有了图分析，可解释的AI还远吗？ Graph+AI更多新可能随着深度学习

文章插图
文章插图
Graph+AI 更多新可能
随着深度学习、机器学习等人工智能技术的逐级深入，企业对挖掘大数据的关联性去探索“隐藏”在背后的商业价值提出了更高的要求。尤其是，新一代人工智能技术正从“感知智能”迈向“认知智能” ，让机器实现“理解、推理、决策、可解释”的认知智能正成为人工智能研究的热点和趋势。
在机器学习领域和深度学习发展中却遇到了瓶颈，不可解释性是其固有的顽疾。图与可解释人工智能、增强型分析、自然语言处理等具有紧密的联系，可以将图用作知识图谱，有望解决深度学习无法处理的关系推理、可解释性等固有问题。
文章插图
【有了图分析，可解释的AI还远吗？】Graph+AI 新结合
在国务院颁发的《新一代人工智能发展规划》中，明确指出“关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术”为新一代人工智能关键共性技术体系的重点突破领域。这将可以预见图与人工智能的结合将成为未来引爆图计算的新机会。
TigerGraph的成熟技术支持欺诈检测、客户360度视图、物联网，尤其是在人工智能和机器学习等应用中大显身手。例如，某大型移动运营商使用TigerGraph具备的实施深度链接分析功能来弥补当前机器学习算法的缺陷，他们将该方案应用在包括4.6亿部手机在内的100多亿次呼叫分析之中，并为每部手机生成118个新的图形特征。同时，它新产生的 540 亿条数据特征，可以作为训练数据为机器学习算法的自我提升提供支持，实现了欺诈检测技术的新突破。
文章插图
TigerGraph 强大的实时图分析功能也被用于更多的场景，例如训练机器学习算法以检测各种其他类型的异常行为，如零售商家面临的信用卡诈骗行为，以及横跨了整个金融服务生态系统的洗钱行为。
文章插图
图查询语言的未来
虽然图数据库技术获得快速发展和商业应用，但是市场缺少统一的、高效的图查询语言。设计良好、用户友好、高表达的图查询语言可以显著地缩短用自然语言提出的现实问题和轻松构建基于图解决方案之间的差距。 TigerGraph 自研了 GSQL 图查询的语言，完全支持国际标准化组织语言组织即将发布的图查询语言GQL ，因为是类 SQL 的语法，将便于超百万的 SQL 开发者上手使用，可以灵活便捷的来为使用者描述，提供高性能的计算。
文章插图
TigerGraph GSQL的创新、速度和高扩展性提高了它在SQL社区中的易用性，在图分析方面提供了类似SQL的体验。但是， TigerGraph在图查询的便捷性方面更上一层楼，通过快速演进到TigerGraph 3.0版本，实现对服务管理架构、计算引擎、查询语言和可视化开发及运维工具进行了全面升级。
如果说TigerGraph 1.0版本实现了原生并行图从无到有的突破， 2.0版本完成了从单机高性能图向企业级分布式图的跨越，那么3.0版本则标志着TigerGraph图平台走向成熟和的大众化，尤其是其可视化查询构建器（Visual Query Builder）功能允许用户使用累加器进行汇总，完全实现了无代码操作。
Graph+AI World 2020 是TigerGraph倾情打造的首个围绕图技术的大型线上直播大会，旨在利用图算法加速人工智能和机器学习项目，洞察数据深度关联，探索图分析更多可能。让图不再只是一个热门词汇，而是人人都可以操作的实用工具，帮助企业实现业务价值的创新科技。
文章插图