WAIC|九章云極DataCanvas公司攜因果學(xué)習(xí)技術(shù)成果精彩亮相

從預(yù)測到?jīng)Q策，因果學(xué)習(xí)助力人工智能發(fā)展新階段！

以“智聯(lián)世界、元生無界”為主題的2022 世界人工智能大會（WAIC）于9月3日在上海圓滿落幕。WAIC作為全球人工智能的“科技風(fēng)向標(biāo)、應(yīng)用展示臺、產(chǎn)業(yè)加速器、治理議事廳”，是全球人工智能領(lǐng)域最具影響力的行業(yè)盛會。

「WAIC 2022 · AI 開發(fā)者日」作為WAIC大會最重要的技術(shù)論壇之一，以“AI開發(fā)者所真正關(guān)注的”為主題，匯聚了2021 年圖靈獎得主、中外院士、世界級技術(shù)專家與科技企業(yè)創(chuàng)始人等 15 位學(xué)術(shù)界和產(chǎn)業(yè)界重磅嘉賓。九章云極DataCanvas公司開源技術(shù)副總裁、D-Lab主任楊健受邀出席論壇，并圍繞如何運用完整的、綜合性、端到端因果學(xué)習(xí)工具包解決“因果發(fā)現(xiàn)、因果量識別、因果效應(yīng)估計、反事實推斷和策略學(xué)習(xí)”五大關(guān)鍵問題，發(fā)表了《YLearn：因果學(xué)習(xí)，從預(yù)測到?jīng)Q策》的精彩主題演講。

因果學(xué)習(xí)：人工智能發(fā)展的技術(shù)突破口

隨著機器學(xué)習(xí)和深度學(xué)習(xí)在發(fā)展過程中遇到技術(shù)瓶頸，人工智能發(fā)展速度逐漸放緩，究其原因，一方面是機器學(xué)習(xí)存在著泛化能力較弱、解釋性不強、決策支持能力不足的關(guān)鍵性問題；另一方面政府和企業(yè)提出“智能決策”的需求，即以數(shù)據(jù)驅(qū)動的方式實現(xiàn)自動化決策來提高整體運營效率。

隨著機器學(xué)習(xí)建模越來越多的應(yīng)用，人工智能技術(shù)從預(yù)測性分析向指導(dǎo)性分析升級轉(zhuǎn)移，自動化“決策”成為政府和企業(yè)在數(shù)智化時代的核心需求，決策者需要一個可理解的AI決策邏輯以及具有可信度、可解釋的決策結(jié)果。而當(dāng)前機器學(xué)習(xí)主要是完成預(yù)測性任務(wù)，難以滿足政府和企業(yè)自動化決策的需求。

Gartner發(fā)布的《2022年新興技術(shù)成熟度曲線》中提到，因果人工智能是加速AI自動化的關(guān)鍵技術(shù)之一。因果學(xué)習(xí)成為補充機器學(xué)習(xí)問題的關(guān)鍵技術(shù)，人工智能發(fā)展極具潛力的技術(shù)突破口，引發(fā)業(yè)界的廣泛關(guān)注和熱點研究。

YLearn：因果學(xué)習(xí)，從預(yù)測到?jīng)Q策

2019年圖靈獎得主Yoshua Bengio先生曾提到，“因果關(guān)系對于機器學(xué)習(xí)的下一步進展非常重要”。從2019年開始，因果學(xué)習(xí)的學(xué)術(shù)研究新成果不斷出現(xiàn)，發(fā)表的相關(guān)論文數(shù)量每年都在翻倍增長。目前，從國內(nèi)外關(guān)于因果學(xué)習(xí)的研發(fā)來看，出現(xiàn)了很多因果學(xué)習(xí)的工具，例如DoWhy、圍繞解決因果效應(yīng)評估類問題的EconML，用來完成uplift建模的CausalML以及專注解決因果發(fā)現(xiàn)問題的Causal Learn。但這些工具都只能解決因果學(xué)習(xí)中的部分問題，又因為不同的工具所依賴的理論框架和結(jié)構(gòu)體系不同，導(dǎo)致工具包之間也難以融合使用。因果學(xué)習(xí)領(lǐng)域則是缺少系統(tǒng)、完整的、綜合性、端到端的工具包。

九章云極DataCanvas公司自主研發(fā)的一站式處理因果學(xué)習(xí)完整流程的開源算法工具包YLearn，是目前首款端到端、較完整、較系統(tǒng)的因果學(xué)習(xí)算法工具包，率先解決了因果學(xué)習(xí)中“因果發(fā)現(xiàn)、因果量識別、因果效應(yīng)估計、反事實推斷和策略學(xué)習(xí)”五大關(guān)鍵問題，降低“決策者”使用門檻，不斷滿足政府和企業(yè)自動化“決策”的需求。

GitHub 地址：https://github.com/DataCanvasIO/YLearn

YLearn由CausalDiscovery、CausalModel、EstimatorModel、Policy、Interpreter、Whatif等部件組成，各部件支持獨立使用，也支持統(tǒng)一封裝。為幫助用戶更直觀地理解數(shù)據(jù)、調(diào)整策略，YLearn提供了因果圖、因果效應(yīng)解釋、決策樹等重要模塊的可視化輸出。

與國內(nèi)外因果學(xué)習(xí)工具相比，九章云極DataCanvas公司的YLearn具有一站式、新而全、用途廣的特點。

• 一站式
• 通常的因果學(xué)習(xí)流程包括從數(shù)據(jù)中發(fā)現(xiàn)因果結(jié)構(gòu)，對因果結(jié)構(gòu)建立因果模型，使用因果模型進行因果效應(yīng)識別和對從數(shù)據(jù)中對因果效應(yīng)進行估計。YLearn一站式地支持這些功能，使用戶以最低的學(xué)習(xí)成本使用與部署因果學(xué)習(xí)。
• 新而全
• YLearn實現(xiàn)了多個近年來在因果學(xué)習(xí)領(lǐng)域中發(fā)展出的各類算法，例如Meta-Learner、Double Machine Learning等。也將一直致力于緊跟前沿進展，保持因果識別與估計模型的先進和全面。
• 用途廣
• YLearn支持對估計得到的因果效應(yīng)進行解釋、根據(jù)因果效應(yīng)在各種方案中選取收益最大的方案并可視化決策過程等功能。除此之外，YLearn也支持將因果結(jié)構(gòu)中識別出的因果效應(yīng)的概率分布表達式以LaTex的形式輸出等小功能，幫助用戶將因果學(xué)習(xí)與其他方向交叉。

結(jié)合政府和企業(yè)在決策任務(wù)上的需求，YLearn將與九章云極DataCanvas公司的自動機器學(xué)習(xí)平臺相結(jié)合，通過與AutoML技術(shù)的融合，提高機器學(xué)習(xí)的魯棒性、泛化能力和解釋性，實現(xiàn)因果學(xué)習(xí)的自動調(diào)參和優(yōu)化，進一步降低使用門檻。同時，YLearn解決了市場上缺失功能強大且完整的因果學(xué)習(xí)工具包這一“卡脖子”難題，將技術(shù)回歸業(yè)務(wù)，支持決策類業(yè)務(wù)場景，為客戶提供多種決策方案。

因果學(xué)習(xí)助力人工智能邁向新階段

人工智能技術(shù)作為新一輪科技革命和產(chǎn)業(yè)變革的核心力量，正處于從預(yù)測邁向決策的新發(fā)展階段。因果學(xué)習(xí)在這一階段發(fā)揮著重要作用，彌補機器學(xué)習(xí)的理論缺陷，逐步解決從“是什么”到“為什么”的問題，從政府和企業(yè)的需求出發(fā)，提升“AI決策”的可信度和可用度，將AI能力更進一步交為業(yè)務(wù)所用。

為了更好的帶動國內(nèi)因果學(xué)習(xí)領(lǐng)域的發(fā)展，推動因果學(xué)習(xí)的多元化發(fā)展，九章云極DataCanvas公司聯(lián)合世界人工智能大會組委會辦公室、機器之心、上海市人工智能行業(yè)協(xié)會、天池共同舉辦黑客松「因果學(xué)習(xí)和決策優(yōu)化挑戰(zhàn)賽」，為全球各路開發(fā)者精英們提供同臺競技的平臺。挑戰(zhàn)賽以“如何優(yōu)化干預(yù)方案能使因果效應(yīng)最大”為主題，將因果學(xué)習(xí)中的普適性問題具化，旨在考察選手使用因果推斷在決策方案制定問題上的估計能力。

作為業(yè)界首個面向「因果推斷全流程」的賽事，收到來自全國各地包括運用人工智能相關(guān)技術(shù)賦能數(shù)智化升級的企業(yè)、結(jié)合人工智能技術(shù)進行創(chuàng)新探索的科研單位、高等院校的團隊及專業(yè)開發(fā)者等近四千支隊伍報名參賽。參賽隊伍經(jīng)過23天的同臺競技，不斷探索因果學(xué)習(xí)領(lǐng)域的技術(shù)高峰，刷新成績紀(jì)錄，角逐出TOP18具有雄厚的AI技術(shù)實力以及富有創(chuàng)造力的優(yōu)勝隊伍。

未來，九章云極DataCanvas公司將不斷創(chuàng)新研發(fā)開源工具，將政府和企業(yè)的業(yè)務(wù)需求與技術(shù)實踐相結(jié)合，助力政府和企業(yè)數(shù)智化升級，推動人工智能向新階段。

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。