人工智能的發(fā)展從低到高可分為三個(gè)階段：運(yùn)算智能、感知智能、認(rèn)知智能。運(yùn)算智能是最初級的階段，主要指計(jì)算機(jī)擁有快速計(jì)算和記憶存儲能力。感知智能階段建立在運(yùn)算智能的基礎(chǔ)上，指機(jī)器能夠擁有視覺、聽覺等能力。而認(rèn)知智能則是更高級的階段，指機(jī)器能夠?qū)崿F(xiàn)“理解與思考”。

在深度學(xué)習(xí)技術(shù)的推動下，人工智能在感知層面上取得了重要成果和廣泛的應(yīng)用，但仍然停留在感知智能層面上。目前，深度學(xué)習(xí)技術(shù)在圖片識別、語音識別、視頻識別等應(yīng)用上已經(jīng)達(dá)到或超越了人類水準(zhǔn)，然而基于深度學(xué)習(xí)技術(shù)的人工智能，卻無法勝任認(rèn)知智能層面上的任務(wù)。例如，深度學(xué)習(xí)技術(shù)能夠讓機(jī)器從視頻中識別出貓咪，但無法讓機(jī)器理解為什么視頻中的貓咪喜歡玩毛線球，更不具備在發(fā)現(xiàn)貓咪不開心時(shí)給貓咪扔毛線球的智能。究其根本是因?yàn)樯疃葘W(xué)習(xí)技術(shù)不具備推理的能力，無法賦予機(jī)器認(rèn)知智能。所謂認(rèn)知智能是指讓機(jī)器獲得推理能力，能夠像人一樣思考，而這種思考能力具體體現(xiàn)在機(jī)器能夠理解數(shù)據(jù)、理解語言，進(jìn)而理解現(xiàn)實(shí)世界的能力，能夠解釋數(shù)據(jù)、解釋過程，進(jìn)而解釋現(xiàn)象的能力，以及推理、規(guī)劃等一系列人類所獨(dú)有的認(rèn)知能力。

圖神經(jīng)網(wǎng)絡(luò)的重要意義

圖神經(jīng)網(wǎng)絡(luò)是近年來新興的一種智能算法，其將深度學(xué)習(xí)算法和圖計(jì)算算法相融合，取長補(bǔ)短，以達(dá)到更優(yōu)的認(rèn)知與問題處理等能力，被廣泛應(yīng)用于 搜索、推薦、風(fēng)險(xiǎn)控制等重要領(lǐng)域。圖神經(jīng)網(wǎng)絡(luò)在發(fā)展演變的過程中，適用場景不斷拓寬。在發(fā)展早期， 由于潛在的認(rèn)知能力未被充分挖掘與發(fā)揮，圖神經(jīng)網(wǎng)絡(luò)通常應(yīng)用于圖分類、節(jié)點(diǎn)分類和鏈路預(yù)測場景中。而隨著學(xué)術(shù)界對圖神經(jīng)網(wǎng)絡(luò)的重視程度和挖掘深度的不斷提升，圖神經(jīng)網(wǎng)絡(luò)開始用于解決自然語言處理、推薦、金融、集成電路等領(lǐng)域的問題。此外，相對于深度學(xué)習(xí)算法，圖神經(jīng)網(wǎng)絡(luò)還能勝任一些更具挑戰(zhàn)性的任務(wù)，例如重新發(fā)現(xiàn)宇宙、模擬玻璃分子的動態(tài)特性、大腦神經(jīng)元鏈接分析、知識圖譜分析等。在2019年后，圖神經(jīng)網(wǎng)絡(luò)力壓深度學(xué)習(xí)等熱門詞匯，成為各人工智能頂級會議的新增熱詞和研究熱點(diǎn)。

不僅學(xué)術(shù)界，工業(yè)界也對圖神經(jīng)網(wǎng)絡(luò)給予了高度重視，并逐漸加大該方向的基礎(chǔ)設(shè)施建設(shè)力量。包括谷歌、臉書、阿里巴巴等在內(nèi)的眾多主流企業(yè)，將圖神經(jīng)網(wǎng)絡(luò)部署于數(shù)據(jù)中心中。圖神經(jīng)網(wǎng)絡(luò)已然成為近年來工業(yè)界非常重要的應(yīng)用之一。阿里巴巴自主研發(fā)的大規(guī)模分布式圖學(xué)習(xí)框架Euler，已成功應(yīng)用于阿里公司的營銷、反作弊、廣告排序等眾多核心場景，大幅提升了業(yè)務(wù)效率。Euler已于2019年完成開源，成為國內(nèi)首款工業(yè)級圖深度學(xué)習(xí)開源框架。騰訊公司也于2019年開源了自研高性能圖計(jì)算框架Plato，致力于在有效時(shí)間和有限資源內(nèi)完成海量計(jì)算，已成功將10億級節(jié)點(diǎn)超大規(guī)模圖的計(jì)算時(shí)間降至分鐘級別。Euler 和Plato的研發(fā)團(tuán)隊(duì)均在人工智能領(lǐng)域的頂會中發(fā)表了多篇有關(guān)圖神經(jīng)網(wǎng)絡(luò)在推薦、風(fēng)控等業(yè)務(wù)中應(yīng)用的高水平論文。包括曠視科技在內(nèi)的許多國內(nèi)知名企業(yè)也已經(jīng)將圖神經(jīng)網(wǎng)絡(luò)應(yīng)用于推薦、風(fēng)控、視覺等主流業(yè)務(wù)場景中。此外，中科院計(jì)算所和中科睿芯聯(lián)合研制的高通量計(jì)算機(jī)力壓IBM獲得Green Graph 500大小數(shù)據(jù)集榜單的第1名，清華大學(xué)教授陳文光的研究團(tuán)隊(duì)在“神威·太湖之光”超級計(jì)算機(jī)上的研究成果獲得Graph 500 BFS榜單第2名。中科院計(jì)算所不僅具有深度學(xué)習(xí)芯片先驅(qū)者寒武紀(jì)在深度學(xué)習(xí)芯片的多年耕耘，在圖處理加速結(jié)構(gòu)研究方向上也取得了全世界認(rèn)可的優(yōu)異研究成果，并提出了國際首個(gè)圖神經(jīng)網(wǎng)絡(luò)加速芯片設(shè)計(jì)。

圖神經(jīng)網(wǎng)絡(luò)的優(yōu)勢特點(diǎn)

圖神經(jīng)網(wǎng)絡(luò)能夠備受學(xué)術(shù)界和工業(yè)界的青睞，歸功于其強(qiáng)大的數(shù)據(jù)理解能力和認(rèn)知能力。第一，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)處理的圖片、序列等，為歐幾里得空間的數(shù)據(jù)，結(jié)構(gòu)十分規(guī)則；而圖神經(jīng)網(wǎng)絡(luò)的處理對象則為結(jié)構(gòu)極其不規(guī)則的非歐幾里得空間的圖數(shù)據(jù)。圖數(shù)據(jù)具有比圖片、序列更強(qiáng)的數(shù)據(jù)和知識表示能力，不僅能表示樣本（節(jié)點(diǎn)）的獨(dú)立特性，還能表達(dá)相同類型甚至不同類型樣本之間的聯(lián)系（鏈接）。然而，現(xiàn)實(shí)世界的不確定性導(dǎo)致了圖數(shù)據(jù)的結(jié)構(gòu)不規(guī)則，因此深度學(xué)習(xí)算法無法直接處理現(xiàn)實(shí)場景中的圖數(shù)據(jù)。例如，卷積神經(jīng)網(wǎng)絡(luò)的卷積操作無法在具有不規(guī)則結(jié)構(gòu)的圖數(shù)據(jù)上進(jìn)行有效的計(jì)算。第二，相對于深度學(xué)習(xí)算法，圖神經(jīng)網(wǎng)絡(luò)能夠高效地利用樣本實(shí)例之間的結(jié)構(gòu)性特征。圖結(jié)構(gòu)數(shù)據(jù)蘊(yùn)含著豐富的信息，節(jié)點(diǎn)通過邊相連接，將不同樣本之間的關(guān)系等信息進(jìn)行有效和充分的表達(dá)，從而最大化利用現(xiàn)實(shí)圖的結(jié)構(gòu)性特征。在傳統(tǒng)的深度學(xué)習(xí)算法適用場景中，實(shí)例需要彼此獨(dú)立，因此無法挖掘樣本之間的潛在聯(lián)系。而圖神經(jīng)網(wǎng)絡(luò)算法則將圖數(shù)據(jù)的結(jié)構(gòu)性特征融入算法模型實(shí)現(xiàn)中，增強(qiáng)知識的理解能力。第三，無法有效進(jìn)行關(guān)系推理是制約深度學(xué)習(xí)發(fā)展的核心因素之一，而具有處理各種關(guān)系能力的圖神經(jīng)網(wǎng)絡(luò)算法則能勝任關(guān)系推理，從而造就了圖神經(jīng)網(wǎng)絡(luò)強(qiáng)大的認(rèn)知能力。因此，圖神經(jīng)網(wǎng)絡(luò)被認(rèn)為是推動認(rèn)知智能發(fā)展強(qiáng)有力的推理方法，有望解決深度學(xué)習(xí)無法處理的關(guān)系推 理等一系列問題，讓機(jī)器“能理解、會思考”。

責(zé)任編輯：lq