报告人简介：
梁湘三教授早年毕业于美国哈佛大学，获地球流体力学/应用数学双博士学位，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、中国高等研究院暨中央财经大学等单位，是中国南极考察队第九次队成员、哈佛Ernst Habicht Fellow，现为南京信息工程大学（南京气象学院）江苏特聘教授。
报告内容简介：
分析事件间的因果关系是科学研究的核心问题，同时也是哲学上的重要问题，在当今热门的大数据、人工智能等科学中都被列为一个基本的挑战。现有如果两条时间序列，那么我们能不能就凭这两条序列，严格、如实地辨别孰是因孰是果呢？或者，如果它们之间存在“先有鸡还是先有蛋”那样的纠结，我们能否定量地刻画这其间的循环因果呢？
这是一个古老的、著名的跨学科难题；包括诺贝尔奖获得者Clive Granger、图灵奖获得者Judea Pearl在内的科学家们已经努力了快半个世纪。这里的答案是肯定的。我们的研究表明，因果性可用信息流衡量，而信息流可由第一性原理严格导出、不必如传统方法那样以半经验的形式出现。传统的因果分析（如Granger的因果检验以及transfer entropy分析）在很多情况下验证不了这样一个被称为“零因果准则”的事实在这里以一个被证明的定理出现。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。针对一些著名的动力系统如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，解决了自Berkeley(1710)以来哲学上体育投注现金网_沙巴体育-娱乐场*官网@：相关与因果的长期争论。
我们的结果已经在众多现行的半经验因果分析（如Granger因果检验）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，如海洋-大气-气候科学及其它地球科学（如冰川）、脑神经科学、认知科学、经济学、湍流、环境科学等。2016年，Stips等应用此理论公式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！作为例子，我们还将介绍一种快速的、几乎无成本的污染物（如雾霾）的溯源法，以及利用因果分析与神经网络算法仅凭观测数据（锚碇、遥感）对海洋作预报的一个尝试。
