Akses terus ke WAIC2022丨Jiuzhang Yunji DataCanvas Syarikat membuat penampilan yang menarik dengan pencapaian teknologi pembelajaran sebab-akibatnya

Persidangan Kecerdasan Buatan Sedunia (WAIC) 2022 dengan tema "Dunia Terhubung Pintar, Kehidupan Tanpa Sempadan" berakhir dengan jayanya di Shanghai pada 3 September. WAIC, sebagai "ram teknologi, pameran aplikasi, pemecut industri dan forum tadbir urus" untuk kecerdasan buatan global, ialah acara industri yang paling berpengaruh dalam bidang kecerdasan buatan global.

"WAIC 2022 · Hari Pembangun AI" ialah salah satu forum teknikal yang paling penting dalam persidangan WAIC, dengan tema "Apa yang pembangun AI sangat mengambil berat tentang", menghimpunkan pemenang Anugerah Turing 2021, Cina dan ahli akademik asing, pakar teknikal bertaraf dunia dan pengasas syarikat teknologi, dan 15 tetamu utama dari ahli akademik dan industri. Yang Jian, Naib Presiden Teknologi Sumber Terbuka dan Pengarah D-Lab Syarikat Jiuzhang Yunji DataCanvas, telah dijemput untuk menghadiri forum tersebut dan memberi tumpuan kepada cara menggunakan kit pembelajaran sebab-akibat yang lengkap, komprehensif, hujung ke hujung untuk menyelesaikan "penemuan sebab dan pengenalpastian kuantiti sebab" ", anggaran kesan sebab, inferens balas fakta dan pembelajaran strategik" lima isu utama, dan menyampaikan ucaptama yang indah "YLearn: Pembelajaran Bersebab, Daripada Ramalan kepada Keputusan".

Pembelajaran sebab musabab: satu kejayaan teknologi untuk pembangunan kecerdasan buatan

Memandangkan pembelajaran mesin dan pembelajaran mendalam menghadapi kesesakan teknikal dalam proses pembangunan, kecerdasan buatan Kepantasan pembangunan kecerdasan secara beransur-ansur menjadi perlahan. Sebabnya, di satu pihak, pembelajaran mesin mempunyai masalah utama seperti keupayaan generalisasi yang lemah, kebolehtafsiran yang lemah, dan keupayaan sokongan keputusan yang tidak mencukupi, sebaliknya, kerajaan dan perusahaan telah mencadangkan konsep "pembuat keputusan pintar" Permintaan adalah untuk merealisasikan pembuatan keputusan automatik dalam cara dipacu data untuk meningkatkan kecekapan operasi keseluruhan.

Dengan peningkatan aplikasi pemodelan pembelajaran mesin, teknologi kecerdasan buatan telah dinaik taraf daripada analisis ramalan kepada analisis terpandu, dan "membuat keputusan" automatik telah menjadi keperluan teras kerajaan dan perusahaan dalam era kecerdasan digital . Pembuat keputusan memerlukan logik membuat keputusan AI yang boleh difahami dan keputusan membuat keputusan yang boleh dipercayai dan boleh dijelaskan. Walau bagaimanapun, pembelajaran mesin semasa digunakan terutamanya untuk menyelesaikan tugas ramalan, yang sukar untuk memenuhi keperluan kerajaan dan perusahaan untuk membuat keputusan automatik.

"Kitaran Gembar-gembur Teknologi Muncul 2022" yang dikeluarkan oleh Gartner menyebut bahawa kecerdasan buatan sebab merupakan salah satu teknologi utama untuk mempercepatkan automasi AI. Pembelajaran kausal telah menjadi teknologi utama untuk menambah masalah pembelajaran mesin Ia merupakan satu kejayaan teknologi yang berpotensi besar untuk pembangunan kecerdasan buatan, yang telah menarik perhatian meluas dan penyelidikan hangat dalam industri.

YLearn: Pembelajaran kausal, daripada ramalan kepada membuat keputusan

Encik Yoshua Bengio, pemenang Anugerah Turing 2019, pernah menyebut bahawa "kausalitas sangat penting untuk kemajuan mesin seterusnya belajar." Sejak 2019, hasil penyelidikan akademik baharu mengenai pembelajaran kausal terus muncul, dan bilangan kertas kerja berkaitan yang diterbitkan meningkat dua kali ganda setiap tahun. Pada masa ini, jika dilihat daripada penyelidikan dan pembangunan pembelajaran kausal di dalam dan luar negara, terdapat banyak alat pembelajaran kausal, seperti DoWhy, EconML yang menumpukan pada menyelesaikan masalah penilaian kesan sebab akibat, CausalML yang digunakan untuk melengkapkan pemodelan peningkatan, dan CausalLearn bahawa menumpukan pada penyelesaian masalah penemuan sebab . Walau bagaimanapun, alatan ini hanya boleh menyelesaikan beberapa masalah dalam pembelajaran kausal, dan kerana alatan yang berbeza bergantung pada rangka kerja teori dan sistem struktur yang berbeza, adalah sukar untuk mengintegrasikan dan menggunakan pakej alat. Bidang pembelajaran kausal tidak mempunyai kit alat yang sistematik, lengkap, komprehensif dan hujung ke hujung.

YLearn, kit alat algoritma sumber terbuka sehenti yang mengendalikan proses lengkap pembelajaran kausal yang dibangunkan secara bebas oleh Syarikat Jiuzhang Yunji DataCanvas, kini hujung ke hujung pertama, lebih lengkap, Lebih banyak toolkit algoritma pembelajaran kausal yang sistematik menerajui dalam menyelesaikan lima masalah utama " penemuan sebab, pengenalpastian kuantiti sebab, anggaran kesan sebab, inferens berlawanan dan pembelajaran strategi" dalam pembelajaran sebab, mengurangkan "pembuat keputusan "Gunakan ambang untuk memenuhi keperluan kerajaan dan perusahaan secara berterusan untuk "membuat keputusan" automatik.

​​Klik untuk mendapatkan alamat GitHub​

​

YLearn terdiri daripada CausalDiscovery, CausalModel, EstimatorModel, Policy, Interpreter, Whatif dan komponen lain Disusun, setiap komponen menyokong penggunaan bebas dan pembungkusan bersatu. Untuk membantu pengguna memahami data dan melaraskan strategi dengan lebih intuitif, YLearn menyediakan output visual modul penting seperti rajah sebab akibat, penjelasan kesan sebab dan pokok keputusan.

Berbanding dengan alatan pembelajaran sebab dalam dan luar negara, YLearn dari Syarikat Jiuzhang Yunji DataCanvas mempunyai ciri-ciri

sehenti, baharu dan komprehensif serta meluas

.

• Kedai sehenti

Proses pembelajaran kausal yang biasa termasuk menemui struktur kausal daripada data, membina model kausal untuk struktur kausal, menggunakan model kausal untuk mengenal pasti kesan kausal dan menganggar kesan kausal daripada data. YLearn menyokong fungsi ini secara sehenti, membolehkan pengguna menggunakan dan menggunakan pembelajaran kausal pada kos pembelajaran yang paling rendah.

• Baharu dan lengkap

YLearn melaksanakan beberapa pelbagai algoritma yang dibangunkan dalam bidang pembelajaran kausal sejak beberapa tahun kebelakangan ini, seperti Meta-Learner, Double Machine Learning, dll. Kami juga akan komited untuk mengikuti perkembangan terkini dan mengekalkan model pengenalan dan anggaran sebab-sebab yang maju dan komprehensif.

• Penggunaan meluas

YLearn menyokong tafsiran anggaran kesan penyebab, memilih pilihan yang paling menguntungkan antara pelbagai pilihan berdasarkan kesan penyebab dan menggambarkan proses membuat keputusan, dsb. Fungsi. Di samping itu, YLearn juga menyokong fungsi kecil seperti mengeluarkan ungkapan taburan kebarangkalian kesan sebab akibat yang dikenal pasti dalam struktur sebab dalam bentuk LaTex, membantu pengguna menyilangkan pembelajaran sebab dengan arah lain.

Berdasarkan keperluan kerajaan dan perusahaan dalam tugas membuat keputusan, YLearn akan digabungkan dengan platform pembelajaran mesin automatik Syarikat Jiuzhang Yunji DataCanvas Melalui penyepaduan dengan AutoML teknologi, Meningkatkan keteguhan, keupayaan generalisasi dan kebolehtafsiran pembelajaran mesin, merealisasikan pelarasan parameter automatik dan pengoptimuman pembelajaran sebab, dan seterusnya mengurangkan ambang untuk digunakan. Pada masa yang sama, YLearn menyelesaikan masalah "tersekat" kekurangan kit alat pembelajaran sebab yang berkuasa dan lengkap dalam pasaran, mengembalikan teknologi kepada perniagaan, menyokong senario perniagaan membuat keputusan dan menyediakan pelanggan dengan pelbagai penyelesaian membuat keputusan .

Pembelajaran sebab-akibat membantu kecerdasan buatan bergerak ke peringkat baharu

Sebagai kuasa teras pusingan baharu revolusi teknologi dan transformasi industri, teknologi kecerdasan buatan berada dalam peringkat baharu pembangunan daripada ramalan kepada membuat keputusan. Pembelajaran kausal memainkan peranan penting pada peringkat ini, menebus kelemahan teori pembelajaran mesin, menyelesaikan masalah secara beransur-ansur daripada "apa" kepada "mengapa", dan meningkatkan kredibiliti dan kredibiliti "pembuat keputusan AI" berdasarkan keperluan kerajaan dan perusahaan Ketersediaan, seterusnya menyerahkan keupayaan AI kepada kegunaan perniagaan.

Untuk lebih menggalakkan pembangunan bidang domestik pembelajaran kausal dan menggalakkan kepelbagaian pembangunan pembelajaran kausal, Syarikat Jiuzhang Yunji DataCanvas telah bergabung tenaga dengan Pejabat Jawatankuasa Penganjur Persidangan Kecerdasan Buatan Dunia, Mesin Heart, Shanghai Persatuan Industri Kepintaran Buatan Perbandaran dan Tianchi bersama-sama menganjurkan Hackathon "Pembelajaran Bersebab dan Cabaran Pengoptimuman Keputusan" untuk menyediakan platform bagi pembangun elit dari seluruh dunia untuk bersaing di pentas yang sama. Dengan tema "Cara mengoptimumkan rancangan campur tangan untuk memaksimumkan kesan sebab akibat", cabaran ini mengukuhkan isu universal dalam pembelajaran sebab dan bertujuan untuk menguji keupayaan peserta menggunakan inferens sebab untuk menganggarkan penyelesaian membuat keputusan.

Sebagai persaingan pertama industri untuk "keseluruhan proses inferens kausal" , ia menerima penyertaan dari seluruh negara, termasuk syarikat yang menggunakan teknologi berkaitan kecerdasan buatan untuk memperkasakan peningkatan digital, dan menggabungkan teknologi kecerdasan buatan Hampir 4,000 pasukan, termasuk unit penyelidikan saintifik, pasukan dari kolej dan universiti, dan pemaju profesional yang terlibat dalam penerokaan inovatif, mendaftar untuk mengambil bahagian. Selepas 23 hari pertandingan di pentas yang sama, pasukan yang mengambil bahagian terus meneroka kemuncak teknikal dalam bidang pembelajaran kausal, menetapkan rekod prestasi baharu dan bersaing untuk 18 pasukan pemenang teratas dengan kekuatan teknikal dan kreativiti AI yang kukuh.

Pada masa hadapan, Jiuzhang Yunji DataCanvas akan terus berinovasi dan membangunkan alatan sumber terbuka, menggabungkan keperluan perniagaan kerajaan dan perusahaan dengan amalan teknikal, dan membantu kerajaan dan perusahaan menjadi pintar digital. Menaik taraf dan menggalakkan kecerdasan buatan ke peringkat baharu.

Atas ialah kandungan terperinci Akses terus ke WAIC2022丨Jiuzhang Yunji DataCanvas Syarikat membuat penampilan yang menarik dengan pencapaian teknologi pembelajaran sebab-akibatnya. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!