深度学习局限
你信吗，机器人在未来或者比人类更痴呆，曾被断言无法能的事情为何今天又旧事重提，究竟出现了什么。这一切都是由于那个曾赋予深度学习基础的人，不时在努力的事情有了新的打破。
Judea Pearl是2011年图灵奖得主，被称为“贝叶斯网络之父”，他的贝叶斯网络曾不时被誉为人工智能的宿愿，但是，Judea Pearl却示意：如今一切的深度学习成绩加起来不过是曲线拟合罢了。
如今的深度学习达不到他对智能的愿景。由于概率只能展现两个事情之间的相关性，不能示意先后因果相关，这样的智能终究存在极限。而若是能经过构建关联，判别数据的因果相关，就有或者成功真正的智能。《the book of why》一书标明了Judea Pearl多年努力于改动人工智能的方向，寄宿愿于AI能够进军“因果推理”，到达真正智能的畛域。
|
2017年Judea Pearl在NIPS上指出了机器学习目前仅以统计学或盲模型的形式运转，存在其通常上的局限性。但图网络的开展将有望打破这些局限性，给予机器学习新的引擎，构建真正的智能机器，教诲他们“因果相关”。 |
“图网络”入世
这一切在DeepMind开源了外部的图网络库之后惹起了惊动，“图网络”由于其通用的、富裕体现力的结构在相关推理和组合泛化上领有渺小的长处。它的出现为因果推理提供了渺小助力，图模型作为表征常识的言语，反理想逻辑协助表白疑问，结构化方程以明晰的语义将前两者关联起来，以此构建结构性因果推理模型，成功进一步的智能化推理。从而使得模型驱动推理出一个更有出路的方向，树立凑近于人脑的深度学习模型。
DeepMind图网络库
AI打败人脑短少的那块拼图
相比于深度学习只能降级权重，图网络的学习出现于每一个环节上。咱们可以这样了解图网络的学习才干：图网络将前馈的思绪放在了每一个环节，连边、节点、全局消息就都可以在反应环节中被调整，这就使得网络的全体架构变得可学习。
图网络依赖底层图数据库和图计算平台作为存储查问和剖析的附丽。而华为云图引擎GES就是其中的翘楚。作为新一代高功能图计算平台，仰仗着其弱小的计算功能、剖析规模、运算效率以及高兼容性充沛满足了企业高阶智能剖析的需求。
构建Graph Nets
图引擎经过对海量数据的关联和相关剖析，构成常识图谱Knowledge Graph，应用常识图谱描写理想事物的相关，构建相关网络成功因果推理。在实践场景中还可以应用对相关网络的开掘和剖析重现用户的行为，从而辅佐各种理想场景的运行，如社交与商品介绍，金融坑骗剖析等。
最为炽热的语义搜查技术，就是图引擎在人工智能畛域最直观的通常。了解语义是不时以来都是当今技术开展的指标，而如今的语义搜查是什么样子的，咱们来看看图引擎在图片搜查上的技术运行。
经常使用语义搜查，构建相关网络、查找相关图片操作实例
url地址：图引擎服务 语义搜查Demo.mp4
在常识图谱的允许下，图引擎以图片，语义文字构建起来的语义相关启动搜查剖析，实理想体和相关的检索，搜查到合乎语义环境的图片。成功将搜查演化成一场对话。
2018年，华为云图引擎已正式成为Apache TinkerPop官网认证图计算平台，自研内核EYWA运行在了市区工业消费，管道监控，商品介绍，社交介绍，名目剖析，企业洞察，常识图谱，金融风险管控，企业IT运行，相关开掘等多项畛域并取得客户的宽泛认可。在智能畛域，因图引擎更是成为了多项智能AI技术如车联网，智能客服，深度学习的**助力。