DLRL Summer School 2023 - Dhanya Sridhar - Causality and Machine Learning

Dhanya Sridhar is a Canada CIFAR AI Chair at Mila and an assistant professor at the Department of Computer Science and Operations Research at the University of Montreal.

Sridhar develops theory and machine learning methods to study causal questions. Causal questions are about interventions to the world: how would patients respond if they were given a new therapeutic? What is the effect of a new content moderation policy on social media posts?

Researchers cannot always run experiments to answer such questions — experiments may be costly or unethical. Instead, researchers often collect large-scale datasets about the state of the world: what therapeutics do patients take and what outcomes do we observe? The challenge is that, from non-experimental data, distinguishing between causal relationships and correlations is difficult due to sources of bias such as confounding factors.

Her research focuses on i) theoretically understanding what causal questions can be answered from observed data, and ii) adapting machine learning methods — especially in the context of text and social network data — to estimate causal effects.
----
Dhanya Sridhar est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeure adjointe au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.

Elle élabore une théorie et des méthodes d’apprentissage automatique pour étudier les questions causales, des questions qui portent sur des changements ou des interventions dans la société. Par exemple, comment des patients réagiraient-ils si on leur administrait un nouveau traitement ? Quel est l’effet d’une nouvelle politique de modération du contenu sur les messages diffusés dans les médias sociaux ?

La communauté de recherche ne peut pas toujours mener des expériences pour répondre à ces questions, car de telles expériences peuvent être coûteuses ou contraires à l’éthique. Au lieu de cela, elle recueille de grands ensembles de données sur l’état du monde : quels sont les traitements donnés aux patients et quels en sont les résultats ? Cependant, avec des données non expérimentales, il est difficile de distinguer les relations causales des corrélations en raison de sources de biais telles que les facteurs de confusion.

Les recherches de Dhanya Sridhar portent sur i) la compréhension théorique des questions causales auxquelles il est possible de répondre à partir des données observées et ii) l’adaptation des méthodes d’apprentissage automatique pour estimer les effets causaux, notamment dans le contexte des données textuelles et des réseaux sociaux.