Pour aider l'intelligence artificielle à franchir une nouvelle étape, le projet open source d'apprentissage causal YLearn est lancé

Le 12 juillet 2022, la société Jiuzhang Yunji DataCanvas a publié une autre réalisation technologique open source révolutionnaire - le projet open source d'apprentissage causal YLearn, et a organisé avec succès une conférence de presse en ligne.

La conférence a pour thème "De la prédiction à la prise de décision, une IA compréhensible" et invite spécialement des experts dans le domaine de l'apprentissage causal et de l'intelligence artificielle : Jiuzhang Yunji DataCanvas, co-fondateur et CTOShang Mingdong, fondateur et président du CSDN, Jiang Tao, partenaire fondateur de GeekBang Venture Capital, Cui Peng, professeur associé permanent et directeur de doctorat du Département d'informatique de l'Université Tsinghua, et YLearn R&D team, ont discuté conjointement des derniers résultats de recherche sur l'apprentissage causal dans le monde universitaire. et l'industrie , favorisent conjointement le développement rapide de la science causale.

YLearn - la clé de l'IA qui ouvre la porte à une "prise de décision automatisée"

YLearn projet open source d'apprentissage causal, est la première boîte à outils d'algorithmes open source unique au monde qui gère le processus complet de l'apprentissage causal, et est le premier à résoudre le problème. Les cinq questions clés de l'apprentissage causal sont "la découverte causale, l'identification de la quantité causale, l'estimation de l'effet causal, l'inférence contrefactuelle et l'apprentissage stratégique". , nouveau et complet, avec une large gamme d'utilisations, et sera utilisé par les « décideurs » Le seuil est réduit au niveau le plus bas, aidant les gouvernements et les entreprises à améliorer efficacement leurs capacités de « prise de décision » automatisées. Le projet open source d'apprentissage causal YLearn est le troisième outil open source publié par la société Jiuzhang Yunji DataCanvas après la boîte à outils d'apprentissage automatique automatique DAT et la base de données d'analyse interactive en temps réel DingoDB. Depuis lors, le logiciel de base open source de Jiuzhang Yunji DataCanvas a encore élargi son territoire. La série d'outils de base open source intégrant des technologies d'IA de pointe telles que AutoML et l'apprentissage causal accélérera encore la diffusion de la valeur de l'intelligence des données au sein du gouvernement et. l'ensemble de l'industrie. En combinant des informations innovantes issues de domaines universitaires de pointe et de domaines d'application du marché, l'équipe R&D du projet open source Jiuzhang Yunji DataCanvas a découvert que, bien que les résultats de « prédiction » commerciale actuellement largement utilisés, basés sur l'apprentissage automatique, ont été efficaces pour améliorer les revenus des entreprises. C'est très évident, mais avec la demande croissante des gouvernements et des entreprises pour une « IA autonome » et une « prise de décision intelligente », les décideurs ont besoin d'une « raison » compréhensible qui puisse expliquer pourquoi une décision est prise. La présentation des « relations causales » est ainsi devenue une fonction indispensable à l’analyse des données et à la prise de décision intelligente, mais l’apprentissage automatique qui fournit uniquement une « corrélation » des données ne peut pas le faire. L'intégration de

avec la technologie « Causal Learning » deviendra la meilleure solution à ce problème, et le projet open source d'apprentissage causal YLearn est né.

Le projet open source d'apprentissage causal YLearn (ci-après dénommé « YLearn ») possède également le gène « open source, flexible et automatique » du produit Jiuzhang Yunji DataCanvas. Basé sur la communauté open source, YLearn vise à combler le vide du marché qui manque d'une boîte à outils d'apprentissage causal complète et de bout en bout, et à travailler avec des contributeurs open source mondiaux pour créer un de bout en bout, le plus La boîte à outils d'algorithme d'apprentissage causal la plus complète et la plus systématique réduit directement le coût d'utilisation des « décideurs » du côté de l'outil.

Actuellement, YLearn se compose de CausalDiscovery, CausalModel, EstimatorModel, Policy, Interpreter et d'autres composants. Chaque composant prend en charge une utilisation indépendante et un packaging unifié. Grâce à ces composants flexibles, YLearn implémente des fonctions telles que l'utilisation de diagrammes de causalité pour représenter les relations causales dans des ensembles de données, l'identification des effets de causalité, des expressions de probabilité et divers modèles d'estimation, et continuera d'ajouter et d'améliorer les performances suite à des recherches de pointe.

Afin d'abaisser davantage le seuil d'utilisation, en plus de rendre le processus d'utilisation clair, simple et facile à utiliser, YLearn intégrera également la technologie de base de Jiuzhang Yunji DataCanvas Company - l'apprentissage automatique automatique AutoML. Avec le support de la technologie AutoML, YLearn réalisera des fonctions « automatisées » avancées telles que l'ajustement automatique des paramètres, l'optimisation automatique et la génération automatique en un clic de plusieurs solutions de prise de décision correspondant au résultat « Y » ; réaliser une carte visuelle de prise de décision basée sur des relations causales, telles que la définition d'indicateurs opérationnels pour les opérations de l'entreprise, et déduire l'impact et les avantages de différentes décisions de manière interactive.

Le projet open source d'apprentissage causal YLearn, qui fournit une analyse de causalité automatisée, fournira un soutien important aux décideurs pour comprendre la logique de la prise de décision par l'IA et améliorer la crédibilité de la prise de décision par l'IA. Il deviendra l'IA. clé pour ouvrir la porte à une « prise de décision automatisée » dans les gouvernements et les entreprises.

Apprentissage causal : conduire l'intelligence artificielle vers une nouvelle étape

Le potentiel de l'apprentissage causal et son influence sur l'orientation future de la technologie de l'intelligence artificielle ont été reconnus par le monde universitaire et l'industrie. Judea Pearl, lauréate du prix Turing en 2011 et père des réseaux bayésiens, a mentionné un jour que « sans la capacité de raisonner sur les relations causales, le développement de l'IA sera fondamentalement limité ».

Cui Peng, professeur agrégé permanent et directeur de doctorat au Département d'informatique de l'Université Tsinghua, a souligné lors de cette conférence que "les statistiques causales joueront un rôle important dans le fondement théorique de la nouvelle génération d'intelligence artificielle". La cause profonde des limites actuelles de l’intelligence artificielle est « de la connaître, mais de ne pas savoir pourquoi ». Parmi eux, le « ran » dans « le savoir » fait référence à la relation de « corrélation » entre les données, et « so-ran » fait référence à la relation « causale » entre les données. Après des années de recherche sur l'introduction des statistiques causales dans l'apprentissage automatique, l'équipe du professeur Cui a découvert que les statistiques causales présentaient des performances exceptionnelles pour résoudre les problèmes de stabilité, d'interprétabilité et d'équité des algorithmes de l'apprentissage automatique.

Le marché commercial appelle également à accélérer l’application industrielle de la technologie d’apprentissage causal. Le dernier rapport de Gartner sur l’innovation en matière d’apprentissage causal « Innovation Insight : Causal

AI » indique que « l’intelligence artificielle doit aller au-delà des prédictions basées sur la corrélation vers des solutions basées sur la causalité pour parvenir à de meilleures décisions et à une plus grande automatisation… L’IA causale est essentielle pour l’avenir ».

La technologie d'apprentissage causal améliorera considérablement l'autonomie, l'explicabilité, l'adaptabilité et la robustesse de la technologie de l'IA. Ces fonctionnalités réduiront davantage les coûts et augmenteront l’efficacité pour les gouvernements et les entreprises qui mettent en œuvre des mises à niveau de l’intelligence numérique basées sur la technologie de l’IA et récolteront une valeur inattendue des données.

Outils open source - le moteur d'application innovante de la technologie de l'IA

La capacité d'une technologie de pointe à réaliser avec succès une application à grande échelle sur le marché commercial ne peut être séparée de l'impulsion et de la catalyse de puissants outils open source.

Tout comme Sklearn (l'un des modules de programmation les plus connus dans le domaine de l'apprentissage automatique) est utilisé dans l'application de la technologie d'apprentissage automatique, et TensorFlow et PyTorch (deux frameworks complets pour créer des modèles d'apprentissage profond) sont utilisés dans l'application de la technologie d'apprentissage en profondeur D'une grande importance et valeur, dans le domaine de l'apprentissage causal, il existe également un besoin urgent d'un « outil open source » pour briser le goulot d'étranglement des applications.

L'émergence de la boîte à outils open source d'apprentissage causal YLearn résout le problème « bloqué » de l'absence d'une boîte à outils d'apprentissage causal puissante et complète sur le marché, et accélère l'avancement de la technologie d'apprentissage causal des « laboratoires » aux « applications industrielles ». .

Jiang Tao, fondateur et président de CSDN et partenaire fondateur de GeekBang Venture Capital, a déclaré : « L'heure est à l'open source en Chine. Ce n'est que lorsque la technologie deviendra plus populaire qu'il y aura un marché plus grand. YLearn rendra la technologie de l'IA plus sophistiquée et en profondeur dans diverses industries." Il y aura une énorme force motrice.

Le développement de l'industrie du logiciel de mon pays est la base de la croissance de l'industrie open source, lui fournissant un terrain de croissance. Le pays attache une grande importance au développement de l'industrie de l'open source et a inclus l'open source au plus haut niveau pour la première fois dans le « 14e plan quinquennal de conception », a déclaré Shang Mingdong, co-fondateur et directeur technique de Jiuzhang Yunji DataCanvas, dans son discours à la conférence. conférence de presse, « 2022 est entrée dans l’année du décollage de l’open source. Nous pensons que dans le domaine de l’IA, le logiciel est une infrastructure. Comparé aux logiciels d’application, l’open source est le « principal champ de bataille » pour les logiciels de base. "

Adhérant à la culture produit de la société Jiuzhang Yunji DataCanvas qui se concentre étroitement sur le concept d'innovation technologique de "l'intelligence des données" et "l'intégration et l'application de la technologie de l'IA à des scénarios commerciaux réels", l'équipe R&D du projet open source de Jiuzhang Yunji DataCanvas innove et itère les outils open source tout en absorbant constamment les besoins et les commentaires des applications pratiques dans divers scénarios du gouvernement et de l'industrie. Dans le même temps, la série de produits logiciels de base d'IA de Jiuzhang Yunji DataCanvas est continuellement intégrée et appliquée avec des développements indépendants. des outils open source, qui accéléreront également l'application des clients gouvernementaux et des entreprises. Profitez de la valeur commerciale apportée par l'application de la technologie de fusion IA .

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!