Dit zijn allemaal voorbeelden van "causale" vragen, waarin het gaat om de consequenties van bepaalde acties zo goed mogelijk te voorspellen. Traditioneel proberen wetenschappers dergelijke vragen te beantwoorden door middel van een combinatie van data en modellen. Gezien de recente indrukwekkende successen van deep learning, en de explosieve toename van beschikbare data, zou gemakkelijk de indruk kunnen ontstaan dat modelleren en zelfs experimenteren overbodig wordt (mits voldoende data voorhanden is). In zijn oratie zal Joris Mooij uitleggen waarom zowel causale modellen als experimenteel onderzoek desondanks nodig blijven om causale vraagstukken te kunnen beantwoorden. 

Prof. dr. J.M. Mooij, hoogleraar Mathematische Statistiek: Causality: from data to science.

Deze oratie is hier live te volgen.