因果分析是科学研究的核心问题，同时也是哲学上的重要问题,包括诺贝尔奖获得者Granger、Angrist、Imbens以及图灵奖获得者Pearl在内的科学家们已经为此努力了半个多世纪，在当今热门的人工智能、大数据等科学中都被列为一个基本的挑战。我们的系列研究表明，因果性可用信息流衡量，而信息流是真实的物理概念，可由第一性原理严格导出，而不必如传统方法那样以公理性的或半经验性的形式出现（如Liang,2016,Phys. Rev. E,94,052201）。传统的因果分析在很多情况下验证不了的这样一个被称为“零因果准则”的事实在这里是一个被证明的定理。尤为重要的是，所得因果量的形式对任意非线性变换保持不变，表明它刻画的是一种真实的物理性质。针对一些动力系统如baker 变换、Hénon 映射等，我们已经得到一些解析解。对于线性系统来说，因果量的最大似然估计可以用两序列之间的样本协方差的组合表示。一个推论是：在线性条件下，有因果必有相关，但有相关不必有因果，用一个数学表达式明晰了自Berkeley(1710)以来哲学上关于相关与因果的长期争论。

我们的结果已经在众多现行的因果分析解决不了的问题中得到了验证，并成功地用到越来越多的学科中，如人工智能、脑神经科学、量子物理、经济学、地球科学、湍流、环境科学等。2016年，Stips等发现二氧化碳与全球变暖的有着明确的、几乎单向的因果关系，对于最近一百多年来说，CO2确实导致了全球变暖，但在一千年以上的古气候尺度上，这个因果关系可能完全颠倒过来，是全球变暖导致了CO2浓度的升高。作为应用例子，在这个讲座中我将介绍：（1）信息流在脑神经疾病（如自闭症）诊断中的应用；（2）一种衡量单个节点对网络（计算机网络、电网、金融网络等）鲁棒性的影响的方法，并由此解释为何2008年Lehman Brothers的破产会引发全球的金融危机；（3）基于信息流因果的人工智能算法，及其在气候预测、气象海洋预报中的应用。

Biography

梁湘三，早年毕业于美国哈佛大学，获应用数学博士学位，曾工作于哈佛大学(Harvard)、麻省理工学院(MIT)、库朗数学研究所(Courant)、国家海洋局二所、中央财经大学中国经济与管理研究院、南京气象学院等单位，现为复旦大学特聘教授、兼南方实验室一级首席科学家。学术上的突出贡献包括信息流以及从第一性原理推导出的因果分析、正则传输、多尺度子空间变换等理论与方法论，也因此被麻省理工学院（MIT）、加州大学洛杉矶分校（UCLA）、Woods Hole海洋所、东京大学、欧盟联合研究中心、捷克科学院计算机研究所、英国图灵研究所等近30所海外研究机构邀请做讲座。

Inviter: Hai-Jun Zhou