北京大学数学科学学院，教授。1982年上海交通大学本科毕业，1989年日本九州大学获理学博士学位，1989年至今北京大学任教。研究方向为因果推断、不完全数据统计分析、生物医学统计。研究成果发表在统计学、生物医学统计、机器学习(JMLR)、人工智能(AI)等国内外刊物。1996年当选为国际统计学会推选会员，1998年获国家杰出青年科学基金资助项目。曾任中国现场统计研究会理事长、中国概率统计学会理事长、中国统计学会副会长，现任北京生物医学统计与数据管理研究会(BBA)会长，中国人工智能学会不确定性人工智能专委会副主任委员。
Pearl & Mackenzie (2018)提出的因果关系之梯的三个层次：观察能力（预测）、行动能力（决策）、想象能力（反事实）。人工智能超越人类智能的奇点也许在于人工智能是否能具有反事实推理的能力。本讲座探讨各个层次的数学形式化和统计中的挑战问题，讲述直觉逻辑推理应用于因果推理的悖论。介绍因果作用和因果关系的形式化定义，以及因果推断的两个主要统计模型：潜在结果模型和因果网络模型。探讨因果作用的可识别性和因果网络的结构学习，综述有关因果推断的若干研究问题和动态。
