Membantu kecerdasan buatan bergerak ke peringkat baharu, projek sumber terbuka pembelajaran sebab akibat YLearn dikeluarkan

Pada 12 Julai 2022, Syarikat Jiuzhang Yunji DataCanvas mengeluarkan satu lagi pencapaian teknologi sumber terbuka terobosan - projek sumber terbuka pembelajaran kausal YLearn dan berjaya mengadakan sidang akhbar dalam talian.

Tema sidang akhbar ialah "Dari ramalan kepada membuat keputusan, AI yang boleh difahami". Shang Mingdong, Pengasas & Pengerusi CSDN, Rakan Kongsi Pengasas Geek Bang Venture Capital Jiang Tao, Profesor Madya Tetap dan Penyelia Kedoktoran Jabatan Sains Komputer, Universiti Tsinghua Cui Peng dan YLearn R&D Pasukan akan bersama-sama membincangkan hasil penyelidikan terkini pembelajaran kausal dalam akademik dan industri, dan bersama-sama mempromosikan perkembangan pesat sains kausal.

YLearn - kunci AI yang membuka pintu kepada "membuat keputusan automatik"

YLearn projek sumber terbuka pembelajaran kausal , ialah global Kit alatan algoritma sumber terbuka sehenti pertama yang mengendalikan proses lengkap pembelajaran sebab-akibat, ia adalah yang pertama untuk menyelesaikan masalah "penemuan sebab, pengenalan kuantiti sebab, sebab anggaran kesan, inferens kontrafaktual dan pembelajaran strategi" dalam pembelajaran sebab-akibat. Lima isu utama mempunyai ciri-ciri sehenti, baharu dan komprehensif serta meluas . Ia mengurangkan ambang untuk digunakan oleh "pembuat keputusan" pada tahap minimum dan membantu kerajaan dan perusahaan meningkatkan keupayaan "membuat keputusan" automatik mereka dengan berkesan.

YLearn projek sumber terbuka pembelajaran kausal ialah pengganti kit alatan pembelajaran mesin automatik DAT dan DingoDB pangkalan data analisis interaktif masa nyata Syarikat Jiuzhang Yunji Selepas itu, alat berat sumber terbuka ketiga dikeluarkan. Sejak itu, perisian asas sumber terbuka Jiuzhang Yunji DataCanvas telah meluaskan lagi wilayahnya Siri alat asas sumber terbuka yang menyepadukan teknologi AI termaju seperti AutoML dan pembelajaran sebab akan mempercepatkan pengeluaran nilai risikan data dalam kerajaan dan. seluruh industri.

Dengan menggabungkan cerapan inovatif daripada bidang akademik yang canggih dan bidang aplikasi pasaran, pasukan R&D projek sumber terbuka DataCanvas Jiuzhang Yunji mendapati bahawa walaupun hasil "ramalan" perniagaan yang digunakan secara meluas pada masa ini berdasarkan pembelajaran mesin meningkatkan pendapatan perniagaan Kesan dalam aspek ini sangat ketara, tetapi memandangkan kerajaan dan perusahaan mempunyai permintaan yang semakin kuat untuk "AI autonomi" dan "pembuat keputusan pintar", pembuat keputusan memerlukan "sebab" yang boleh difahami yang boleh menjelaskan mengapa keputusan dibuat. Oleh itu, pembentangan "hubungan sebab musabab" telah menjadi fungsi yang sangat diperlukan untuk analisis data dan membuat keputusan yang bijak, tetapi pembelajaran mesin yang hanya menyediakan "korelasi" data tidak boleh melakukan ini. Penyepaduan

dengan teknologi "Pembelajaran Bersebab" akan menjadi penyelesaian terbaik untuk masalah ini, dan projek sumber terbuka pembelajaran sebab akibat YLearn telah dilahirkan.

YLearn pembelajaran kausal projek sumber terbuka (selepas ini dirujuk sebagai "YLearn") juga mempunyai gen "sumber terbuka, fleksibel dan automatik" produk Jiuzhang Yunji DataCanvas. Berdasarkan komuniti sumber terbuka, YLearn menyasarkan untuk mengisi jurang dalam pasaran yang tidak mempunyai kit alatan pembelajaran kausa yang lengkap, komprehensif, hujung ke hujung, dan bekerjasama dengan penyumbang sumber terbuka di seluruh dunia untuk mencipta

akhir ke -tamat, paling lengkap dan paling sistematik Kit alatan algoritma pembelajaran kausal secara langsung mengurangkan kos penggunaan "pembuat keputusan" dari sisi alat.

Pada masa ini, YLearn terdiri daripada CausalDiscovery, CausalModel, EstimatorModel, Policy, Interpreter dan komponen lain menyokong penggunaan bebas dan pembungkusan bersatu. Melalui komponen fleksibel ini, YLearn melaksanakan fungsi seperti menggunakan rajah sebab untuk mewakili hubungan sebab akibat dalam set data, mengenal pasti kesan sebab akibat, ungkapan kebarangkalian dan pelbagai model anggaran, dan akan terus menambah dan meningkatkan prestasi berikutan penyelidikan canggih.

Untuk menurunkan lagi ambang penggunaan, selain menjadikan proses penggunaan jelas dan ringkas serta mudah digunakan, YLearn juga akan menyepadukan teknologi teras Syarikat Jiuzhang Yunji DataCanvas - pembelajaran mesin automatik AutoML. Dengan sokongan teknologi AutoML, YLearn akan merealisasikan fungsi "automatik" lanjutan seperti pelarasan parameter automatik, pengoptimuman automatik dan penjanaan automatik berbilang penyelesaian membuat keputusan yang sepadan dengan hasil "Y" sebagai tambahan, YLearn juga akan; merealisasikan peta pembuatan keputusan visual berdasarkan hubungan sebab akibat, seperti menetapkan penunjuk operasi untuk operasi perusahaan, dan menyimpulkan kesan dan faedah keputusan yang berbeza secara interaktif.

Projek sumber terbuka pembelajaran kausal YLearn, yang menyediakan analisis kausaliti automatik, akan memberikan sokongan penting untuk pembuat keputusan untuk memahami logik pembuatan keputusan AI dan meningkatkan kredibiliti pembuatan keputusan AI membuka pintu kepada "membuat keputusan automatik" untuk kerajaan dan perusahaan kunci AI.

Pembelajaran kausal - membawa kecerdasan buatan ke peringkat baharu

Potensi pembelajaran sebab dan pengaruhnya terhadap hala tuju masa depan teknologi kecerdasan buatan telah diiktiraf oleh ahli akademik dan industri. Judea Pearl, pemenang Anugerah Turing pada tahun 2011 dan bapa kepada rangkaian Bayesian, pernah menyebut bahawa "tanpa keupayaan untuk membuat alasan tentang hubungan kausal, pembangunan AI akan terhad secara asasnya."

Profesor madya tetap dan penyelia kedoktoran Jabatan Sains Komputer di Universiti TsinghuaCui Peng menegaskan pada sidang akhbar ini bahawa "statistik sebab akan memainkan peranan penting dalam asas teori generasi baharu kecerdasan buatan." Punca keterbatasan semasa kecerdasan buatan ialah "mengetahuinya, tetapi tidak mengetahui sebabnya." Antaranya, "ran" dalam "mengetahuinya" merujuk kepada hubungan "korelasi" antara data, dan "ran" merujuk kepada hubungan "sebab" antara data. Melalui penyelidikan selama bertahun-tahun tentang memperkenalkan statistik kausa ke dalam pembelajaran mesin, pasukan Profesor Cui mendapati bahawa statistik kausa mempunyai prestasi cemerlang dalam menyelesaikan masalah kestabilan, masalah kebolehtafsiran dan masalah keadilan algoritma pembelajaran mesin.

Pasaran komersil juga menyeru untuk mempercepatkan aplikasi industri teknologi pembelajaran kausal. Laporan cerapan inovasi pembelajaran kausal terbaru Gartner "Innovation Insight: Causal
AI" menyatakan bahawa "kecerdasan buatan mesti bergerak melangkaui ramalan berasaskan korelasi ke arah penyelesaian berasaskan sebab untuk mencapai keputusan yang lebih baik dan automasi besar yang lebih cekap. …Kecerdasan buatan kausal adalah penting ke masa hadapan. Ciri-ciri ini akan mengurangkan lagi kos dan meningkatkan kecekapan untuk kerajaan dan perusahaan yang melaksanakan peningkatan kecerdasan digital berdasarkan teknologi AI, dan meraih nilai data yang tidak dijangka.

Alat sumber terbuka - enjin aplikasi inovatif teknologi AI

Teknologi termaju boleh mencapai aplikasi berskala besar yang berjaya dalam pasaran komersial, yang tidak dapat dipisahkan daripada rangsangan yang berkuasa alat sumber terbuka dan pemangkin.

Sama seperti Sklearn (salah satu modul pengaturcaraan yang paling terkenal dalam bidang pembelajaran mesin) adalah untuk aplikasi teknologi pembelajaran mesin, dan TensorFlow dan PyTorch (dua rangka kerja berciri penuh untuk membina model pembelajaran mendalam ) adalah untuk Kepentingan dan nilai besar penerapan teknologi pembelajaran mendalam juga memerlukan segera "alat sumber terbuka" untuk menerobos kesesakan aplikasi dalam bidang pembelajaran sebab.

Kemunculan kit sumber terbuka pembelajaran sebab musabab YLearn menyelesaikan masalah "tersekat" kekurangan kit alat pembelajaran sebab akibat yang berkuasa dan lengkap di pasaran, mempercepatkan pengenalan teknologi pembelajaran sebab akibat daripada "makmal" kepada aplikasi "industri". Jiang Tao

, pengasas dan pengerusi CSDN dan rakan pengasas Geek Bang Venture Capital, berkata, “Sudah tiba masanya untuk sumber terbuka di China, dan akan ada pasaran yang lebih besar apabila teknologi dipopularkan YLearn lebih canggih tentang aplikasi teknologi AI dalam pelbagai industri akan menjadi pendorong yang hebat

Pembangunan industri perisian negara saya adalah asas untuk pertumbuhan industri sumber terbuka, menyediakannya dengan tanah pertumbuhan yang hebat kepentingan pembangunan industri sumber terbuka dan telah melaksanakannya dalam "Rancangan Lima Tahun Ke-14". dan CTO Shang Mingdong

berkata dalam ucapannya pada sidang akhbar itu, "2022 telah memasuki tahun berlepas untuk sumber terbuka. Kami percaya bahawa dalam bidang AI, perisian adalah infrastruktur Berbanding dengan perisian aplikasi, sumber terbuka adalah 'medan pertempuran utama' untuk perisian asas. ”

Mematuhi budaya produk Syarikat Jiuzhang Yunji DataCanvas yang menumpukan rapat pada konsep inovasi teknologi "kecerdasan data" dan "menyepadukan dan menggunakan teknologi AI kepada senario perniagaan sebenar", pasukan R&D Jiuzhang Yunji DataCanvas projek sumber terbuka berinovasi dan berulang Walaupun alat sumber terbuka, kami terus menyerap keperluan dan maklum balas daripada aplikasi praktikal dalam pelbagai senario daripada kerajaan dan industri Pada masa yang sama, siri produk perisian asas AI Jiuzhang Yunji DataCanvas sedang disepadukan secara berterusan dengan alatan sumber terbuka yang dibangunkan secara bebas, dan juga akan dipercepatkan pelanggan Kerajaan dan perusahaan menikmati nilai perniagaan yang dibawa oleh aplikasi teknologi gabungan AI .

Atas ialah kandungan terperinci Membantu kecerdasan buatan bergerak ke peringkat baharu, projek sumber terbuka pembelajaran sebab akibat YLearn dikeluarkan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!