“人工智慧正高速發展，其中核心的貢獻是機器學習。然而機器學習在大量應用過程中出現了瓶頸，本質上在於機器學習與通用人工智慧之間存在的鴻溝。”九章雲極DataCanvas開源技術副總裁楊健講到。

2022WAIC（世界人工智慧大會）期間，九章雲極DataCanvas開源技術副總裁楊健在開發者日論壇的演講中介紹了機器學習技術在當前面臨的困境、因果學習演算法的能力及 YLearn 因果學習演算法工具包。

作為中國資料智慧基礎軟體的領軍企業，九章雲極DataCanvas專注資料智慧基礎軟體和資料科學平臺的持續開發與建設，透過自主研發的一系列企業級AI應用所需的平臺軟體產品及解決方案，極大降低了AI門檻，助力使用者實現數智化升級，推動政府、金融、通訊、製造、交通、網際網路等多領域客戶AI規模化應用。

而在此次2022WAIC九章雲極DataCanvas開源技術副總裁楊健帶來了九章雲極DataCanvas在人工智慧領域內的最新探索，運用因果學習實現人工智慧從預測到決策的新階段。對此，楊健在會後接受了記者採訪講述了因果學習對人工智慧帶來的改變。

究竟什麼是因果學習？因果學習又有哪些實際應用？對於記者提出的問題，楊健解釋稱：“因果學習能夠幫助我們在複雜的關係中找到最抽象的底層邏輯和變數之間的必然聯絡。因果學習存在清晰的思考正規化，應用在人工智慧中，可以幫助人工智慧突破泛化能力差、缺乏解釋性、決策任務的支援能力不足的瓶頸，讓機器學習更有針對性，強化機器學習效果”。

在楊健看來，當前人工智慧正在經歷由預測性分析到指導性分析的過渡時期，今後的人工智慧將更強調決策性，所以必須具有的認知水平能力。因果學習帶來的內生解釋性、模型的穩定性、可信性、公平性、異分佈樣本中的泛化能力以及對事物底層基礎邏輯的深刻洞察，將會成為解決智慧決策這一類問題的重要技術工具。彌補機器學習的理論缺陷，逐步解決從“是什麼”到“為什麼”的問題，從使用者的需求出發，提升“AI決策”的可信度和可用度，將AI能力更進一步交為業務所用。

正是基於對人工智慧與數字化發展的判斷，九章雲極DataCanvas選擇入局因果學習的人工智慧賽道，並基於此設立因果學習開源專案，開發 YLearn 因果學習演算法工具包。

與國內外因果學習工具不同，YLearn作為完整的、全流程、端到端的因果學習演算法工具包，解決因果推斷核心的五個問題：因果發現、因果量識別、因果效應估計、反事實推斷和策略學習，具有一站式、新而全、用途廣的特點，整合六大模組，每個演算法可以單獨被呼叫。同時，YLearn 提供了一個高層級的 API，降低整個工具的使用門檻。

楊健具體介紹稱，通常的因果學習流程包括從資料中發現因果結構，對因果結構建立因果模型，使用因果模型進行因果效應識別和對從資料中對因果效應進行估計。YLearn一站式地支援這些功能，使使用者以最低的學習成本使用與部署因果學習。YLearn還實現了多個近年來在因果學習領域中發展出的各類演算法，例如Meta-Learner、Double Machine Learning等。也將一直致力於緊跟前沿進展，保持因果識別與估計模型的先進和全面。YLearn支援對估計得到的因果效應進行解釋、根據因果效應在各種方案中選取收益最大的方案並可視化決策過程等功能。此外，YLearn也支援將因果結構中識別出的因果效應的機率分佈表示式以LaTex的形式輸出等小功能，幫助使用者將因果學習與其他方向交叉。

談及開發策略與方向，楊健表示，九章雲極DataCanvas對於因果學習是前瞻性的研發，需要來自社會方面的共同探索與驗證。YLearn透過開源的形式，既可以擴充因果學習的工具鏈條，與機器學習融合，藉助因果學習對於底層基礎邏輯在因果關係上的理解與分析，去提升和彌補機器學習的短板。同時也可以吸引更多的開發者進入學習、開發，增強應用性。

目前，人工智慧邁向新階段，為了更好地帶動國內因果學習領域的發展，推動因果學習的多元化發展，九章雲極DataCanvas聯合世界人工智慧大會組委會辦公室等多家機構，在本屆大會上共同舉辦駭客松“因果學習和決策最佳化挑戰賽”，為全球各路開發者精英們提供同臺競技的平臺。

據悉，作為業界首個面向“因果推斷全流程”的賽事，本次挑戰賽收到來自全國各地包括運用人工智慧相關技術賦能數智化升級的企業、結合人工智慧技術進行創新探索的科研單位、高等院校的團隊及專業開發者等近四千支隊伍報名參賽。對於活動效果，楊健表示“遠超預期”，同時他也坦言，本次挑戰賽的舉辦旨在考察選手使用因果推斷在決策方案制定問題上的估計能力。

“未來，AI邁向通用人工智慧，實現智慧決策，企業需要認知能力和決策能力都具備的底層演算法作為支撐，因果學習是一個非常關鍵和重要的基礎工具。九章雲極DataCanvas將不斷的助力企業數智化升級，推動人工智慧邁向新階段。”楊健說道。