2023年5月17日下午两点，由梁湘三教授带来的《严格意义上的定量因果分析、信息流理论及其应用》学术讲座在学院楼十号楼429教室顺利进行。本次讲座主要介绍了因果分析的衡量方法及其应用。讲座主讲人梁湘三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Liang-Kleeman信息流以及从第一性原理推导出的因果分析、流体运动跨尺度的正则传输、多尺度子空间变换等理论与方法论。中国财政发展协同创新中心姚东旻教授主持了本次学术讲座。

此次讲座主要包括背景介绍、因果分析方法及方法的应用三部分。首先，梁教授通过三个案例引出讲座主题，一是针对韩国首都首尔空气污染的溯源问题，二是AI分析在不同情况下的有效性存在巨大差异，三是金融危机中雷曼兄弟银行的倒闭引发的次贷危机。从范例出发，梁教授指出，因果分析是解决以上问题的关键要素之一。如何运用因果关系分析关系网络中某一节点的重要程度，是本次讲座关注的核心问题。

接着，梁教授介绍了信息流与定量因果分析理论。类比物质传播与能量传播，梁教授指出，因果性也是一种物理性质，它的传播可用信息流（Information flow）衡量。信息流可由第一性原理严格导出，不必像传统方法那样以半经验的形式出现。对比传统的因果分析，原先无法验证的事实在量化分析与推导下将以定理的方式呈现。讲座共介绍了五项定理，其中尤为重要的一点是，因果量的形式对任意非线性变换保持不变。这进一步表明，信息流刻画的是一种真实的物理性质。此外，定理“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”也具有重要的意义。从该定理出发，可以推导出在线性条件下，“有因果必有相关，但有相关不必有因果”的结论，通过数学表达式的运用阐明了哲学上关于相关性与因果性的长期争论。

针对定理在运用层面实现的突破，梁教授主要介绍了三方面的内容：首先，在噪声较大的信息中，通过因果分析方法的运用可以较为准确地找到相关关系；其次，在分析共同相关（Confounding）等伪相关关系时，相比于传统的因果分析方法，运用信息流衡量可以有效辨别出不具有相关关系的组分；最后，运用信息流理论构建的模型相较于传统模型而言，在运算速度与运算结果准确性上均有显著的提升。

理论阐释环节结束后，梁教授介绍了定量因果分析在环境科学，量子力学，神经科学，计算机科学及经济学等多个学科领域的运用。环境科学领域目前的运用成果包括南海气候变化与北美气候变化的因果证据、二氧化碳与全球变暖的关系在百年与千年的时间尺度上存在截然相反的结论，同时，该方法还成功实现了对气象灾害在较长时间跨度内的有效预测。金融领域目前的运用成果聚焦在Amazon与Google两家公司的股票收益分析、雷曼兄弟的倒闭与金融危机的必然因果关系等内容上。在AI领域，现有的研究成果发现，基于因果量化的人工智能算法相较于传统人工智能在可解释性上具有明显的优势。

在讲座最后的提问环节，梁教授解答了同学们关于因果分析模型在具体使用方法上的疑惑，同时，还和与会教授们探讨了在不同学科领域运用因果分析方法的适用性问题。在谈及旅外生活时，他分享了自己对于中华文化的理解，并对比了东西方文化的差异。讲座结尾，姚教授对梁教授的精彩讲座表示感谢，与会全体人员合影留念。