2021世界人工智能大会举行，专家热议图神经网络与认知智能

量子位的朋友们 2021-07-13 11:10:24 来源：量子位

图神经网络是非常强大的工具

7月8日，为期三天的2021世界人工智能大会（WAIC）在上海世博展馆拉开序幕。今年WAIC以“智联世界众智成城”为主题，旨在通过汇聚世界人工智能发展的最新成果和观点，为全球人工智能协同共治描绘新蓝图，为我国人工智能健康发展注入新活力。大会汇聚顶级科学家、企业家、政府官员、专家学者、国际组织、投资人、初创团队等，促进全球人工智能创新思想、技术、应用、人才和资本的集聚和交流，助力打造人工智能世界级产业集群。

7月10日，大会圆满落幕之际，重要分论坛之一“图神经网络与认知智能前沿技术论坛”压轴举行，本论坛由世界人工智能大会组委会办公室指导，AI TIME和东浩兰生集团有限公司主办，北京智谱华章科技有限公司承办，中软国际教育科技集团协办。

图神经网络与认知智能前沿技术论坛现场

2020年，清华大学人工智能研究院院长张钹院士首次全面阐述第三代人工智能的理念，提出第三代人工智能的发展路径是融合第一代的知识驱动和第二代的数据驱动的人工智能，基于知识图谱的推理体现了第三代人工智能的特点。为顺应“第三代人工智能”趋势，未来AI将在推理、规划、逻辑表示等方面深入探索，增强AI的可解释性、鲁棒性，发现AI系统因果关系。而图神经网络的研究趋势恰恰是面向推理和认知，因此图神经网络被认为是推动认知智能发展强有力的推理方法，有望解决深度学习无法处理的关系推理、可解释性等一系列问题，让机器“能理解、会思考”。

为理清图神经网络和认知智能的发展和应用，本次论坛采用独特的 “AI TIME论道”形式，邀请了国内此领域知名的学者与产业界专家，就“图神经网络”、“大规模预训练模型”、“认知智能”等前沿方向展示最新的研究成果，并共同探讨理论、技术、产业落地以及未来展望等。

据了解， AI TIME由清华大学人工智能研究院院长张钹院士，清华大学计算机系唐杰教授、李涓子教授等人于2019年联合发起，用辩论的形式，聚集热爱AI的人士探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

清华大学计算机系教授李涓子

论坛现场，清华大学计算机系教授李涓子围绕“知识图谱与认知推理”做了主题报告。李涓子指出，未来搜索或者推荐系统的终极目标是得到问题的准确答案。目前简单问答在一些数据集上已经达到了人类水平，但是复杂问答能力还相差很远。为此，李涓子团队提出了可解释认知推理的框架。

“知识驱动和数据驱动相结合是机器智能非常重要的理论研究，我们提出了基于图的可解释认知推理的框架，框架将提问对象表示为图结构，将复杂问题解析为由基本函数组合而成的程序的推理过程，在图结构上使用注意力机制进行模块推理，使得每个模块的输出可以被人类所理解。未来希望进一步构建可扩展的通用推理函数库，并研究多模态认知推理和具有增量学习能力的推理。”李涓子表示。

清华大学计算机系副教授许斌

清华大学计算机系副教授许斌介绍了“面向大规模知识图谱的预训练模型”，他表示：“我们希望通过异构识别网络的预训练模型和预训练模型支撑的大规模知识图谱链接支撑AI，赋能学术与科技情报服务。通过知识图谱构建和神经网络构建基础，我们在学术领域构建了垂直应用AMiner，即基于知识驱动的技术服务体系，可以提供的智能服务包括科技趋势分析、专家发现、学术推荐等，能够通过AI技术帮助研究人员去理解科学的本质。我们最终目的是希望把知识图谱和预训练模型很好地结合起来，使得机器像人一样思考并且广泛服务于人类的方方面面。”

阿里巴巴资深算法专家杨红霞

接下来，阿里巴巴资深算法专家杨红霞介绍了“超大规模多模态预训练模型M6”。超大规模多模态预训练模型M6文到图的技术生成能力，可以给文字创造图片，让人眼前一亮，这是之前深度学习模型没办法做到的事情，因此，人工智能被认为具有了一定的创造能力。杨红霞说道：“我本人在业界，对M6真正大规模落地和应用非常关注，我们主要关注三个核心点：如何依靠有限的GPU资源，低碳地运行人工智能模型；如何满足落地商业化应用对图片清晰度的高要求；再就是如何实现商业化首次大规模落地。如今，预训练是‘大力出奇迹’，我们也在做探索，把每个专家分到K个组，每个组是TOP-1机制，最终是K TOP-1稀疏激活策略，结果非常不错，提速非常快，谷歌把算子的精度压到了BF16，我们直接压到了半精度。M6能够应用在服饰新制造、长尾词搜索、推荐新品的高效孵化等领域。”

浙江大学副教授杨洋

最后，浙江大学副教授杨洋围绕“图神经网络的鲁棒性学习”进行了分享。图数据是非常常见的数据结构，比如人和人之间的关系构成社交网络。杨洋以图风控为例做了介绍：“我们在应用模型的时候发现数据层面有一些比构建模型更具挑战的工作，比如我们发现真实的网络数据往往带有大量的噪音。为了解决这个问题，我们提出基于强化学习的框架，在金融领域、电信领域包括社交网络都做了一些测试，在不同的降噪比下，降噪以后在节点分类上提升了将近30%。”

“AI TIME论道”环节