“人工智能正高速发展，其中核心的贡献是机器学习。然而机器学习在大量应用过程中出现了瓶颈，本质上在于机器学习与通用人工智能之间存在的鸿沟。”九章云极DataCanvas开源技术副总裁杨健讲到。
2022WAIC（世界人工智能大会）期间，九章云极DataCanvas开源技术副总裁杨健在开发者日论坛的演讲中介绍了机器学习技术在当前面临的困境、因果学习算法的能力及 YLearn 因果学习算法工具包。
作为中国数据智能基础软件的领军企业，九章云极DataCanvas专注数据智能基础软件和数据科学平台的持续开发与建设，通过自主研发的一系列企业级AI应用所需的平台软件产品及解决方案，极大降低了AI门槛，助力用户实现数智化升级，推动政府、金融、通信、制造、交通、互联网等多领域客户AI规模化应用。
而在此次2022WAIC九章云极DataCanvas开源技术副总裁杨健带来了九章云极DataCanvas在人工智能领域内的最新探索，运用因果学习实现人工智能从预测到决策的新阶段。对此，杨健在会后接受了记者采访讲述了因果学习对人工智能带来的改变。
究竟什么是因果学习？因果学习又有哪些实际应用？对于记者提出的问题，杨健解释称：“因果学习能够帮助我们在复杂的关系中找到最抽象的底层逻辑和变量之间的必然联系。因果学习存在清晰的思考范式，应用在人工智能中，可以帮助人工智能突破泛化能力差、缺乏解释性、决策任务的支持能力不足的瓶颈，让机器学习更有针对性，强化机器学习效果”。
在杨健看来，当前人工智能正在经历由预测性分析到指导性分析的过渡时期，今后的人工智能将更强调决策性，所以必须具有的认知水平能力。因果学习带来的内生解释性、模型的稳定性、可信性、公平性、异分布样本中的泛化能力以及对事物底层基础逻辑的深刻洞察，将会成为解决智能决策这一类问题的重要技术工具。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，从用户的需求出发，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。
正是基于对人工智能与数字化发展的判断，九章云极DataCanvas选择入局因果学习的人工智能赛道，并基于此设立因果学习开源项目，开发 YLearn 因果学习算法工具包。
与国内外因果学习工具不同，YLearn作为完整的、全流程、端到端的因果学习算法工具包，解决因果推断核心的五个问题：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，具有一站式、新而全、用途广的特点，集成六大模块，每个算法可以单独被调用。同时，YLearn 提供了一个高层级的 API，降低整个工具的使用门槛。
杨健具体介绍称，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。YLearn还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。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。此外，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。
谈及开发策略与方向，杨健表示，九章云极DataCanvas对于因果学习是前瞻性的研发，需要来自社会方面的共同探索与验证。YLearn通过开源的形式，既可以扩充因果学习的工具链条，与机器学习融合，借助因果学习对于底层基础逻辑在因果关系上的理解与分析，去提升和弥补机器学习的短板。同时也可以吸引更多的开发者进入学习、开发，增强应用性。
目前，人工智能迈向新阶段，为了更好地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联合世界人工智能大会组委会办公室等多家机构，在本届大会上共同举办黑客松“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。
据悉，作为业界首个面向“因果推断全流程”的赛事，本次挑战赛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。对于活动效果，杨健表示“远超预期”，同时他也坦言，本次挑战赛的举办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。
“未来，AI迈向通用人工智能，实现智能决策，企业需要认知能力和决策能力都具备的底层算法作为支撑，因果学习是一个非常关键和重要的基础工具。九章云极DataCanvas将不断的助力企业数智化升级，推动人工智能迈向新阶段。”杨健说道。
