节点|深度图神经网络的发展趋势 pop|供应链|化工|sku|化工产品

很荣幸受邀参加这次大会，我是京东探索研究院图神经网络方向负责人詹忆冰。今天将由我跟大家分享，在现在人工智能产业我们发展认为迎来一种拐点的技术，也就是图神经网络，我们将介绍它的一些机遇以及我们现在的一些挑战。
人工智能的发展演进，在50年代时人工智能概念被提出，第一台神经网络机在1951年就被发明出来了。当人工智能概念被提出来之后，人们给予了非常大的期望，但在很长一段时间，大家发现人工智能可能并没有那么智能，大部分事情它完成得还是没有人好。但是转机是在1980年代，当时专家系统被提出，大家发现如果人工设定一些规则，机器按照这些规则做一些事，成功率会大大提升。当时这种专家系统在金融领域得到了非常好的应用，也是我们机器学习或者人工智能从理论走向应用的开端。2010年，数据得到了爆炸式的提升，算力，包括刚刚提到的鸿蒙系统，让算力及系统得到了大大提升，我们的深度学习逐渐兴起。在当时各种各样的技术性能初步超越了人类的标准，人工智能的应用到现在在千行百业得到了非常大的发展。

文章插图
我们这给出了一些比较大的领域，包括在智能零售，在购物的时候，发现我们所需要购买的商品，算法会给我们事先推荐好。现在一个比较流行的话题是自动驾驶，无人车或者无人物流车在街上行走时，人工智能算法也为这些车提供了非常多的方便。现在也比较流行工厂的智能制造，京东最近一直在做从客户到工厂的定制，也是通过人工智能来收集一些用户的需求，反向传递给工厂，让工厂生产出来的产品更加受到用户的欢迎。我们现在一个非常火的，我们都希望我们人是非常健康的，人工智能的技术在智慧医疗领域也得到了极大的应用。我们现在也非常关心小孩或者成人的教育，也是利用人工智能的技术，一方面能提升教育所需要的知识，同时能实时反馈教育当中的一些问题，来进一步提升智慧教育的质量。我们也提到了智慧物流领域，京东在智慧物流领域也部署很多，京东的亚洲1号仓基本上可以实现无人化的设施。
【 节点|深度图神经网络的发展趋势】人工智能应用是非常广泛的，但是它的落地一直是产业界非常关注的问题。关键问题之一是我们现在实际应用场景中的数据类型多种多样的，我们接触的数据，所采集的大家的声音，也就是音频信息，以及通过手机给人/物拍的图片信息，包括写出来的这些文字，这些信息一定程度上我们认为是结构化的信息，视频拥有时序，音频拥有时序，图片本身具备固定规则的网格信息，文字也是具有顺序的。我们的人工智能技术，大家可能或多或少听说有卷积神经网络、循环神经网络，这些技术在处理这些结构化数据时已经处理得非常好了。但是我们需要注意到的是，在场景当中更多的数据是以非结构化的形式所表示的。比如说人体的蛋白质这种分子结构，里面涉及到分子、原子以及键价，需要注意到现在供应链的数据，每个地区的数据采集往往不是孤立的，而是汇总的全国甚至全球的数据。现在人手都是有手机的，大家交互起来非常轻松，这些交互信息构建成了社交网络。现在一个非常火的话题是知识图谱，将两个目标以及它之间的关联，可以构成一个三元组，各种各样的知识汇聚到一起，也可以以突破的形式进行呈现。还有更多的场景，他们的结构数据并不是一种结构化的数据，往往具有动态甚至多样性，这些非结构化的数据对我们传统的人工智能的算法提出了一些挑战，传统人工智能算法在这些场景上应用可能并没有我们期望的那么好。
因此，我们需要进入到能去建模这些非结构数据，能在这些非结构数据上进行模拟甚至计算、学习的网络，也就是图神经网络。总而言之，图神经网络就是为了这一部分非结构数据或者图结构数据所设计的。
我们首先需要将这些场景的数据抽样出来，我们需要找到一种合适的模型，去对它进行建模，这样给出来的模型就是图结构。在社交网络当中，我们每个人可以看成一些节点，人与人之间的关系则可以看成这些节点之间的交互或者边，最终这些节点和边就构成了非常典型的图谱表示，也就是图结构。这些结构是从人的角度来说的，我们需要用计算机来处理它，这时候我们需要把这些人能理解的数据抽象成计算机能理解的表示，节点之间的关联我们最简单的表示就是如果没有关联为0，如果有关联为1，作为图结构的输入，图神经网络就可以开始发挥它的作用。