共计 2557 个字符，预计需要花费 7 分钟才能阅读完成。
以“智联世界、元生无界”为主题的 2022 世界人工智能大会（WAIC）于 9 月 3 日在上海圆满闭幕。WAIC 作为寰球人工智能的“科技风向标、利用展示台、产业加速器、治理议事厅”，是寰球人工智能畛域最具影响力的行业盛会。
「WAIC 2022 · AI 开发者日」作为 WAIC 大会最重要的技术论坛之一，以“AI 开发者所真正关注的”为主题，汇聚了 2021 年图灵奖得主、中外院士、世界级技术专家与科技企业创始人等 15 位学术界和产业界重磅嘉宾。九章云极 DataCanvas 公司开源技术副总裁、D-Lab 主任杨健受邀缺席论坛，并围绕如何使用残缺的、综合性、端到端因果学习工具包解决“因果发现、因果量辨认、因果效应预计、反事实推断和策略学习”五大关键问题，发表了《YLearn：因果学习，从预测到决策》的精彩主题演讲。
因果学习：人工智能倒退的技术突破口
随着机器学习和深度学习在倒退过程中遇到技术瓶颈，人工智能倒退速度逐步放缓，究其原因，一方面是机器学习存在着泛化能力较弱、解释性不强、决策反对能力有余的关键性问题；另一方面政府和企业提出“智能决策”的需要，即以数据驱动的形式实现自动化决策来进步整体经营效率。
随着机器学习建模越来越多的利用，人工智能技术从预测性剖析向指导性剖析降级转移，自动化“决策”成为政府和企业在数智化时代的外围需要，决策者须要一个可了解的 AI 决策逻辑以及具备可信度、可解释的决策后果。而以后机器学习次要是实现预测性工作，难以满足政府和企业自动化决策的需要。
Gartner 公布的《2022 年新兴技术成熟度曲线》中提到，因果人工智能是减速 AI 自动化的关键技术之一。因果学习成为补充机器学习问题的关键技术，人工智能倒退极具后劲的技术突破口，引发业界的宽泛关注和热点钻研。
YLearn：因果学习，从预测到决策
2019 年图灵奖得主 Yoshua Bengio 学生曾提到，“因果关系对于机器学习的下一步停顿十分重要”。从 2019 年开始，因果学习的学术研究新成绩一直呈现，发表的相干论文数量每年都在翻倍增长。目前，从国内外对于因果学习的研发来看，呈现了很多因果学习的工具，例如 DoWhy、围绕解决因果效应评估类问题的 EconML，用来实现 uplift 建模的 CausalML 以及专一解决因果发现问题的 Causal Learn。但这些工具都只能解决因果学习中的局部问题，又因为不同的工具所依赖的实践框架和构造体系不同，导致工具包之间也难以交融应用。因果学习畛域则是短少零碎、残缺的、综合性、端到端的工具包。
九章云极 DataCanvas 公司自主研发的一站式解决因果学习残缺流程的开源算法工具包 YLearn，是目前首款端到端、较完整、较零碎的因果学习算法工具包，率先解决了因果学习中“因果发现、因果量辨认、因果效应预计、反事实推断和策略学习”五大关键问题，升高“决策者”应用门槛，一直满足政府和企业自动化“决策”的需要。
GitHub 地址：https://github.com/DataCanvas…
YLearn 由 CausalDiscovery、CausalModel、EstimatorModel、Policy、Interpreter、Whatif 等部件组成，各部件反对独立应用，也反对对立封装。为帮忙用户更直观地了解数据、调整策略，YLearn 提供了因果图、因果效应解释、决策树等重要模块的可视化输入。
与国内外因果学习工具相比，九章云极 DataCanvas 公司的 YLearn 具备一站式、新而全、用处广的特点。
• 一站式
通常的因果学习流程包含从数据中发现因果构造，对因果构造建设因果模型，应用因果模型进行因果效应辨认和对从数据中对因果效应进行预计。YLearn 一站式地反对这些性能，使用户以最低的学习老本应用与部署因果学习。
• 新而全
YLearn 实现了多个近年来在因果学习畛域中倒退出的各类算法，例如 Meta-Learner、Double Machine Learning 等。也将始终致力于紧跟前沿停顿，放弃因果辨认与预计模型的先进和全面。
• 用处广
YLearn 反对对预计失去的因果效应进行解释、依据因果效应在各种计划中选取收益最大的计划并可视化决策过程等性能。除此之外，YLearn 也反对将因果构造中辨认出的因果效应的概率分布表达式以 LaTex 的模式输入等小性能，帮忙用户将因果学习与其余方向穿插。
联合政府和企业在决策工作上的需要，YLearn 将与九章云极 DataCanvas 公司的主动机器学习平台相结合，通过与 AutoML 技术的交融，进步机器学习的鲁棒性、泛化能力和解释性，实现因果学习的主动调参和优化，进一步升高应用门槛。同时，YLearn 解决了市场上缺失功能强大且残缺的因果学习工具包这一“卡脖子”难题，将技术回归业务，反对决策类业务场景，为客户提供多种决策计划。
因果学习助力人工智能迈向新阶段
人工智能技术作为新一轮科技反动和产业改革的外围力量，正处于从预测迈向决策的新倒退阶段。因果学习在这一阶段施展着重要作用，补救机器学习的实践缺点，逐渐解决从“是什么”到“为什么”的问题，从政府和企业的需要登程，晋升“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。
为了更好的带动国内因果学习畛域的倒退，推动因果学习的多元化倒退，九章云极 DataCanvas 公司联结世界人工智能大会组委会办公室、机器之心、上海市人工智能行业协会、天池独特举办黑客松「因果学习和决策优化挑战赛」，为寰球各路开发者精英们提供同台竞技的平台。挑战赛以“如何优化干涉计划能使因果效应最大”为主题，将因果学习中的普适性问题具化，旨在考查选手应用因果推断在决策计划制订问题上的预计能力。
作为业界首个面向「因果推断全流程」的赛事，收到来自全国各地包含使用人工智能相干技术赋能数智化降级的企业、联合人工智能技术进行翻新摸索的科研单位、高等院校的团队及业余开发者等近四千支队伍报名参赛。参赛队伍通过 23 天的同台竞技，一直摸索因果学习畛域的技术顶峰，刷新问题纪录，角逐出 TOP18 具备雄厚的 AI 技术实力以及富裕创造力的优胜队伍。
将来，九章云极 DataCanvas 公司将不断创新研发开源工具，将政府和企业的业务需要与技术实际相结合，助力政府和企业数智化降级，推动人工智能向新阶段。
