更改

== 简介 Introduction ==

== 因果科学社区介绍 ==

 

=== 因果科学社区简介 ===

一场改变数据科学的新革命——”因果革命“正在发生，与以数据为中心的第一次数据科学革命（涉及机器学习，深度学习及其应用，例如Alpha-Go、图像识别、机器翻译、自动驾驶等等 ）不同，因果革命以科学为中心，扩散到各个领域，从数据到政策、可解释性、机制的泛化，再到社会科学中的归因和公平性问题，甚至哲学中的创造性和自由意志 。可以说， 因果革命彻底改变了科学家处理因果问题的方式，'''形成了一门新学科——因果科学'''。

一场改变数据科学的新革命——”因果革命“正在发生，与以数据为中心的第一次数据科学革命（涉及机器学习，深度学习及其应用，例如Alpha-Go、图像识别、机器翻译、自动驾驶等等 ）不同，因果革命以科学为中心，扩散到各个领域，从数据到政策、可解释性、机制的泛化，再到社会科学中的归因和公平性问题，甚至哲学中的创造性和自由意志 。可以说， 因果革命彻底改变了科学家处理因果问题的方式，'''形成了一门新学科——因果科学'''。

The Causal AI Community is an academic community focuses on the topics of Causal Inference and Artificial Intelligence, which is supported by the Beijing Academy of Artificial Intelligence and the Swarma Club. The aim of the community is to promote the communication and cooperation among researchers who are interested in Causal Inference and AI.

The Causal AI Community is an academic community focuses on the topics of Causal Inference and Artificial Intelligence, which is supported by the Beijing Academy of Artificial Intelligence and the Swarma Club. The aim of the community is to promote the communication and cooperation among researchers who are interested in Causal Inference and AI.

== 愿景 ==

==='''因果科学社区愿景'''===

'''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！

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！

 

 

 

 

== 因果科学读书会 ==

=== 因果科学读书会 ===

为了深入学习探讨因果科学议题，通过集体智慧'''梳理因果科学的核心内容，理解它如何改变数据科学'''，'''助力 AI 系统超越曲线拟合和获得回答因果问题的能力'''；同时，也为了降低科研门槛，促进因果科学的普及，'''集智俱乐部联合智源社区'''，携手开启了因果科学系列读书会。

为了深入学习探讨因果科学议题，通过集体智慧'''梳理因果科学的核心内容，理解它如何改变数据科学'''，'''助力 AI 系统超越曲线拟合和获得回答因果问题的能力'''；同时，也为了降低科研门槛，促进因果科学的普及，'''集智俱乐部联合智源社区'''，携手开启了因果科学系列读书会。

=== 【第一季：因果科学与Causal AI框架及前沿方向】 ===

==== 【第一季：因果科学与Causal AI框架及前沿方向】 ====

图灵奖得主朱迪亚·珀尔教授认为，当下正在进行一场改变数据科学的新革命 ”因果革命“。它以科学为中心，涉及从数据到政策、可解释性、机制的泛化，再到一些社会科学中的归因和公平性问题，甚至哲学中的创造性和自由意志 。本季读书会以Elements of Causal Inference一书为线索，主要展现因果科学在机器学习各个方向上的影响，包括强化学习、迁移学习、表示学习等等，并分享在工业界的部分应用成果。本季读书会梳理了因果科学的核心内容，理解它如何改变数据科学，助力 AI 系统超越曲线拟合和获得回答因果问题的能力。

图灵奖得主朱迪亚·珀尔教授认为，当下正在进行一场改变数据科学的新革命 ”因果革命“。它以科学为中心，涉及从数据到政策、可解释性、机制的泛化，再到一些社会科学中的归因和公平性问题，甚至哲学中的创造性和自由意志 。本季读书会以Elements of Causal Inference一书为线索，主要展现因果科学在机器学习各个方向上的影响，包括强化学习、迁移学习、表示学习等等，并分享在工业界的部分应用成果。本季读书会梳理了因果科学的核心内容，理解它如何改变数据科学，助力 AI 系统超越曲线拟合和获得回答因果问题的能力。

-   

-   

[https://pattern.swarma.org/path?id=145 构建因果引擎，创新科研范式——因果科学的学习路线图]

[https://pattern.swarma.org/path?id=145 构建因果引擎，创新科研范式——因果科学的学习路线图]

=== 【第二季：因果科学与Causal AI基础实战】 ===

==== 【第二季：因果科学与Causal AI基础实战】 ====

因果推断与机器学习领域的结合已经吸引了越来越多来自学界业界的关注。第一季读书会主要关注了因果科学在机器学习方向上的前沿应用，为深入探讨、普及推广因果科学议题，第二季读书会着力于实操性、基础性，带领大家精读因果科学方向两本非常受广泛认可的入门教材：Causal inference in statistics: A primer和Elements of causal inference: foundations and learning algorithms。读书会以直播讨论为主，结合习题交流、夜谈、编程实践、前沿讲座等多类型内容，主要面向有机器学习背景、希望深入学习因果科学基础知识和重要模型方法、寻求解决相关研究问题的研究人员。

因果推断与机器学习领域的结合已经吸引了越来越多来自学界业界的关注。第一季读书会主要关注了因果科学在机器学习方向上的前沿应用，为深入探讨、普及推广因果科学议题，第二季读书会着力于实操性、基础性，带领大家精读因果科学方向两本非常受广泛认可的入门教材：Causal inference in statistics: A primer和Elements of causal inference: foundations and learning algorithms。读书会以直播讨论为主，结合习题交流、夜谈、编程实践、前沿讲座等多类型内容，主要面向有机器学习背景、希望深入学习因果科学基础知识和重要模型方法、寻求解决相关研究问题的研究人员。

-   

-   

[https://pattern.swarma.org/path?id=138 因果科学读书会第二季主题论文合集]

[https://pattern.swarma.org/path?id=138 因果科学读书会第二季主题论文合集]

=== 【第三季：因果科学与Causal +X领域概览】 ===

==== 【第三季：因果科学与Causal +X领域概览】 ====

“因果”并不是一个新概念，而是一个已经在多个学科中使用了数十年的分析技术。通过前两季的分享，我们主要梳理了因果科学在计算机领域的前沿进展。如要融会贯通，我们需要回顾数十年来在社会学、经济学、医学、生物学等多个领域中，都是使用了什么样的因果模型、以什么样的范式、解决了什么样的问题。我们还要尝试进行对比和创新，看能否以现在的眼光，用其他的模型，为这些研究提供新的解决思路。

“因果”并不是一个新概念，而是一个已经在多个学科中使用了数十年的分析技术。通过前两季的分享，我们主要梳理了因果科学在计算机领域的前沿进展。如要融会贯通，我们需要回顾数十年来在社会学、经济学、医学、生物学等多个领域中，都是使用了什么样的因果模型、以什么样的范式、解决了什么样的问题。我们还要尝试进行对比和创新，看能否以现在的眼光，用其他的模型，为这些研究提供新的解决思路。

-  

-  

[https://pattern.swarma.org/path?id=146 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论文合集]

[https://pattern.swarma.org/path?id=146 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论文合集]

== 因果科学读书会产出成果 ==

 

 

 

=== 因果科学读书会产出成果 ===

 

 

==== 因果科学开源书籍 ====

==== 因果科学相关算法、框架、数据集 ====

收集了因果科学相关的概率编程框架、工具包、数据集及基准，并依此进行分类。[https://swarma.org/?p=27736 因果科学算法、框架、数据集汇总]

** [https://mp.weixin.qq.com/s?__biz=MzU5ODg0MTAwMw==&mid=2247491336&idx=2&sn=6dc419037fc7d0bde56dcb0fc3c25423&chksm=febf5cccc9c8d5da6582ada27e0ded229073d04e8d0547d6a228fcd4611073ae001f230ec0c6&scene=21#wechat_redirect 《因果科学周刊》第1期：因果社区诚邀加入，打造因果推理共同范式]

** [https://mp.weixin.qq.com/s?__biz=MzU5ODg0MTAwMw==&mid=2247491873&idx=3&sn=4c9e586a16367301399dc2a59409cbad&chksm=febca2e5c9cb2bf34c6b81dc23b6de0ea3115ef9690c5bdbd2aa4d2d0b2e645c1c2aed6963b3&scene=21#wechat_redirect 《因果科学周刊》第2期：如何解决混淆偏差？]

* 收集了因果科学相关的概率编程框架、工具包、数据集及基准，并依此进行分类。[https://swarma.org/?p=27736 因果科学算法、框架、数据集汇总]

== 主办方 ==

== 主办方 ==