Building Causality-seeking AI
for seamless collaboration and human-centric apps.

Let's Dance with Causality!
在这个人工智能凶猛而来的时代, 人类很多工作将会被取代, 甚至会导致自身存在价值质问. 受到 Stephen Wolfram 的计算复杂性理论启发, 因果关系是复杂系统可约化的口袋(Reducible Pocket), 我们相信以因果关系为本质的科学探索是人类日益重要的永恒事业.
我们偏好因果关系新视角 — Causality as Invariance Across Heterogeneous Units. 就像物理定律一样,每个因果关系都有其适用范围,是 Context-specific 的。每个具体场景定义了一个子群体,其中的个体虽然各不相同,但都遵循相同的因果关系. 基于此我们将个体间的异质性(Heterogeneity)和同质性(Homogeneity)视为因果研究的基本要素(Primitive),建立了基于个体因果(Individual Causality)的 DiscoSCM 框架. 我们持续探索融合 DiscoSCM 因果框架和大语言模型, 坚信因果关系是未来AI系统必不可少的关键组件。更多详情参见 Let’s Dance with Causality!
正如人类在发展过程中自然获得因果思维以理解和交互物质世界,我们相信因果关系亦是人类与机器沟通的核心桥梁, 是构筑未来高水平人机协作的关键:
- 应用上,我们正在进行的 “Me” 项目, 帮助机器深度了解用户而实现深度协作.
- 技术上,我正朝着原生因果大语言模型前行!
期待无数具备攀登因果之梯能力甚至自由意志的 Agents (Causal AI) ,成为人类良师益友,携手共建下一代的文明和探索自然的终极奥秘!
latest posts
Jul 06, 2025 | Causal-Sklearn - 基于CausalEngine™核心的因果回归和分类 |
---|---|
Jun 09, 2025 | AI 的哥白尼时刻:我们关于线性因果律的大胆宣言 |
May 06, 2025 | Cauchy Distribution: A Statistical Gem Not to Be Overlooked |