2022年9月24日-9月26日北京（线上线下同步举办）
学术主任：崔鹏副教授清华大学
主办单位：中国计算机学会
本期ADL主题《因果学习和决策》,由清华大学崔鹏副教授担任学术主任，邀请到耿直（教授，北京工商大学）、苗旺（助理教授,北京大学）、蔡瑞初（教授,广东工业大学）、崔鹏（副教授，清华大学）、俞扬（教授，南京大学）、况琨（副教授，浙江大学）、何向南（教授，中国科技大学）和王希廷（主管研究员，微软亚洲研究院）等8位专家做专题讲座。
活动日程：
2022年9月24日（周六）
9:00-9:10
开班仪式
9:10-9:20
全体合影
9:20-12:00
专题讲座1:因果推断综述：因果作用、因果关系与归因
耿直，教授，北京工商大学
12:00-13:30
午餐
13:30-15:00
专题讲座2:Thepotentialoutcomeframeworkforcausalinference苗旺，助理教授，北京大学
15:30-17:00
专题讲座3:SCM与因果关系发现
蔡瑞初，教授，广东工业大学
2022年9月25日（周日）
9:00-12:00
专题讲座4:因果启发的稳定学习与分布外泛化
崔鹏,副教授，清华大学
专题讲座5:因果强化学习研究进展
俞扬，教授，南京大学
专题讲座6:大数据因果推理与强化决策
况琨，副教授，浙江大学
2022年9月26日（周一）
8:30-10:00
专题讲座7:因果推荐方法概述
何向南,教授，中国科技大学
10:30-12:00
专题讲座8:让深度模型像人一样推理与解释
王希廷,研究员，微软亚洲研究院
13:30-16:30
圆桌Panel:因果学习和决策的核心基础问题
部分讲者
特邀讲者1：耿直，教授，北京工商大学
讲者简介：耿直，北京工商大学数学与统计学院，教授。1982年上海交通大学本科毕业，1989年日本九州大学获理学博士学位，1989年至2021年北京大学任教，2022年1月至今北京工商大学任教，正在组建因果推断的研究团队。研究领域为因果推断、不完全数据统计分析、生物医学统计等。研究成果发表在统计学、机器学习、人工智能等国内外刊物。1996年当选为国际统计学会推选会员，1998年获国家杰出青年基金项目，曾应邀在2011年国际工业与应用数学大会（ICIAM2011)做60分钟大会特邀报告。曾任中国现场统计研究会理事长、中国概率统计学会理事长、中国统计学会副会长，IMS-China主席。现任北京生物医学统计与数据管理研究会（BBA）会长，中国人工智能学会不确定性人工智能专委会副主任委员。
报告题目：因果推断综述：因果作用、因果关系与归因
特邀讲者2：苗旺，助理教授，北京大学
报告题目：Thepotentialoutcomeframeworkforcausalinference
报告摘要：Thistalkisabriefintroductionofthepotentialoutcomeframeworkforcausalinference.Wefirstintroducethedefinitionofcausaleffectswithpotentialoutcomesandthenfocusonseveralcausalproblems.Particularly,wewilldiscussrandomizationinference,confoundingadjustment,andproximalinference.Applicationsinsyntheticcontrolandtestnegativedesignwillbeusedforillustration.
特邀讲者3：蔡瑞初，教授，广东工业大学
报告题目：SCM与因果关系发现
讲者简介：崔鹏，清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于大数据驱动的因果推理和稳定预测、大规模网络表征学习等。在数据挖掘及人工智能领域顶级国际会议发表论文100余篇，先后5次获得国际会议或期刊论文奖，并先后两次入选数据挖掘领域顶级国际会议KDD最佳论文专刊。担任IEEETKDE、ACMTOMM、ACMTIST、IEEETBD等国际期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、电子学会自然科学一等奖、北京市科技进步一等奖、中国计算机学会青年科学家奖、国际计算机协会（ACM）杰出科学家。
报告题目：因果启发的稳定学习与分布外泛化
报告摘要：主流机器学习模型的基本假设是训练和测试数据的独立同分布（IID），导致其缺乏对分布外数据的泛化能力（Out-Of-DistributionGeneralization），使得当前模型在真实、开放场景下的预测性能无法保证，是当前机器学习研究的公认重要难题之一。本报告将重点介绍因果启发的稳定学习最新研究进展，并针对分布外泛化问题进行全面介绍和思路分析。特邀讲者5：俞扬，教授，南京大学
报告题目：因果强化学习研究进展
报告摘要：因果学习与强化学习长期以来是独立发展的两个分支学科，很少有所结合。然而两者之间有着很强的内在联系。报告将从强化学习的角度，介绍因果学习在强化学习任务中的必要性，并介绍因果学习在状态抽象和环境模型学习方面能为强化学习带来的改进。特邀讲者6：况琨，副教授，浙江大学
报告题目：大数据因果推理与强化决策
报告摘要：因果决策问题存在于许多领域，例如医疗保健、经济学、政治学、数字营销等。基于历史大数据，如何推断因果效应成为因果决策的关键。在本次报告中，我将重点介绍因果推理决策在大数据背景下所遇到的全新挑战，包括（1）高维噪声变量；（2）未知混淆变量；（3）连续/复杂干预变量等。同时，利用因果推理赋能机器学习，我们将因果反事实机制和因果去偏差思想应用于多智能体强化学习领域。针对多智能体强化学习中的信度分配问题，分别提出了（1）基于因果沙普利值的反事实信度分配模型，和（2）去偏差的值分解算法等。通过引入因果知识，这些算法有效提升了多智能体强化学习的效果。
特邀讲者7:何向南,教授，中国科技大学
报告题目：因果推荐方法概述
特邀讲者8:王希廷,研究员，微软亚洲研究院
讲者简介：王希廷是微软亚洲研究院社会计算组主管研究员，研究兴趣为可解释、负责任的人工智能。王希廷分别于2011和2017年在清华大学获得电子系学士和计算机系博士学位。她的研究成果发表在KDD、ICML、SIGIR、TVCG等各个数据挖掘、机器学习及可视化的顶级会议、期刊上，被引用1700余次，还在微软等多公司的多个产品中落地应用。两次获得CCF-A类期刊TVCG封面论文奖，获得AAAI2021BestSPC奖。王希廷同时还是中国计算机学会高级会员，多次担任AAAI和IJCAI的高级程序委员会委员，并且在WWW、ICML、NeurIPS等国际顶级会议中常态化担任程序委员会委员。
报告题目：让深度模型像人一样推理与解释
报告摘要：深度学习模型复杂的结构和大规模的参数让人们越来越难对它们进行理解、预测和掌控。我们应该怎么让模型变得更透明、可理解、更容易训练、调试和优化呢？怎么让深度学习的能力进一步提高，从而可以进行像人一样可以处理复杂问题的推理呢？这次讲座中，我们介绍如何将深度学习模型进行升级，在利用到它们表示学习能力的同时，让它们具备像人一样进行逻辑规则推理、多层级推理、在知识图谱上的多步推理、以及在社交网络上的子图推理的能力。我们的方法不仅可以保持深度学习模型的高预测准确性，还可以让机器知其然也知其所以然，用正确的逻辑做出判断，同时也给了用户检查模型、进一步提高模型效果的机会。
学术主任：
崔鹏，副教授，清华大学
崔鹏，清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于大数据驱动的因果推理和稳定预测、大规模网络表征学习等。在数据挖掘及人工智能领域顶级国际会议发表论文100余篇，先后5次获得国际会议或期刊论文奖，并先后两次入选数据挖掘领域顶级国际会议KDD最佳论文专刊。担任IEEETKDE、ACMTOMM、ACMTIST、IEEETBD等国际期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、电子学会自然科学一等奖、北京市科技进步一等奖、中国计算机学会青年科学家奖、国际计算机协会（ACM）杰出科学家。
线下地址（疫情允许的情况下）：北京中国科学院计算技术研究所一层报告厅
（北京市海淀区中关村科学院南路6号）
线上地址：报名交费成功后，会前一周通过邮件发送。
报名须知：
1、报名费：CCF会员2800元，非会员3600元。受疫情影响，本期ADL线上线下同步举办，线上线下报名注册费用相同。食宿交通费用自理。根据交费先后顺序，会员优先的原则录取，额满为止。疫情期间，根据政府疫情防控政策随时调整举办形式（线上、线下）。