九章云极DataCanvas携因果学习技术成果亮相WAIC

9月6日消息，2022 世界人工智能大会（WAIC）日前落幕，在WAIC 2022 · AI开发者日技术论坛上，九章云极DataCanvas公司开源技术副总裁、D-Lab主任杨健围绕如何运用完整的、综合性、端到端因果学习工具包解决“因果发现、因果量识别、因果效应估计、反事实推断和策略学习”五大关键问题，发表了《YLearn：因果学习，从预测到决策》的主题演讲。

随着机器学习和深度学习在发展过程中遇到技术瓶颈，人工智能发展速度逐渐放缓，究其原因，一方面是机器学习存在着泛化能力较弱、解释性不强、决策支持能力不足的关键性问题；另一方面政府和企业提出“智能决策”的需求，即以数据驱动的方式实现自动化决策来提高整体运营效率。

随着机器学习建模越来越多的应用，人工智能技术从预测性分析向指导性分析升级转移，自动化“决策”成为政府和企业在数智化时代的核心需求，决策者需要一个可理解的AI决策逻辑以及具有可信度、可解释的决策结果。而当前机器学习主要是完成预测性任务，难以满足政府和企业自动化决策的需求。

Gartner发布的《2022年新兴技术成熟度曲线》中提到，因果人工智能是加速AI自动化的关键技术之一。因果学习成为补充机器学习问题的关键技术，人工智能发展极具潜力的技术突破口，引发业界的广泛关注和热点研究。

根据官方的介绍，九章云极DataCanvas公司自主研发的一站式处理因果学习完整流程的开源算法工具包YLearn，是目前首款端到端、较完整、较系统的因果学习算法工具包，率先解决了因果学习中“因果发现、因果量识别、因果效应估计、反事实推断和策略学习”五大关键问题，降低“决策者”使用门槛，不断满足政府和企业自动化“决策”的需求。

YLearn由CausalDiscovery、CausalModel、EstimatorModel、Policy、Interpreter、Whatif等部件组成，各部件支持独立使用，也支持统一封装。为帮助用户更直观地理解数据、调整策略，YLearn提供了因果图、因果效应解释、决策树等重要模块的可视化输出。

与国内外因果学习工具相比，九章云极DataCanvas公司的YLearn具有一站式、新而全、用途广的特点。据悉，通常的因果学习流程包括从数据中发现因果结构，对因果结构建立因果模型，使用因果模型进行因果效应识别和对从数据中对因果效应进行估计。YLearn一站式地支持这些功能，使用户以最低的学习成本使用与部署因果学习。YLearn实现了多个近年来在因果学习领域中发展出的各类算法，例如Meta-Learner、Double Machine Learning等。也将一直致力于紧跟前沿进展，保持因果识别与估计模型的先进和全面。YLearn支持对估计得到的因果效应进行解释、根据因果效应在各种方案中选取收益最大的方案并可视化决策过程等功能。除此之外，YLearn也支持将因果结构中识别出的因果效应的概率分布表达式以LaTex的形式输出等小功能，帮助用户将因果学习与其他方向交叉。

YLearn将与九章云极DataCanvas公司的自动机器学习平台相结合，通过与AutoML技术的融合，提高机器学习的鲁棒性、泛化能力和解释性，实现因果学习的自动调参和优化，进一步降低使用门槛。

另外，为了更好的带动国内因果学习领域的发展，推动因果学习的多元化发展，九章云极DataCanvas公司联合世界人工智能大会组委会办公室、机器之心、上海市人工智能行业协会、天池共同举办黑客松「因果学习和决策优化挑战赛」，为全球各路开发者精英们提供同台竞技的平台。挑战赛以“如何优化干预方案能使因果效应最大”为主题，将因果学习中的普适性问题具化，旨在考察选手使用因果推断在决策方案制定问题上的估计能力。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。