自从贝叶斯网络之父Judea Peal吹响“因果革命”的号角以来，因果科学在人工智能领域越来越深入人心，我们因果科学社区也已汇聚了数百名来自中国AI学术界、产业界的各路专家和青年才俊。但另一个方面，因果科学的具体落地应用，比如在人机交互的主要感知途径——计算机视觉领域，其实践却鲜为人知。而CV本身也亟待借助因果科学的翅膀实现进一步的腾飞。
相关性不是因果。然而，这个常识在在今天的大多数计算机视觉研究中，令人惊讶地被忽略了。但是有少数一些视觉领域学者，比如近年来，来自南洋理工大学助理教授张含望团队在这方面取得许多成果，并且发起了Causality in CV Workshop CVPR 2021，会议邀请了 Bernhard Schlkopf、朱松纯、Susan Athey、Max Welling等分享其有关工作。
现在，我们很荣幸地邀请到了南洋理工大学助理教授张含望博士，他将就其研究过程的原始想法和经验体会，为大家呈现一场精彩而无私的内容分享。
报告主题：因果推理在计算机视觉中的进展
报告时间：2021年3月23日（周二）20:00~21:00
报告形式：线上（Zoom + 智源社区Hub + B站直播）
张含望，南洋理工大学助理教授
讲者介绍：张含望博士，荣获“南洋”学者经费资助。他于2009年在浙江大学取得学士学位，并在2014年在新加坡国立大学取得了博士学位，之后在新加坡国立大学和美国哥伦比亚大学从事研究工作。张博士的主要研究领域是多模态当中的计算机视觉和机器推理。张博士曾经获得ACM MM 2013的最佳学生论文，ACM SIGIR 2016的最佳论文提名奖，以及TOMM 2018和IEEE TMM 2020的最佳论文, IEEE AI’s 10 to watch。其团队获得Visual Dialog Challenge 2018, 2020亚军以及2019冠军。
报告摘要:
因果关系或推理往往被学界大佬拿来当作实现下一代或强人工智能的武器。然而，它的具体实现却鲜被提及。其实，远在南洋中南半岛最南端的MReaL实验室，早在2019年就低调的开始了因果推理在计算机视觉里的实践探索。迄今，MReaL已经发表了11篇成果，广泛应用在零样本/小样本/开放域/增量学习，长尾分布，分割检测，对抗攻击，VQA，图文生成等领域。在这次报告中，MReaL成员张含望不仅会揭示这些工作背后的原始想法，还会把下一步的打算无私分享给大家。希望通过这次分享，让大家初步学会如何把因果科学用在您的研究中。
观看方式：
智源社区Hub直播：（点击【阅读原文】或扫描下方二维码）
（社区报名，可收到短信定时提醒）
Zoom 观看：
https://zoom.com.cn/j/65814744790（无密码）| 会议号：658 1474 4790
B站直播：https://live.bilibili.com/21484823
因果科学社区愿景
回答因果问题是各个领域迫切的需求，当前许多不同领域（例如 AI 和统计学）都在使用因果推理，但是他们所使用的语言和模型各不相同，导致这些领域科学家之间沟通交流困难。因此我们希望构建一个社区，通过组织大量学术活动，使得科研人员能够掌握统计学的核心思想，熟练使用当前 AI 各种技术（例如 Pytorch/Pyro 搭建深度概率模型），促进各个领域的研究者交流和思维碰撞，从而让各个领域的因果推理有着共同的范式，甚至是共同的工程实践标准，推动刚刚成型的因果科学快速向前发展。具备因果推理能力的人类紧密协作创造了强大的文明，我们希望在未来社会中，因果推理融入到每个学科，尤其是紧密结合和提升 AI ，期待无数具备攀登因果之梯能力的 Agents (Causal AI) 和人类一起协作，共建下一代的人类文明！
欢迎加入因果科学社区：
如果您有适当的数学基础和人工智能研究经验，既有科学家的好奇心也有工程师思维，希望参与到”因果革命“中，教会机器因果思维，为因果科学作出贡献，请加入我们微信群：扫描下面二维码加入。
阅读往期《因果科学周刊》，请点击下面链接：
《因果科学周刊》第一期：因果社区诚邀加入，打造因果推理共同范式
《因果科学周刊》第二期：如何解决混淆偏差？
《因果科学周刊》第三期：因果助力 Stable Learning
《因果科学周刊》第四期：因果赋能推荐系统
《因果科学周刊》第五期：ODD泛化
《因果科学周刊》第六期：领域自适应
《因果科学周刊》第七期：2021因果强化学习第一课
转播
