|
在图计算的应用中，业务通常需要以探索的方式来查看图数据，以进行一些问题的及时定位和分析某个深入的信息，如 图 2 （左）中的（简化）图模型可被用于金融反欺诈（信用卡非法套现）检测。 通过使用伪造的标识符，“犯罪分子”可以从银行获得短期信用（顶点 4）。 他尝试通过商家（顶点3）的帮助，以虚假购买（ 边 2->3）来兑现货币。 一旦从银行（顶点4）收到付款（边 4->3），商家再通过其名下的多个帐户将钱（通过边 3->1 和 1->2）退还给“犯罪分子”。 这种模式最终形成一个图上的闭环（2->3->1...->2）。 真实场景中，图数据在线上的规模可能包含数十亿个顶点（例如，用户）和数千亿至万亿条边（例如，支付交易），并且整个欺诈过程可能涉及到许多实体之间包含各种约束的动态交易链，因此需要复杂的实时交互分析才能很好的识别。
2 图分析
关于图分析计算的研究已经持续了数十年，产生了很多图分析的算法。典型的图分析算法包括经典图算法（例如，PageRank、最短路径和最大流），社区检测算法（例如，最大团/clique、联通量计算、Louvain 和标签传播），图挖掘算法（例如，频繁集挖掘和图的模式匹配）。由于图分析算法的多样性和分布式计算的复杂性，分布式图分析算法往往需要遵循一定的编程模型。当前的编程模型有点中心模型“Think-like-vertex”，基于矩阵的模型和基于子图的模型等。在这些模型下，涌现出各种图分析系统，如 Apache Giraph、Pregel、PowerGraph、Spark GraphX、GRAPE 等。
3 基于图的机器学习
经典的 Graph Embedding 技术，例如 Node2Vec 和 LINE，已在各种机器学习场景中广泛使用。近年来提出的图神经网络（GNN），更是将图中的结构和属性信息与深度学习中的特征相结合。GNN 可以为图中的任何图结构（例如，顶点，边或整个图）学习低维表征，并且生成的表征可以被许多下游图相关的机器学习任务进行分类、链路预测、聚类等。图学习技术已被证明在许多与图相关的任务上具有令人信服的性能。与传统的机器学习任务不同，图学习任务涉及图和神经网络的相关操作（见图 2 右），图中的每个顶点都使用与图相关的操作来选择其邻居，并将其邻居的特征与神经网络操作进行聚合。
二 图计算：下一代人工智能的基石
不仅仅是阿里巴巴，近年来图数据和计算技术一直是学术界和工业界的热点。特别是，在过去的十年中，图计算系统的性能已提高了 10~100 倍，并且系统仍在变得越来越高效，这使得通过图计算来加速AI和大数据任务成为了可能。实际上，由于图能十分自然地表达各种复杂类型的数据，并且可以为常见的机器学习模型提供抽象。与密集张量相比，图能提供更丰富的语义和更全面的优化功能。此外，图是稀疏高维数据的自然表达，并且图卷积网络（GCN）和图神经网络（GNN）中越来越多的研究证明，图计算是对机器学习的有效补充，在结果的可解释性、深层次推理因果等方面将扮演越来越重要的作用。
此外，Pichai还在公开信中强调了公司对黑人、女性的重视。
其实，这件事之所以在社交媒体闹得沸沸扬扬，除了Gebru是AI伦理研究领域的知名学者之外，一个重要的原因是她，作为黑人女性的身份。种族主义、女权主义一直是美国人的敏感话题。
而谷歌刚好触碰了这一点，而且根据AI Now Institute 2016年提供的数据显示：谷歌 AI 研究人员中有 10％是女性。谷歌的 2020 年多元化报告显示，约有三分之一的谷歌员工为女性，而 3.7％为非裔美国人，5.9％为拉丁裔，0.8％为美洲印第安人。
因此，Pichai不得不再次重申他们对于黑人女性的态度。他表示，
在产业方面，5G的产品形态会更加丰富。行业模组开始规模放量，预计2020年中国5G行业模组出货量将近50万片，2022年出货量将达到千万片，行业模组价格有望下降到40美元以内。其次，泛终端发展全面提速。5G泛终端预计将率先在工业、医疗等非成本敏感领域率先普及并迭代演进，并持续在文化教育、休闲娱乐等领域不断演进。5G的边缘计算的一些技术和产品设备会在未来2-3年逐渐落地。
此外，在韦柳融看来，行业使能平台也会得到较好的发展。“为了更好地推动中小企业以及一些传统行业更好地使用5G技术，会出现越来越多的基于5G和云计算的行业使能平台，给大家提供云计算、边缘计算、大数据、人工智能等综合能力，以满足各行业对定位、语音识别、图形识别等相对共性的需求。与此同时，行业使能平台提供的服务能力，也将推动整个5G应用更好的发展。”
（编辑：威海站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
