图神经网络让人工智能更接近“人脑”，难点实现突破

近日，中国电子学会正式公布了“2021年中国电子学会科学技术奖”名单。浙江大学、达摩院、阿里云联合完成的“超大规模高性能图神经网络计算平台及其应用”获得科技进步一等奖。据悉，该奖项被认为是国内电子信息技术发展的风向标。

图神经网络让人工智能更接近“人脑”

早在2020年，达摩院发布的《2020达摩院十大技术趋势》中就提到“人工智能在‘听、说、看’等感知智能领域已经达到或超越人类水平。它在需要外部知识、逻辑推理或领域转移的认知智能领域仍处于起步阶段。” 而大规模图神经网络（GNNs）被业界公认为是促进认知智能发展的有效推理方法。

为了让人工智能的运行更贴近人脑深度图转点云python，图神经网络计算融合了深度学习算法和图计算算法，以实现更好的认知和问题处理能力。这种基于图的深度学习不仅可以挖掘现有图数据背后的丰富价值，还有助于将关系数据自然地建模为图，极大地扩展了基于图的深度学习模型的适用性。

简单理解，在电商场景下，如果把整个社会看成一个巨大的关系网络图，那么每个用户、每个产品、每个购买行为都是这个图中呈现的一个元素。图神经网络计算通常用于学习和分析这些元素之间错综复杂的交互，从而更准确地与用户进行交互。比如在手机淘宝上，图神经网络基于对各种商品类型的学习建立了一个庞大的知识网络，并且具有一定的生活常识，比如理解“生日”和“蛋糕”的关系，所以以便更好地了解用户的产品搜索和其他需求。

突破多项关键技术难点

相比于我们印象中简单的文字和图片，各种业务场景下需要处理的图是非常庞大的深度图转点云python，包括百亿点和千亿边。这种规模的计算已经远远超过了原始图像和自然语言处理。同时，图形本身也在动态变化。比如一个普通的购物APP每天都有很多商品上架或下架，所以图的结构每天都不一样。此外，图的不规则性和异构性给深度学习带来了更高层次的挑战。

经过几年的快速演进，图神经网络的研究取得了长足的进步。以获奖的“超大规模高性能图神经网络计算平台”为例，突破了超大规模图表示、图存储、图算子、图加速等诸多技术难点。, 分布式高性能云图神经网络学习平台。

评审委员会评价：“该项目开发难度大、创新性强，整体技术处于国际先进水平，包括跨模态随机游走图的嵌入式向量表示、超大规模图自适应分区与综合存储、异构计算等。下图的神经网络架构在学习加速方面达到了国际领先水平。”

平台的领导力可以通过实际案例来体现。在 Criteo 研究员 Sergey Ivanov 总结的 2021 年最具影响力的图神经网络应用中，有一个案例提到 UberEats（国外知名的外卖软件公司）此前使用 GraphSage（归纳图神经算法）来梳理食物和食物之间的关系。餐馆。该技术适用于较小规模的数据，但某些工业场景可能面临具有数亿条边的图，该技术不再适用。阿里巴巴大规模图神经网络平台（AliGraph）支持高效的分布式图存储，400M节点构建图仅需5分钟，优化的采样算子，大量内部图神经网络。现在，

应用场景广泛，但挑战依然存在

目前，图神经网络已广泛应用于社交网络、知识图谱、推荐领域、生命科学、反作弊、在线支付等场景。尤其是谷歌、亚马逊、微软、阿里巴巴等科技巨头的涌入，在一定程度上加速了图神经网络计算技术的发展和应用，但不可否认挑战依然存在。

阿里巴巴达摩院人工智能科学家杨红霞在接受中国电子报记者采访时指出：“虽然图神经网络有着非常广阔的前景，但目前图神经网络的核心假设尚不明确，其可扩展性需要图神经网络的“杀手级”应用亟待出现，尤其是“端云协同”是未来AI行业服务的重要形式，为各种业务算法带来新的机遇。神经网络与端云协同，提升其在更复杂环境（如智慧城市、XR互联网等）中的扩展性和应用，是亟待解决的重要问题。”

她表示，未来浙大与阿里巴巴团队将继续探索前沿的人工智能技术，提升人工智能认知推理能力。双方将基于达摩院大模型M6、图神经网络平台Aligraph，在端云协同框架下探索下一代大小模型协同进化智能系统。