任。主要研究领域为数据管理、人工智能与生物信息学。在国内外学术期刊(包括Nature Communications, NAR, Bioinformatics, IEEE/ACM TCCB, VLDBJ, IEEE TKDE和IEEE TPDS等)和学术会议(包括ISMB, RECOMB, SIGMOD, SIGKDD, VLDB, ICDE, AAAI, IJCAI, SODA, ICCV和CVPR等)发表研究论文300多篇,总引用7700余次,h-index=49;获教育部自然科学二等奖2项、教育部科技进步二等奖2项。目前为中国计算机学会杰出会员、IEEE高级会议、ACM会员、中国计算机学会数据库专委会和生物信息学专委会委员。有关周水庚的详细信息,可访问其个人主页:http://admis.fudan.edu.cn/~sgzhou。