因果决策从YLearn开始，数据智能基础软件迎“风口”( 二 ) 学习知识不能流于表面

如果说机器学习是1.0、深度学习是2.0 ，那么因果学习就是3.0 。以前不能做决策评估或者说做得比较粗糙，而现在有了因果学习的助力，评估的精度显著提升。一方面，金融、运营商以及大型企业客户有了迫切的需求，另一方面，因果学习技术快速发展，九章云极DataCanvas在这样一个合适的时间点推出像YLearn这样的开源框架，可谓生逢其时，推动了整个行业的发展。
YLearn由CausalDiscovery、CausalModel、EstimatorModel、Policy和Interpreter等部件组成，各部件既可独立使用，也可以进行统一封装。借助这些组件， YLearn能够实现用因果图表示数据集中的因果关系、识别因果效应、概率表达式和各类估计模型等功能。在九章云极DataCanvas的另一核心技术AutoML自动机器学习的加持下， YLearn还能实现自动调参、自动优化、一键自动生成对应结果“Y”的多种决策方案等高级功能，进一步降低了应用门槛。

文章图片
YLearn因果学习开源项目组成
在人工智能1.0时代，人们打造了AI的基本框架；进入2.0时代，进一步降低了AI的应用门槛；到了3.0时代，数据的极大丰富以及因果学习算法上的巨大突破，使得从预测到决策成为可能。 “在AI3.0时代，我们要将AI的技术能力赋能给业务端，实现更准确的决策，给用户带来更大的实用价值，而不是只围绕着预测打转转。 ”方磊表示。
为什么是九章云极DataCanvas拔了头筹？
上文已经提及，全球研究因果学习关系的企业、高校有很多，但为什么是九章云极DataCanvas推出了因果学习完整流程开源工具包？
方磊回忆说：“大约两年多前，在与客户的交流中我们了解到，客户在业务上遇到的最大瓶颈是AI预测与企业的业务运营之间是脱钩的。弥补这中间的鸿沟当然需要很多技术，而因果关系是其中非常关键的一环。我们认定了这一突破点，启动了相关研究，最终开发出这一工具包。现在看来，我们当初的选择是正确的。 ”
因果关系决策之于AI ，其重要性就相当于Tensorflow之于深度学习。 YLearn是九章云极DataCanvas站在前人的肩膀上，为开发者提供的一个统一的、标准化的、低门槛的工具，让因果关系决策可以轻松落地，而不需要开发者把大量精力放在自己研究和部署相关的基础组件上，也无需开发者自己写更多代码，只要调用YLearn提供的API ，就可以使用九章云极DataCanvas开发的简洁而强大的因果学习底层框架，更快速地应用于实际业务中。
虽然国外有很多厂商、研究机构和高校在研究因果关系决策，但大多只是出于研究的目的，而且停留在对单个点的研究上，并不是将因果学习框架的商业化作为目标。九章云极DataCanvas是一家企业，以服务客户为目标，非常注重实用性，所以从深入研究因果关系决策的第一天开始，就致力于将其变成一个客户能够用的产品框架。有客户需求、有九章云极DataCanvas自身的技术和能力积累，又找到了一个适合的切入点， YLearn的推出也就顺理成章了。
通过给定的数据集，发现因果关系，并将其变成因果图谱，在其上进行策略检验，然后再根据这个图谱进行评估和推断，形成最终的结果。这样一个标准的流程、端到端的每一步，如今都可以在YLearn中便捷、完整地实现。 “达到同样的效果，如果不使用YLearn ，一个博士先要研读大量相关论文，然后做大量重复性的工作，而采用YLearn则可以事半功倍。 ”方磊表示， YLearn将决策这件事从博士生才能胜任的工作“降低”到程序员就能搞定，未来随着图形化交付的实现，可能普通的业务人员也能轻松上手。