理学院学术报告—定量因果分析、信息流以及因果智能预报

报告题目：定量因果分析、信息流以及因果智能预报

报告专家：梁湘三 教授 （复旦大学）

报告时间：2023年9月15日（周五）10：30—11：30

报告地点：2B-408

专家简介：梁湘三，复旦大学特聘教授、博士生导师、南方实验室一级首席科学家。早年毕业于美国哈佛大学，获应用数学博士学位，曾工作于哈佛大学(Harvard)、麻省理工学院(MIT)、库朗数学研究所(Courant)、国家海洋局二所、中央财经大学中国经济与管理研究院、南京气象学院等单位，是中国南极考察队第九次队成员、哈佛Ernst Habicht Fellow。学术上的贡献包括Liang-Kleeman信息流以及从第一性原理推导出的因果分析、正则传输、多尺度子空间变换等理论与方法论，多次应邀到麻省理工学院（MIT）、加州大学洛杉矶分校（UCLA）、Woods Hole海洋所、東京大學、欧盟联合研究中心等近30所海外研究机构做学术讲座。主持国家自然科学基金重点项目“因果分析、大气可预报性传递及其在台风突然转折路径预报中的应用”。

报告摘要：因果分析是科学研究的核心问题，也是哲学上的重要问题, 最近更是被认定为人工智能领域的下一个突破口，包括诺贝尔奖获得者Granger、Angrist、Imbens以及图灵奖获得者Pearl在内的科学家们已经为此努力了半个多世纪。我们的系列研究表明，因果性可用信息流衡量，而信息流是真实的物理概念，可由第一性原理严格导出、不必如传统方法那样以半经验的形式出现（如Liang,2016, Phys. Rev. E, 94, 052201）。传统的因果分析在很多情况下验证不了这样一个被称为“零因果准则”的事实在这里以一个被证明的定理出现。尤为重要的是，所得因果量的形式对任意非线性变换保持不变，表明它刻画的是一种真实的物理性质。针对一些动力系统如baker 变换、Hénon 映射等，我们已经得到一些解析解。对于线性系统来说，因果量的最大似然估计可以用两序列之间的样本协方差的组合表示。一个推论是：在线性条件下，有因果必有相关，但有相关不必有因果，用一个数学表达式明晰了自Berkeley(1710)以来哲学上关于相关与因果的长期争论。    我们的结果已经在众多现行的因果分析解决不了的问题中得到了验证，并成功地用到越来越多的学科中，如金融、深度学习、脑神经科学、量子物理、地球科学、流体力学（湍流）、环境科学等。此次讲座将用一些实际例子来讲述如何利用它来促进不同领域的科学发现（如为何2008年Lehman Brothers的破产会引发全球金融危机）、设计因果人工智能算法以增强可解释性、开发智能预报系统来预报如El Niño、暴雨、台风等灾害性天气与气候事件。