WAIC2022への直接アクセス丨Jiuzhang Yunji DataCanvas Companyが因果学習技術の成果で素晴らしい登場

「インテリジェントにつながった世界、限界のない生活」をテーマとした 2022 年世界人工知能会議 (WAIC) が、9 月 3 日に上海で無事閉幕しました。 WAIC は、世界的な人工知能の「技術の羽根、アプリケーション ショーケース、業界アクセラレーター、ガバナンス フォーラム」として、世界的な人工知能分野で最も影響力のある業界イベントです。

「WAIC 2022 · AI Developers Day」は、WAIC カンファレンスの最も重要な技術フォーラムの 1 つで、「AI 開発者が本当に気にしていること」をテーマに、2021 年のチューリング賞受賞者と中国人が集まります。および外国の学者、世界クラスの技術専門家、テクノロジー企業の創設者、および学界および産業界からの 15 人の主要ゲストが参加します。 Jiuzhang Yunji DataCanvas Company のオープンソース テクノロジー担当副社長兼 D-Lab ディレクターである Yang Jian 氏がフォーラムに招待され、完全かつ包括的なエンドツーエンドの因果関係学習ツールキットを使用して、 「因果発見と因果量特定」「因果効果推定」「反事実推論」「戦略的学習」の5つの重要課題を解決し、素晴らしい基調講演「YLearn: 因果学習、予測から意思決定まで」を行いました。

因果学習: 人工知能開発における技術的ブレークスルー

機械学習と深層学習は開発プロセスで技術的なボトルネックに遭遇するため、機械学習には一般化能力の弱さ、解釈能力の弱さ、意思決定支援能力の不足などの重要な問題があることや、政府や企業の意思決定支援能力の不足などが原因で、知能開発のスピードは徐々に鈍化しています。 「インテリジェントな意思決定」という概念を提唱しています。その要求は、データ駆動型の自動意思決定を実現し、全体的な業務効率を向上させることです。

機械学習モデリングの応用の増加に伴い、人工知能テクノロジーは予測分析からガイド付き分析にアップグレードされ、自動化された「意思決定」がデジタル インテリジェンスの時代における政府や企業の中核的なニーズとなっています。意思決定者は、理解可能な AI 意思決定ロジックと、信頼性があり説明可能な意思決定結果を必要としています。しかし、現在の機械学習は主に予測タスクを完了するために使用されており、自動化された意思決定に対する政府や企業のニーズを満たすのは困難です。

Gartner が発表した「2022 年の新興テクノロジー ハイプ サイクル」では、因果関係のある人工知能が AI 自動化を加速する重要なテクノロジーの 1 つであると述べられています。 因果学習は、機械学習の問題を補う重要なテクノロジーとなっており、人工知能の開発に大きな可能性を秘めた技術的ブレークスルーであり、業界で幅広い注目と熱い研究を集めています。

YLearn: 予測から意思決定までの因果関係学習

2019 年チューリング賞受賞者のヨシュア ベンジオ氏はかつて、「機械の次の進歩には因果関係が非常に重要である」と述べました。学ぶ。" 2019年以降、因果学習に関する新たな学術研究成果が続々と発表され、発表される関連論文の数は毎年倍増しています。現在、国内外の因果学習の研究開発から判断すると、DoWhy、因果効果評価問題の解決に焦点を当てた EconML、上昇モデリングを完成させるために使用される CausalML、および因果関係発見問題の解決に焦点を当てます。ただし、これらのツールは因果関係学習の問題の一部しか解決できず、ツールが異なると理論的フレームワークや構造システムに依存するため、ツール パッケージを統合して使用することが困難です。因果関係学習の分野には、体系的で完全かつ包括的な、エンドツーエンドのツールキットが不足しています。

Jiuzhang Yunji DataCanvas Company が独自に開発した ワンストップ オープン ソース アルゴリズム ツールキット YLearn は、因果関係学習の完全なプロセスを処理します。より完全な、より体系的な因果学習アルゴリズム ツールキットは、因果学習における 5 つの重要な問題「因果発見、因果数量特定、因果効果推定、反事実推論、戦略学習」の解決を主導し、「」の数を減らします。意思決定者「しきい値を使用して、自動化された「意思決定」に対する政府や企業のニーズに継続的に対応します。

クリックして GitHub アドレスを取得します

YLearn は、CausalDiscovery、CausalModel、EstimatorModel、Policy、Interpreter、 Whatif とその他のコンポーネント 構成され、各コンポーネントは独立した使用と統一されたパッケージ化をサポートします。ユーザーがデータを理解し、戦略をより直観的に調整できるようにするために、YLearn は因果図、因果効果の説明、デシジョン ツリーなどの重要なモジュールの視覚的な出力を提供します。

国内外の因果関係学習ツールと比較して、Jiuzhang Yunji DataCanvas Company の YLearn は

ワンストップ、新しく包括的、幅広い

という特徴を持っています。 •

ワンストップ ショップ

通常の因果学習プロセスには、データから因果構造を発見すること、因果構造の因果モデルを構築すること、因果モデルを使用して因果効果を特定すること、およびデータから因果効果を推定することが含まれます。 YLearn はこれらの機能をワンストップでサポートするため、ユーザーは最小限の学習コストで因果関係学習を使用および展開できます。

• 新しくて完全な

YLearnは、メタラーナー、ダブルマシンラーニング、等私たちはまた、最先端の進歩を追い続け、因果関係の特定と推定モデルを高度かつ包括的に維持することに全力を尽くします。

• 幅広い用途

YLearn は、推定された因果効果の解釈、因果効果に基づいたさまざまなオプションの中から最も収益性の高いオプションの選択、および意思決定プロセスの視覚化をサポートします。などの機能。さらに、YLearn は、因果構造で特定された因果効果の確率分布表現を LaTex 形式で出力するなどの小さな機能もサポートしており、ユーザーが因果学習を他の方向と交差させるのに役立ちます。

意思決定タスクにおける政府や企業のニーズに合わせて、YLearn は Jiuzhang Yunji DataCanvas Company の自動機械学習プラットフォームと統合されます。テクノロジーにより、機械学習の堅牢性、一般化能力、解釈可能性が向上し、自動パラメータ調整と因果学習の最適化が実現され、使用の敷居がさらに低くなります。同時に、YLearn は、市場に強力で完全な因果関係学習ツールキットが存在しないという「行き詰まった」問題を解決し、テクノロジーをビジネスに還元し、意思決定のビジネス シナリオをサポートし、顧客にさまざまな意思決定ソリューションを提供します。 。

因果学習は人工知能の新たな段階への移行を支援します

人工知能テクノロジーは、科学技術革命と産業変革の新たな段階の中核として、予測から意思決定まで。この段階では因果学習が重要な役割を果たし、機械学習の理論的欠陥を補い、「何を」から「なぜ」まで問題を徐々に解決し、ニーズに基づいた「AIの意思決定」の信頼性と信頼性を向上させます。可用性、さらに AI 機能をビジネス用途に引き継ぎます。

国内の因果学習分野の発展をより良く促進し、因果学習の多様な発展を促進するために、 Jiuzhang Yunji DataCanvas Companyは世界人工知能会議組織委員会事務局、Machine Heart、上海市人工知能産業協会と Tianchi は、世界中のエリート開発者が同じステージで競争できるプラットフォームを提供するために、ハッカソン「因果学習と意思決定の最適化チャレンジ」 を共同開催しました。 「因果効果を最大化するために介入計画を最適化する方法」をテーマとするこのチャレンジは、因果学習における普遍的な問題を具体化し、因果推論を使用した意思決定における出場者の推定能力をテストすることを目的としています。

「因果推論の全プロセス」を対象とした業界初のコンペティションとして、デジタルアップグレードを強化するために人工知能関連技術を使用する企業を含む、全国各地から賞を受賞しています。 、人工知能技術を組み合わせます 科学研究部門、単科大学のチーム、革新的な探査に従事するプロの開発者など、約 4,000 のチームが参加に登録しました。同じステージでの 23 日間の競争の後、参加チームは因果学習の分野における技術の頂点を探求し続け、新しいパフォーマンス記録を樹立し、強力な AI 技術力と創造性を備えた TOP18 の優勝チームを選出するために競い合いました。

今後も、Jiuzhang Yunji DataCanvas はオープンソース ツールの革新と開発を継続し、政府や企業のビジネス ニーズと技術的実践を組み合わせ、政府や企業がデジタル インテリジェント人工知能をアップグレードし、新たな段階に推進します。

以上がWAIC2022への直接アクセス丨Jiuzhang Yunji DataCanvas Companyが因果学習技術の成果で素晴らしい登場の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。