從預(yù)測(cè)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(wú)界”為主題的2022 世界人工智能大會(huì)（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(tái)、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(huì)。

「WAIC 2022 · AI 開(kāi)發(fā)者日」作為WAIC大會(huì)最重要的技術(shù)論壇之一，以“AI開(kāi)發(fā)者所真正關(guān)注的”為主題，匯聚了2021 年圖靈獎(jiǎng)得主、中外院士、世界級(jí)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(kāi)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(yùn)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(shí)別、因果效應(yīng)估計(jì)、反事實(shí)推斷和策略學(xué)習(xí)”五大關(guān)鍵問(wèn)題，發(fā)表了《YLearn：因果學(xué)習(xí)，從預(yù)測(cè)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(jī)器學(xué)習(xí)和深度學(xué)習(xí)在發(fā)展過(guò)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(jī)器學(xué)習(xí)存在著泛化能力較弱、解釋性不強(qiáng)、決策支持能力不足的關(guān)鍵性問(wèn)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(dòng)的方式實(shí)現(xiàn)自動(dòng)化決策來(lái)提高整體運(yùn)營(yíng)效率。

隨著機(jī)器學(xué)習(xí)建模越來(lái)越多的應(yīng)用，人工智能技術(shù)從預(yù)測(cè)性分析向指導(dǎo)性分析升級(jí)轉(zhuǎn)移，自動(dòng)化“決策”成為政府和企業(yè)在數(shù)智化時(shí)代的核心需求，決策者需要一個(gè)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(jī)器學(xué)習(xí)主要是完成預(yù)測(cè)性任務(wù)，難以滿足政府和企業(yè)自動(dòng)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(dòng)化的關(guān)鍵技術(shù)之一。因果學(xué)習(xí)成為補(bǔ)充機(jī)器學(xué)習(xí)問(wèn)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(diǎn)研究。

YLearn：因果學(xué)習(xí)，從預(yù)測(cè)到?jīng)Q策

2019年圖靈獎(jiǎng)得主Yoshua Bengio先生曾提到，“因果關(guān)系對(duì)于機(jī)器學(xué)習(xí)的下一步進(jìn)展非常重要”。從2019年開(kāi)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(zhǎng)。目前，從國(guó)內(nèi)外關(guān)于因果學(xué)習(xí)的研發(fā)來(lái)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(píng)估類問(wèn)題的EconML，用來(lái)完成uplift建模的CausalML以及專注解決因果發(fā)現(xiàn)問(wèn)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(wèn)題，又因?yàn)椴煌墓ぞ咚蕾嚨睦碚摽蚣芎徒Y(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(kāi)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(shí)別、因果效應(yīng)估計(jì)、反事實(shí)推斷和策略學(xué)習(xí)”五大關(guān)鍵問(wèn)題，降低“決策者”使用門檻，不斷滿足政府和企業(yè)自動(dòng)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(dú)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(shù)等重要模塊的可視化輸出。

與國(guó)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(diǎn)。

• 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(duì)因果結(jié)構(gòu)建立因果模型，使用因果模型進(jìn)行因果效應(yīng)識(shí)別和對(duì)從數(shù)據(jù)中對(duì)因果效應(yīng)進(jìn)行估計(jì)。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(shí)現(xiàn)了多個(gè)近年來(lái)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(jìn)展，保持因果識(shí)別與估計(jì)模型的先進(jìn)和全面。
• 用途廣
• YLearn支持對(duì)估計(jì)得到的因果效應(yīng)進(jìn)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(guò)程等功能。除此之外，YLearn也支持將因果結(jié)構(gòu)中識(shí)別出的因果效應(yīng)的概率分布表達(dá)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(dòng)機(jī)器學(xué)習(xí)平臺(tái)相結(jié)合，通過(guò)與AutoML技術(shù)的融合，提高機(jī)器學(xué)習(xí)的魯棒性、泛化能力和解釋性，實(shí)現(xiàn)因果學(xué)習(xí)的自動(dòng)調(diào)參和優(yōu)化，進(jìn)一步降低使用門檻。同時(shí)，YLearn解決了市場(chǎng)上缺失功能強(qiáng)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(chǎng)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(cè)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(bǔ)機(jī)器學(xué)習(xí)的理論缺陷，逐步解決從“是什么”到“為什么”的問(wèn)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(jìn)一步交為業(yè)務(wù)所用。

為了更好的帶動(dòng)國(guó)內(nèi)因果學(xué)習(xí)領(lǐng)域的發(fā)展，推動(dòng)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(huì)組委會(huì)辦公室、機(jī)器之心、上海市人工智能行業(yè)協(xié)會(huì)、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(kāi)發(fā)者精英們提供同臺(tái)競(jìng)技的平臺(tái)。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(wèn)題具化，旨在考察選手使用因果推斷在決策方案制定問(wèn)題上的估計(jì)能力。

作為業(yè)界首個(gè)面向「因果推斷全流程」的賽事，收到來(lái)自全國(guó)各地包括運(yùn)用人工智能相關(guān)技術(shù)賦能數(shù)智化升級(jí)的企業(yè)、結(jié)合人工智能技術(shù)進(jìn)行創(chuàng)新探索的科研單位、高等院校的團(tuán)隊(duì)及專業(yè)開(kāi)發(fā)者等近四千支隊(duì)伍報(bào)名參賽。參賽隊(duì)伍經(jīng)過(guò)23天的同臺(tái)競(jìng)技，不斷探索因果學(xué)習(xí)領(lǐng)域的技術(shù)高峰，刷新成績(jī)紀(jì)錄，角逐出TOP18具有雄厚的AI技術(shù)實(shí)力以及富有創(chuàng)造力的優(yōu)勝隊(duì)伍。

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

生成海報(bào)

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(píng)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(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)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(lái)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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。