,,重要分论坛之一“图神经网络与认知智能前沿技术论坛”压轴举行

7月8日，为期三天的2021世界人工智能大会（WAIC）在上海世博馆拉开帷幕。本届世界人工智能大会以“智联天下，智慧之城”为主题，旨在通过汇聚全球人工智能协同治理新蓝图，为我国人工智能健康发展注入新活力。世界人工智能发展的最新成果和展望。本次大会汇聚顶尖科学家、企业家、政府官员、专家学者、国际组织、投资人、创业团队等，促进全球人工智能创新理念、技术、应用、人才和资本的聚集与交流，

7月10日，在大会圆满落幕之际，重要分论坛之一“图神经网络与认知智能前沿技术论坛”在压轴上拉开帷幕。本次活动由盛盛集团有限公司主办，北京智普华章科技有限公司承办，中软国际教育科技集团协办。

图神经网络与认知智能前沿技术论坛现场

2020年，清华大学人工智能研究院院长张钹院士首次全面阐述了第三代人工智能的概念，提出了第三代人工智能的发展路径是融合知识第一代的驱动和第二代的数据驱动。人工智能，基于知识图谱的推理体现了第三代人工智能的特点。为顺应“第三代人工智能”趋势，未来人工智能将在推理、规划、逻辑表示等方面进行深度探索，增强人工智能的可解释性和鲁棒性，发现因果关系的人工智能系统。图神经网络的研究趋势正是为了推理和认知。因此，图神经网络被认为是推动认知智能发展的有力推理方法，有望解决深度学习无法处理的关系推理、可解释性等一系列问题。，让机器“理解和思考”。

为阐明图神经网络与认知智能的发展与应用，本次论坛采用“AI TIME on Taoism”的独特形式，邀请国内该领域知名学者和行业专家共同探讨“图神经网络” 、《大规模预训练模型》、《认知智能》等前沿方向将展示最新研究成果，共同探讨理论、技术、产业实施和未来展望。

论坛气氛热烈

据了解，AI TIME是由清华大学人工智能研究院院长张艳院士、清华大学计算机系唐杰教授、李娟子教授等于2019年联合发起的。辩论，它聚集了热爱AI的人，讨论人工智能和人工智能。人类未来与人工智能未来的矛盾探索。

李娟子，清华大学计算机系教授

论坛上，清华大学计算机系李娟子教授做了“知识图谱与认知推理”的主题演讲。李娟子指出matlab写的人工神经网络bp股价预测模型，未来搜索或推荐系统的最终目标是得到问题的准确答案。目前，简单问答在一些数据集上已经达到了人类水平，但复杂问答的能力还远远落后。为此，李娟子团队提出了可解释的认知推理框架。

“知识驱动和数据驱动的结合是机器智能非常重要的理论研究。我们提出了一个基于图的可解释认知推理框架。该框架将问题对象表示为图结构，并将复杂问题解析为基本函数完成程序的推理过程，以及attention机制在图结构上进行模块推理，让每个模块的输出都能被人类理解，未来希望进一步构建可扩展的通用推理函数库和研究多模态认知。推理和推理具有增量学习能力，”李娟子说。

徐斌matlab写的人工神经网络bp股价预测模型，清华大学计算机系副教授

清华大学计算机系副教授徐斌介绍了“大规模知识图谱的预训练模型”，他说：“我们希望通过异构识别网络的预训练模型来支持AI，预训练模型支持的大规模知识图谱链接，赋能学术和科技情报服务，通过知识图谱构建和神经网络构建，构建了一个学术领域的垂直应用AMiner，即知识驱动技术服务体系，可提供包括科技趋势分析、专家发现、学术推荐等智能服务，通过人工智能技术帮助研究人员了解科学本质。我们的最终目标是把知识图谱和预训练模型很好地结合起来，让机器可以像人类一样思考，广泛服务于人类的方方面面。”

阿里巴巴高级算法专家杨红霞

接下来，阿里巴巴高级算法专家杨红霞介绍了“超大规模多模态预训练模型M6”。超大规模多模态预训练模型M6具备生成文字转图像技术的能力，可以为文字造图，让人眼前一亮。这是深度学习模型以前无法做到的。因此，人工智能被认为具有一定的创造能力。杨红霞说：“在业界，我非常关注M6真正的大规模实现和应用。我们主要关注三个核心点：如何依靠有限的GPU资源低碳运行人工智能模型；高对画面清晰度的要求；以及如何实现第一次大规模商业化。今天，预训练是’ 强大的奇迹’，我们也在做探索，把每个专家分成K组，每组是TOP-1机制，最后是K TOP-1稀疏激活策略，效果非常好，加速非常快，google已经把算子的精度压到了BF16，我们直接压到了半精度。M6可用于新服装制造、长尾词搜索和推荐新产品的高效孵化。”

浙江大学副教授杨洋

最后，浙江大学副教授杨洋分享了他对“图神经网络的鲁棒学习”的看法。图数据是一种非常常见的数据结构，例如人与人之间的关系形成社交网络。杨洋以图风控为例介绍：“当我们应用模型时，我们发现在数据层面有一些比构建模型更具挑战性的任务。例如，我们发现真实的网络数据往往有很多为了解决这个问题，我们提出了一个基于强化学习的框架，并在金融领域、电信领域，包括社交网络做了一些测试，在不同的降噪比下，节点分类提高了近降噪后30%。”

《AI TIME论道教》

随后，由AI TIME负责人何云主持，多位演讲嘉宾、复旦大学计算机学院教授黄轩静、清华大学电子工程系助理研究员戴国豪共同聚焦“图神经网络是实现认知智能的关键吗？” 一场精彩的“AI TIME Talk”就一个话题展开。

观众提问

与会嘉宾从各自的角度讨论了图神经网络的发展现状、存在的问题、行业实施和未来蓝图。现场观众踊跃提问，踊跃提问，现场气氛活跃。最后大家一致认为，在认知智能领域，图神经网络是一个非常强大的工具。随着时间的发展，图神经网络将在更多交叉领域取得突破，最终推动人工智能的发展。