En la tarde del 7 de septiembre, en el foro "Aprendizaje automático integrado y optimización de operaciones" de la Conferencia Bund de Shanghai, Ant Group inauguró oficialmente el sistema de aprendizaje de gráficos de código abierto Ant Graph Learning (AGL), que es el primer sistema industrial de propósito general de la industria. Sistema de aprendizaje de gráficos.
Descripción de la imagen: en el foro, Ant Group abrió oficialmente el sistema de aprendizaje de gráficos AGL.
Actualmente, AGL realiza colaboración de información y percepción de estructuras en datos de gráficos a escala de billones, creó soluciones de inteligencia de gráficos digitales para múltiples industrias y acumuló muchas prácticas de algoritmos excelentes. Con base en AGL, Ant Group ha publicado más de 60 artículos en conferencias de revistas internacionales CCF-A/B, ha autorizado más de 40 patentes de invención, ha ocupado el primer lugar en cinco listas y concursos internacionales y también es un participante principal en el estándar nacional para gráficos neuronales. redes.
Esta versión de código abierto AGL v0.1 también proporciona el sistema de aprendizaje de gráficos de nivel industrial que Ant ha pulido durante muchos años y una serie de algoritmos de aprendizaje de gráficos listos para usar que han sido verificados por prácticas comerciales. se puso en GitHub ese día. A través de código abierto, AGL proporciona soluciones de enlace completo para tareas de aprendizaje de gráficos a gran escala a nivel industrial y espera brindar a los desarrolladores una herramienta y plataforma poderosas para aplicar mejor la tecnología de aprendizaje de gráficos para resolver problemas comerciales prácticos. co-construcción comunitaria, Absorber excelentes prácticas de sistemas y algoritmos de la industria y la investigación, continuar reduciendo el umbral de aplicación del aprendizaje de gráficos, promover el intercambio y la innovación de la tecnología de aprendizaje de gráficos y promover la aplicación generalizada del aprendizaje de gráficos en todos los ámbitos de la vida.
Desde 2017, el aprendizaje de gráficos se ha utilizado ampliamente en diversos campos y se ha convertido en uno de los puntos de investigación actuales en el campo de la inteligencia artificial. Esta tecnología es la nueva altura estratégica de la competencia tecnológica global. El Plan de Desarrollo de la Industria de Servicios de Tecnología de la Información y Software "14º Plan Quinquenal" publicado por el Ministerio de Industria y Tecnología de la Información mencionó que es necesario romper con las tecnologías básicas clave. de procesamiento de datos de gráficos paralelos a gran escala y soporte de gestión de datos heterogéneos. Innovar tecnologías clave y acelerar el desarrollo de nuevas tecnologías de aprendizaje automático y otras.
AGL también se ha utilizado ampliamente en los negocios diversificados de Ant y ha logrado excelentes resultados comerciales. Por ejemplo, cuando se aplica al sistema de cadena de suministro digital "Dayan" de MYbank, la precisión de la identificación de la cadena de suministro aumenta en un 50% y la tasa de disponibilidad de préstamos aumenta del 30% al 80%; cuando se aplica al sistema abierto digital Alipay plataforma, ayuda a los comerciantes ecológicos a mejorar sus derechos y suministros.La eficiencia de distribución supera el 50%.
La toma de decisiones inteligente basada en datos se ha convertido en una herramienta importante para cada vez más empresas en el proceso de toma de decisiones, afirmó en este foro Zhu Jun, profesor de informática de la Universidad de Tsinghua y director del Centro de Investigación de Teoría Básica de la Inteligencia Artificial. Instituto de Investigación, compartió la aplicación del aprendizaje por refuerzo fuera de línea Basado en el método del modelo de difusión, Zhang Guochuan, profesor de la Universidad de Zhejiang y vicepresidente de la Sociedad China de Investigación de Operaciones, habló sobre las ideas, métodos y tecnologías de optimización de la investigación de operaciones en la economía digital. Chen Liang, profesor asociado de la Facultad de Ciencias de la Computación de la Universidad Sun Yat-sen, cree que es necesario considerar plenamente las características de la industria para mejorar la toma de decisiones financieras inteligentes. La solidez y los esfuerzos de colaboración se realizan en múltiples dimensiones, como datos, modelos , formación y potencia informática.