北大大数据中心揭秘：因果推理与大模型的碰撞

北大大数据中心揭秘：因果推理与大模型的碰撞

2024年6月，北京大学大数据科学研究中心联合集智俱乐部，以及来自伦敦大学学院、卡耐基梅隆大学等知名高校的专家学者，共同发起“因果科学+大模型”读书会。这场学术盛宴聚焦于因果科学与大模型的结合，探讨了大模型如何推动因果科学的研究进展，以及因果科学如何增强大模型的推理能力、可信度和可解释性。

因果科学是探索事物之间因果关系的学科，它超越了简单的相关性分析，深入探索了“为什么”的问题。大模型则是近年来人工智能领域的重要发展趋势，通过海量数据训练，构建了规模庞大、功能强大的模型，具备了出色的自然语言理解和生成能力。

北京大学大数据科学研究中心的博士研究生李昊轩表示，将因果科学与大模型结合，可以实现双向赋能。一方面，大模型提供的丰富世界知识，使得因果学习更加准确；另一方面，因果科学为大模型提供了更深入的理解和解释能力，使其更好地模拟人类智能行为。

伦敦大学学院计算机博士研究生杨梦月指出，因果表征学习是当前最具挑战性的研究方向之一。传统的因果发现方法在处理复杂现实场景时往往表现不佳，而因果表征学习则展示了巨大潜力。例如，充分变化条件和稀疏约束条件可以帮助实现可识别性，从而增强模型的可靠性和可解释性。

卡耐基梅隆大学博士后研究员陈广义在读书会上分享了因果表征学习的最新进展。他介绍道：“充分变化条件在不同情况下可识别性的变化及其实现方式，例如非稳态、不可逆、以及瞬时变化的场景。对于稀疏约束条件，展示了该约束在何种情况下能够帮助实现可识别性。”

清华大学教授崔鹏在CNCC2024论坛上表示，大模型和因果推理的结合可以实现1+1>2的效果。大模型的泛化能力主要通过对数据和知识的见多识广，而因果推理则通过学习因果不变性来实现泛化。这种结合有望解决大模型在可解释性、可信性和处理复杂任务方面的不足。

复旦大学教授邱锡鹏则从实践角度探讨了如何将大语言模型转变为“世界模型”。他指出，通过多语言和多模态扩展、具身学习等方式，可以提升大语言模型的能力，使其更好地理解物理世界和社会世界。

这场读书会不仅汇聚了相关领域的顶尖学者，还吸引了众多对因果科学和大模型感兴趣的科研人员。通过深入探讨和交流，参与者们共同推动了这一前沿交叉领域的发展，为未来的研究方向和挑战提供了新的思路和见解。