<noframes id="z7bbb">
<output id="z7bbb"></output>

    <address id="z7bbb"></address>

      <pre id="z7bbb"><ruby id="z7bbb"><b id="z7bbb"></b></ruby></pre>

        首頁 > 人工智能 > 正文

        WAIC|九章云極DataCanvas公司攜因果學習技術成果精彩亮相!

        2022-09-06 15:23:10   來源:IT運維網>


        以“智聯世界、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“科技風向標、應用展示臺、產業加速器、治理議事廳”,是全球人工智能領域最具影響力的行業盛會。
         
        「WAIC 2022 · AI 開發者日」作為WAIC大會最重要的技術論壇之一,以“AI開發者所真正關注的”為主題,匯聚了2021 年圖靈獎得主、中外院士、世界級技術專家與科技企業創始人等 15 位學術界和產業界重磅嘉賓。九章云極DataCanvas公司開源技術副總裁、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、端到端因果學習工具包解決“因果發現、因果量識別、因果效應估計、反事實推斷和策略學習”五大關鍵問題,發表了《YLearn:因果學習,從預測到決策》的精彩主題演講。
         
        圖形用戶界面, Teams描述已自動生成
         
        因果學習:人工智能發展的技術突破口
         
        隨著機器學習和深度學習在發展過程中遇到技術瓶頸,人工智能發展速度逐漸放緩,究其原因,一方面是機器學習存在著泛化能力較弱、解釋性不強、決策支持能力不足的關鍵性問題;另一方面政府和企業提出“智能決策”的需求,即以數據驅動的方式實現自動化決策來提高整體運營效率。
         
        隨著機器學習建模越來越多的應用,人工智能技術從預測性分析向指導性分析升級轉移,自動化“決策”成為政府和企業在數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、可解釋的決策結果。而當前機器學習主要是完成預測性任務,難以滿足政府和企業自動化決策的需求。
         
        Gartner發布的《2022年新興技術成熟度曲線》中提到,因果人工智能是加速AI自動化的關鍵技術之一。因果學習成為補充機器學習問題的關鍵技術,人工智能發展極具潛力的技術突破口,引發業界的廣泛關注和熱點研究。
         
        YLearn:因果學習,從預測到決策
         
        2019年圖靈獎得主Yoshua Bengio先生曾提到,“因果關系對于機器學習的下一步進展非常重要”。從2019年開始,因果學習的學術研究新成果不斷出現,發表的相關論文數量每年都在翻倍增長。目前,從國內外關于因果學習的研發來看,出現了很多因果學習的工具,例如DoWhy、圍繞解決因果效應評估類問題的EconML,用來完成uplift建模的CausalML以及專注解決因果發現問題的Causal Learn。但這些工具都只能解決因果學習中的部分問題,又因為不同的工具所依賴的理論框架和結構體系不同,導致工具包之間也難以融合使用。因果學習領域則是缺少系統、完整的、綜合性、端到端的工具包。
         
        九章云極DataCanvas公司自主研發的一站式處理因果學習完整流程的開源算法工具包YLearn,是目前首款端到端、較完整、較系統的因果學習算法工具包,率先解決了因果學習中“因果發現、因果量識別、因果效應估計、反事實推斷和策略學習”五大關鍵問題,降低“決策者”使用門檻,不斷滿足政府和企業自動化“決策”的需求。

        徽標描述已自動生成
         
        YLearn由CausalDiscovery、CausalModel、EstimatorModel、Policy、Interpreter、Whatif等部件組成,各部件支持獨立使用,也支持統一封裝。為幫助用戶更直觀地理解數據、調整策略,YLearn提供了因果圖、因果效應解釋、決策樹等重要模塊的可視化輸出。
         
        與國內外因果學習工具相比,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
          通常的因果學習流程包括從數據中發現因果結構,對因果結構建立因果模型,使用因果模型進行因果效應識別和對從數據中對因果效應進行估計。YLearn一站式地支持這些功能,使用戶以最低的學習成本使用與部署因果學習。
         
        • 新而全
          YLearn實現了多個近年來在因果學習領域中發展出的各類算法,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進行解釋、根據因果效應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也支持將因果結構中識別出的因果效應的概率分布表達式以LaTex的形式輸出等小功能,幫助用戶將因果學習與其他方向交叉。

         網站低可信度描述已自動生成
         
        結合政府和企業在決策任務上的需求,YLearn將與九章云極DataCanvas公司的自動機器學習平臺相結合,通過與AutoML技術的融合,提高機器學習的魯棒性、泛化能力和解釋性,實現因果學習的自動調參和優化,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習工具包這一“卡脖子”難題,將技術回歸業務,支持決策類業務場景,為客戶提供多種決策方案。
         
        因果學習助力人工智能邁向新階段
         
        人工智能技術作為新一輪科技革命和產業變革的核心力量,正處于從預測邁向決策的新發展階段。因果學習在這一階段發揮著重要作用,彌補機器學習的理論缺陷,逐步解決從“是什么”到“為什么”的問題,從政府和企業的需求出發,提升“AI決策”的可信度和可用度,將AI能力更進一步交為業務所用。
         
        為了更好的帶動國內因果學習領域的發展,推動因果學習的多元化發展,九章云極DataCanvas公司聯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協會、天池共同舉辦黑客松「因果學習和決策優化挑戰賽」,為全球各路開發者精英們提供同臺競技的平臺。挑戰賽以“如何優化干預方案能使因果效應最大”為主題,將因果學習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技術賦能數智化升級的企業、結合人工智能技術進行創新探索的科研單位、高等院校的團隊及專業開發者等近四千支隊伍報名參賽。參賽隊伍經過23天的同臺競技,不斷探索因果學習領域的技術高峰,刷新成績紀錄,角逐出TOP18具有雄厚的AI技術實力以及富有創造力的優勝隊伍。
                                  一群人站在屏幕前描述已自動生成
         
        未來,九章云極DataCanvas公司將不斷創新研發開源工具,將政府和企業的業務需求與技術實踐相結合,助力政府和企業數智化升級,推動人工智能向新階段。

        (本文不涉密)




        免責聲明:本網站(www.trabajosenventas.com)內容主要來自原創、合作媒體供稿和第三方投稿,凡在本網站出現的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,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。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
        本網站刊載的所有內容(包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等)版權歸原作者所有。任何單位或個人認為本網站中的內容可能涉嫌侵犯其知識產權或存在不實內容時,請及時通知本站,予以刪除。電話:010-88558043)

        相關熱詞搜索:WAIC

        上一篇:數實融合驅動數字未來 影譜科技攜沉浸式數字技術亮相2022服貿會
        下一篇:億鑄科技聚焦國產存算一體AI大算力芯片,28納米工藝實現10倍能效比

        掃碼關注公眾號

        掃碼訂閱雜志

        掃碼下載2020年《混合多云行業應用調查報告》

        掃碼參與有獎調查

        亚洲专区无码

        <noframes id="z7bbb">
        <output id="z7bbb"></output>

          <address id="z7bbb"></address>

            <pre id="z7bbb"><ruby id="z7bbb"><b id="z7bbb"></b></ruby></pre>