『科研喵萌萌』AI的下一个研究热点居然是图

在2019年11月3日-7日召开的信息检索和数据挖掘的顶会ACM CKIM 2019中，图神经网络成为了最大的热点。大会程序主席崔鹏说：“从第一天讲习班的情况来看，只要涉及到图，听的人都比较多。现在大家对深度学习已经基本无感了，但图神经网络是一个值得研究方向，是深度学习的下一波研究。 ”
对于人工智能、机器学习、深度学习等名词大家一定不陌生。而图神经网络估计很少有人听过，图神经网络是神经网络的一个拓展，主要用来处理图数据。这时就有人会说，神经网络当中有专门处理图数据的卷积神经网络吗？为什么还要用图神经网络？这说明你对图的定义不是很理解。
在图论中，图的定义为由顶点的有穷非空集合和顶点之间边的集合组成，表示为G(V,E），其中G表示一个图， V是图G中顶点的集合， E是图G中边的集合。说白了图就是由一堆节点以及节点之间的边构成的，它用来描述了节点与节点之间的关系。
【『科研喵萌萌』AI的下一个研究热点居然是图】

本文插图
图由节点和边组成
卷积神经网络处理的图一般是我们平常理解的图像、视频这种很规则的图，这些图中的节点(在图片中可以理解为像素)相互之间是没有关联的。而图神经网络是用来处理如社交网络、交通网路这类不规则的图，这些图的节点是有关联的，例如社交网络中人和人之间的关系远近。目前绝大多数的算法都无法处理节点之间的关系，因此才产生出了图神经网络。

本文插图
将社交网络看成一张图
图神经网络一开始的理论基础是不动点理论。什么叫不动点理论呢？你可以理解为一个事物不再发生改变时的状态。就好比你向水中扔了一块石头，一开始会泛起层层涟漪，但是最终水面会归于平静。因此图卷积神经网络的核心观点是通过节点之间的信息传播使整张图达到收敛(即不再变化) 。这和循环神经网络的原理有点像，因此第一个提出来的便是循环图神经网络。而循环图神经网络因为存在共享参数等缺点，之后又出现了图卷积神经网络、图自编码和图时空网络等等。
目前图神经网络受到关注的原因主要有三点：第一相对于深度学习，图的表征比较多；第二目前对于图的理论分析还比较欠缺，因此还有许多可以研究的地方；第三虽然图网络有各种各样的问题，但实际上在一些问题上已经取得了比其他网络较好的优势。
现在图神经网络已经应用到生物、化学、交通、医学等各个研究领域，未来必定会推动人工智能的高速发展。