以“智联世界、元生无界”为主题的2022 世界人工智能大会（WAIC）于9月3日在上海圆满落幕。WAIC作为全球人工智能的“科技风向标、应用展示台、产业加速器、治理议事厅”，是全球人工智能领域最具影响力的行业盛会。
「WAIC 2022 · AI 开发者日」作为WAIC大会最重要的技术论坛之一，以“AI开发者所真正关注的”为主题，汇聚了2021 年图灵奖得主、中外院士、世界级技术专家与科技企业创始人等 15 位学术界和产业界重磅嘉宾。九章云极DataCanvas公司开源技术副总裁、D-Lab主任杨健受邀出席论坛，并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》的精彩主题演讲。
因果学习：人工智能发展的技术突破口
随着机器学习和 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。
YLearn：因果学习，从预测到决策
2019年图灵奖得主Yoshua Bengio先生曾提到，“因果关系对于机器学习的下一步进展非常重要”。从2019年开始，因果学习的学术研究新成果不断出现，发表的相关论文数量每年都在翻倍增长。目前，从国内外关于因果学习的研发来看，出现了很多因果学习的工具，例如DoWhy、围绕解决因果效应评估类问题的EconML，用来完成uplift建模的CausalML以及专注解决因果发现问题的Causal Learn。但这些工具都只能解决因果学习中的部分问题，又因为不同的工具所依赖的理论框架和结构体系不同，导致工具包之间也难以融合使用。因果学习领域则是缺少系统、完整的、综合性、端到端的工具包。
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。
GitHub 地址：https://github.com/DataCanvasIO/YLearn
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。
• 一站式
• 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。
• 新而全
• 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。
• 用途广
• 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。
结合政府和企业在决策任务上的需求，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。同时，YLearn解决了市场上缺失功能强大且完整的因果学习工具包这一“卡脖子”难题，将技术回归业务，支持决策类业务场景，为客户提供多种决策方案。
因果学习助力人工智能迈向新阶段
人工智能技术作为新一轮科技革命和产业变革的核心力量，正处于从预测迈向决策的新发展阶段。因果学习在这一阶段发挥着重要作用，弥补机器学习的理论缺陷，逐步解决从“是什么”到“为什么”的问题，从政府和企业的需求出发，提升“AI决策”的可信度和可用度，将AI能力更进一步交为业务所用。
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。
作为业界首个面向「因果推断全流程」的赛事，收到来自全国各地包括运用人工智能相关技术赋能数智化升级的企业、结合人工智能技术进行创新探索的科研单位、高等院校的团队及专业开发者等近四千支队伍报名参赛。参赛队伍经过23天的同台竞技，不断探索因果学习领域的技术高峰，刷新成绩纪录，角逐出TOP18具有雄厚的AI技术实力以及富有创造力的优胜队伍。
未来，九章云极DataCanvas公司将不断创新研发开源工具，将政府和企业的业务需求与技术实践相结合，助力政府和企业数智化升级，推动人工智能向新阶段。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
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。
