導語

為了系統梳理因果涌現最新進展，北京師范大學系統科學學院教授、集智俱樂部創始人張江老師領銜發起，組織對本話題感興趣的朋友，深入研讀相關文獻，激發科研靈感。

本周將進行這一系列讀書會的第二期分享，由Fabio Massimo Zennaro介紹因果抽象。歡迎感興趣的朋友加入讀書會，期待更多感興趣的研究者能夠在這片方興未艾的研究領域找到未來的科研方向。

本次分享將于2025年3月31日（本周一）17:00-19:00進行，歡迎感興趣的朋友參與討論交流！

當期內容簡介

在本次研討會上，我們將對快速發展的因果抽象領域進行概述。在快速回顧結構因果模型（SCMs）的形式體系之后，我們將引入因果抽象的概念；我們會回顧文獻中提出的用于表達結構因果模型之間因果抽象關系的主要框架，突出它們的優點和局限性。然后，我們將重點探討在不同抽象層次上度量結構因果模型一致性的問題，并表明不同的度量方式可能捕捉到因果抽象的不同方面。最后，我們將闡述學習兩個結構因果模型之間因果抽象關系的問題，并對近期應對這一挑戰的研究工作進行概述。我們將以對一些開放性問題和未來研究方向的討論作為結尾。

內容大綱

• 結構因果模型（SCMs）的形式體系

• 因果抽象的概念

• 現有框架及其優缺點

• 不同抽象層次下SCMs一致性度量

• 總結與展望

核心概念

因果抽象causal abstraction,

τ-抽象τ-abstraction,

α-抽象α-abstraction,

干預一致性interventional consistency,

干預信息損失interventional information loss,

因果抽象學習causal abstraction learning

主講人簡介

Fabio Massimo Zennaro：卑爾根大學機器學習組終身副教授，華威大學名譽副教授。研究興趣集中在結構因果模型和因果抽象的研究上，以及在機器學習和強化學習中學習和利用抽象的方法。

直播信息：

時間：2025年3月31日（周一）下午5:00-7:00

報名參與讀書會：

斑圖鏈接：https://pattern.swarma.org/study_group_issue/875?from=wechat

掃碼參與，加入群聊，獲取系列讀書會回看權限，加入「因果涌現」社區，與社區的一線科研工作者溝通交流，共同推動這一前沿領域的發展。

參考文獻

• Causal Abstraction

  https://arxiv.org/abs/1707.00819

Quantifying Consistency and Information Loss for Causal Abstraction Learning

• Abstraction Measures

  https://arxiv.org/abs/2301.05893

Jointly Learning Consistent Causal Abstractions Over Multiple Interventional Distributions

• Causal Abstraction Learning

  https://arxiv.org/abs/2305.04357

Causal Consistency of Structural Equation Models

因果涌現讀書會第六季

在霓虹燈的閃爍、蟻群的精密協作、人類意識的誕生中，隱藏著微觀與宏觀之間深刻的因果關聯——這些看似簡單的個體行為，如何跨越尺度，涌現出令人驚嘆的復雜現象？因果涌現理論為我們揭示了答案：復雜系統的宏觀特征無法通過微觀元素的簡單疊加解釋，而是源于多尺度動態交互中涌現的因果結構。從奇異值分解（SVD）驅動的動態可逆性分析，到因果抽象與信息分解的量化工具，研究者們正逐步構建起一套跨越數學、物理與信息科學的理論框架，試圖解碼復雜系統的“涌現密碼”。

為了系統梳理因果涌現最新進展，北京師范大學系統科學學院教授、集智俱樂部創始人張江老師領銜發起，組織對本話題感興趣的朋友，深入研讀相關文獻，激發科研靈感。

讀書會將從2025年3月16日開始，每周日早9:00-11:00，持續時間預計10周左右。每周進行線上會議，與主講人等社區成員當面交流，之后可以獲得視頻回放持續學習。誠摯邀請領域內研究者、尋求跨領域融合的研究者加入，共同探討。

詳情請見：