为进一步活跃学院的科研氛围，促进老师们的学术交流合作，本学期应用统计系将开展一系列学术沙龙活动。10月11日，应用统计系吴鹏副教授作题为“Counterfactual No-Harm Criterion: Individual Risk and Trustworthy Policy Learning”的学术报告。报告由应用统计系副主任陈星玎教授主持。

吴鹏副教授在报告中首先介绍了可信（trustworthy）人工智能研究的几个方向，包括公平性、多样性、可解释性、问责制以及安全性等。本次报告讨论的重点聚集在安全性问题上。其背景是：当前的策略学习（policy learning）算法，都在追求收益最大化，不能控制住无害性。为解决这一问题，基于因果的主分层框架，定义了一种新的无害性度量，并指出该度量不能直接识别，进而只能寻求它的上下界。且现有的方法的上下界都非常宽，直接基于设计算法会过于保守，会花费非常大的代价去控制无害性。为此，创新性地引入了一个在现实中可行的正相关假设，在该假设下得到了一个显著更窄的界，并基于此提出了一种新的策略学习算法，它能够使得收益尽量大的同时，尽管控制无害性，并证明了所得到的算法的理论性质。

本次报告是数学与统计及交叉学科前沿论坛—应用统计系学术报告，为学院教师们在因果推断理论及在人工智能中的应用方面提供了很好的学习交流机会。

报告人简介：吴鹏，现为4556银河国际在线，副教授。中国现场统计研究会因果推断分会理事，北京生物医学统计与数据管理研究会理事，ACM会员。吴鹏于2020年获得北京师范大学统计学博士学位，2020-2022年在北京大学北京国际数学研究中心从事博士后研究。研究方向包括因果推断，缺失数据，因果推荐系统，医疗决策，机器学习等。在国际统计著名杂志和国际计算机顶级会议发表论文20余篇。