背景简介

因果推断的目标是将外部知识与学习设计结合起来，得到变量之间的因果关系。尤其是在人工智能技术遭遇瓶颈的现在，因果推理的方法也越来越受到不同领域的重视，它在人工智能、统计学、生物统计学、生物医学、计算机科学、经济学、流行病学和各种社会科学等领域获得了广泛的应用。
为了更多地推动因果科学学科的发展，聚集国内外因果科学的一线科研工作者，共同讨论因果科学的最新进展，北京大学讲席教授、北京大学公共卫生学院生物统计系系主任、北京大学北京国际数学研究中心生物统计和信息研究室主任周晓华等发起了泛太平洋因果推断大会，本次会议将集中讨论因果科学在不同领域的最新进展。

该会议曾经邀请过Donald B. Rubin, James M. Robins, Bernhard Schölkopf, Eric J. Tchetgen Tchetgen, Xiao-Hua Zhou, Peng Cui, Kun Zhang, Peng Ding等海内外的学术大拿共同分享最新的科研进展，并进行深度探讨。第二届-第四届大会内容回顾参见：

2020年泛太平洋因果推断大会回顾（一）

2020年泛太平洋因果推断大会回顾（二）

2021年泛太平洋因果推断大会回顾

2022年泛太平洋因果推断大会回顾
更多大会信息，请访问大会的官方网站：https://pattern.swarma.org/pcic/

大会安排

会议时间

会议将于北京时间9月16日至9月17日采取线上+线下相结合的方式举办，线上通过ZOOM会议全球同步分享，同时，本次大会将会在9月15日举办短课，欢迎感兴趣的业界朋友、老师、同学报名参与！海外参会的同学请注意时差合理安排参会：

北京时间Beijing(UTC/GMT +8.00)

美国东海岸时间EST(UTC/GMT -4.00)

美国西海岸时间PST(UTC/GMT -7.00)

会议地点

线下：中关村北大街126号，北京大学中关新园科学报告厅（近地铁4号线北京大学东门站C口）

线上：

扫码进群获取Zoom会议室信息

日程安排

短课：不完美随机化试验的因果推断（报名已截止）

授课老师

周晓华，北京大学讲席教授，博士生导师，北京大学生物统计系主任，北京大学北京国际数学研究中心生物统计及生物信息实验室主任，北京大学国家药品医疗器械监管科学研究院副院长，北京大学重庆大数据研究院副院长。国际生物统计学会中国分会理事长，中国数学会医学数学专业委员会主任委员，美国科学促进会(AAAS)会士，美国统计学会(ASA)会士，国际数理统计学会（IMS）会士等。
邓宇昊，北京大学统计学博士，主要研究生物统计、因果推断、临床试验研究中的统计学方法，导师为周晓华教授。

课程介绍

面向对象：本课程面向高年级本科生、研究生、医药界及工业界人士。

课程目标：本课程旨在提供关于因果推断（causal inference）的清晰全面认识。通过学习本课程，学员不仅将熟悉因果推断学科（特别是基于潜在结果的因果推断）近五十年的重要理论方法，而且将具备在复杂真实世界试验中分析因果作用的能力。

课程特色：本课程会在每个课程环节安排若干时间的实战环节，帮助大家更好的掌握因果推断理论及实际应用。培训结束北京大学公共卫生学院生物统计系将为完成课程的学员颁发证书。最终解释权归北京大学公共卫生学院生物统计系所有。

课程背景：长期以来，人们认为随机化试验是评估因果作用的“金标准”。然而在实际场景中，研究者可能无法获得完美的随机化试验。如何利用非随机化试验评估因果作用？这一因果作用有何意义？

课程介绍：本课程基于潜在结果框架，首先介绍因果推断概念的由来和基本设定，随后探讨两个重要的方法学问题：中介分析和主分层，它们为研究不完美随机化试验提供了理论工具。进一步，本课程考虑随机化试验被破坏的三个具体场景：非依从、死亡截断、缺失数据。不同的估计目标反映了不同的科学问题，并且需要不同的估计和推断方法。最后，根据是否满足非混淆性（可忽略性），本课程考察从简单到复杂的观察性研究，并介绍一些利用观察性研究评估因果作用的手段。同时，本课程将穿插介绍针对各种场景进行因果推断的软件工具。

短课地点：北京大学镜园82号楼甲乙丙楼
课程大纲

短课/大会报名

欢迎对短课和大会感兴趣的业界朋友、老师、同学报名参与！

主办单位

北京大学公共卫生学院生物统计系

北京大学北京国际数学研究中心

北京大学数学科学学院

北京大学统计科学中心

国际生物统计学会-中国分会

中国现场统计研究会生物医学统计学会

中国数学会医学数学专委会

协办单位

集智俱乐部

往年总结：

PCIC2022第四届泛太平洋因果推断大会总结

2021泛太平洋因果推断大会总结

因果表征学习读书会

随着“因果革命”在人工智能与大数据领域徐徐展开，作为连接因果科学与深度学习桥梁的因果表征学习，成为备受关注的前沿方向。以往的深度表征学习在数据降维中保留信息并过滤噪音，新兴的因果科学则形成了因果推理与发现的一系列方法。随着二者结合，因果表征学习有望催生更强大的新一代AI。

集智俱乐部组织以“因果表征学习”为主题、为期十周的读书会，聚焦因果科学相关问题，共学共研相关文献。欢迎从事因果科学、人工智能与复杂系统等相关研究领域，或对因果表征学习的理论与应用感兴趣的各界朋友报名参与。集智俱乐部已经组织三季“因果科学”读书会，形成了超过千人的因果科学社区，因果表征学习读书会是其第四季，现在加入读书会即可参与因果社区各类线上线下交流合作。

详情请见：连接因果科学与深度学习的桥梁：因果表征学习读书会启动

因果科学读书会第三季

由智源社区、集智俱乐部联合举办的因果科学与Causal AI读书会第三季，主要面向两类人群：如果你从事计算机相关方向研究，希望为不同领域引入新的计算方法，通过大数据、新算法得到新成果，可以通过读书会各个领域的核心因果问题介绍和论文推荐快速入手；如果你从事其他理工科或人文社科领域研究，也可以通过所属领域的因果研究综述介绍和研讨已有工作的示例代码，在自己的研究中快速开始尝试部署结合因果的算法。读书自2021年10月24日开始，每周日上午 10:00-12:00举办，持续时间预计 2-3 个月。

详情请见：

因果+X：解决多学科领域的因果问题 | 因果科学读书会第三季启动

因果科学读书会第二季

哥伦比亚大学 CausalAI 实验室主任 Elias Bareinboim 在其 ACM 邀请文章中提到：“如果我们希望下一代人工智能系统是安全的，稳健的，与人类兼容的，提升人类社会福祉的，那么把因果之梯和人类经验连接起来是至关重要的步骤”。回顾人类从亚里士多德开始的 2000 多年的因果研究历程，探求事物之间的因果关系是哲学、自然科学和社会科学等众多研究所追求的终极目标。那么如何让 AI 系统超越曲线拟合，攀登因果之梯思考为什么，并使用因果建模回答因果问题？是本次读书会希望解决的问题。

详情请见：

连接统计学、机器学习与自动推理的新兴交叉领域——因果科学读书会再起航

因果科学读书会第一季

由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！

详情请见：

因果科学与 Causal AI 系列读书会 | 众包出书

点击“阅读原文”，报名参与