【CCFDL专辑】跨媒体因果推断进展及未来趋势

导读：跨媒体智能是国家“新一代人工智能发展规划”的重要内容，也是当前学术界和产业界共同关注的热点。跨媒体智能的主要基础理论问题是借鉴生物的跨媒体信息表达和处理机理，从视、听、语言等媒体通道将外部世界转化为内部模型，实现智能感知和认知并进一步做出行动。现阶段的跨媒体智能在抽象归纳、演绎推理、反馈强化及因果推断等方面正面临着新的研究难点和挑战。本期CCFDL专辑收录了CNCC2020主题为“跨媒体因果推断”的分论坛报告视频，多名知名学者就跨媒体因果推断当前进展及未来趋势开展主题报告及研讨，具体的研讨内容包括：跨媒体因果推断的概念、内涵及挑战；跨媒体因果推断的最新理论和方法探索；跨媒体因果推断的未来发展趋势；跨媒体因果推断的创新应用方向等。

报告1：网络多媒体大数据表征与推理

讲者：朱文武 信息科学与技术国家研究中心副主任

简介：网络多媒体大数据异构性强、维度高、关联复杂，给其表征与推理带来巨大挑战。本报告首先介绍网络多媒体大数据表征与推理的科学问题和研究思路，然后介绍网络多媒体大数据表征与推理的研究方法，最后探讨网络多媒体大数据认知所面临的挑战与思考。

报告2：马尔科夫逻辑网的可扩展学习和推理

讲者：张文生 中国科学院自动化研究所研究员、博士生导师

简介：马尔科夫逻辑网具有融合一阶逻辑与概率图模型的强大表达能力，然而搜索空间大和子句实例化不易处理，造成了应用困难。我们提出了可扩展马尔可夫逻辑网络学习和推理的实例网络采样框架，构建具有代表性的简单路径子集，建立由简单路径到递归限定子句的稳健转换机制，提出自动生成模板网络快速定位可以实例化给定子句的有效路径方法，最后通过实例化网络进行子句学习和概率推理，理论证明和实验结果验证了实例网络采样框架的优越性。

报告3：脑功能网络的因果分析

讲者：胡德文 国防科技大学智能科学学院教授、博士生导师

简介：主要介绍功能成像脑网络研究中的两个主要的因果分析流派，即格兰杰因果分析与应用，动态因果建模与分析应用。特别是介绍在随机动态因果建模分析方面的工作。

报告4：基于数据的因果计算：百年三流派、推理三层次、和势网动力学

讲者：徐雷 上海交大致远讲席教授、人工智能研究院首席科学家

简介：首先介绍了因果计算的基本问题，概述因果研究百年来的Neyman-Rubin、Wright-PearlSpirtes、和Granger-Sims三个主要流派。其次简述了双向深度学习、双向智能系统、以及三层次推理框架。 然后介绍最近提出的因果势理论Causal Potential Theory (CPT) (Xu, 2018)。回归物理学，视因果趋向为由势能引起的内在动力学性质，而网络拓扑则进一步约束因果作用之流动方向和路径。不仅给出了判断因果方向的一个新方法，而且提出了一个新路子，整合Wright路径分析、CPT方法、和多元多项式方程组求解的Wu方法，改进用现有办法（例如PC算法）得到的有向网络拓扑。