《因果科学周刊》第4期：因果赋能推荐系统

为了帮助大家更好地了解因果科学的最新科研进展和资讯，我们因果科学社区团队本周整理了第4期《因果科学周刊》，推送近期因果科学值得关注的论文和资讯信息， 同时我们也将向大家介绍社区正在推进的活动——因果科学与Casual AI读书会第8期中的主要报告内容、观点。

本期作者：侯茹 闫和东 陈晗曦 龚鹤扬 陈天豪 杨二茶

因果科学社区简介：它是由智源社区、集智俱乐部共同推动，面向因果科学领域的垂直型学术讨论社区，目的是促进因果科学专业人士和兴趣爱好者们的交流和合作，推进因果科学学术、产业生态的建设和落地，孕育新一代因果科学领域的学术专家和产业创新者。

   

因果科学社区欢迎您加入！

 

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！

 

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：扫描下面社区小助手二维码加入（请备注“因果科学”）????

        

当今的信息革命时代，信息处理和利用能力是 AI 智能水平的一个重要方面。而因果推理能够帮助我们利用 Lorenzian imagined space 中信息进行决策(Schölkopf B., 2019)，因果推理是下一代 AI 的必要组件(Pearl J., 2019, Elias B., 2020)。推荐是信息提取的一种特殊形式，它利用过去的行为和用户相似性来生成一系列信息，这些信息是根据最终用户的喜好量身定制的。

图1：推荐系统的角色(Ricardo Baeza-Yates)

在最近举行的推荐系统最重要的会议 RecSys 2020 中，可以看到学术界和工业界一个重要趋势是有关的 bias 的研究，也就是推荐系统出现的各种偏差让其推荐非预期的 Item。推荐系统的任务被经典地定义为预测用户的偏好和用户评分。然而，它本质上是要回答一个反事实问题：“如果我们‘强迫’用户去看电影，评分会是多少?” 如何使用观测数据正确的训练推荐算法，甚至评估(NOT A/B 测试) 评估推荐系统的性能，使用因果推理 debias 成为其中一个非常 Promising 的方向(Wang Y., 2019, Sharma A., 2015)。

图2: 因果推荐的基本数学形式

此次我们邀请亚利桑那州立大