Ежегодный самый жаркий международный саммит искусственного интеллекта NeurIPS 2019 прошел в Ванкувере, Канада, с 8 по 14 декабря по местному времени. Являясь одним из главных событий в области искусственного интеллекта и машинного обучения, он ежегодно привлекает большое количество экспертов, ученых и практиков в области ИИ.

Сообщается, что количество статей, поданных на NeurIPS 2019, установило новый рекорд в этом году, собрав в общей сложности 6743 действительных статьи, представленных по всему миру, в то время как уровень принятия составляет всего 21,17%. Ant Financial также выбрала несколько статей, посвященных таким темам, как состязательная генеративная сеть GAN, графовая нейронная сеть GNN и глубокое обучение с подкреплением.

На встрече Ant Financial и Alibaba провели совместный семинар на тему собравшихся экспертов.Исследователи Ant Financial Сун Ле и Чу Вэй соответственно выступили с замечательными речами, поделившись сценариями применения искусственного интеллекта в бизнесе и практике Ant Financial. В дополнение к семинару, на стенде NeurIPS в этом году внимание многих ученых привлекли апплет Alipay для сортировки интеллектуального мусора и видео с интеллектуальной мусорной корзиной, основанное на технологии распознавания изображений. категория мусора мобильных телефонов.

Исследование семейства универсальных экспоненциальных распределений глубины для превосходной интерпретации статей

Одной из выбранных превосходных работ являетсяОценка глубоких экспоненциальных семейных распределений с использованием вложений состязательной динамической системы, содержание включает в себя решение оценки максимального правдоподобия общего семейства глубоких экспоненциальных распределений и эффективное использование его для вывода.

Экспоненциальное семейство, также известное как модель на основе энергии, является широко используемой моделью генеративной вероятности. В сочетании с моделью глубины семейство экспоненциального распределения может гибко соответствовать различным распределениям данных. Из-за гибкости семейства экспоненциальных распределений все больше и больше исследователей используют семейство экспоненциальных распределений для моделирования различных структурных данных. Например, энергетическая модель используется для прогнозирования структуры белка, чтобы лучше ориентироваться в разработке лекарств и материаловедении; энергетическая модель используется для языковой модели и генерации предложений; энергетическая модель используется для обучения с подкреплением на основе моделей и так далее.

Все они демонстрируют силу и потенциальные возможности применения экспоненциального семейства моделей распределенной энергии в качестве отдельной генеративной модели, отличной от вариационных автоэнкодеров и генеративно-состязательных сетей. Тем не менее, как эффективно решить оценку максимального правдоподобия (MLE) общего семейства экспоненциального распределения и как эффективно выполнить вывод, все еще остается актуальной проблемой.

Стремясь решить проблему эффективного решения оценки максимального правдоподобия общего семейства экспоненциальных распределений глубины, исследователи Ant Financial использовали переформулировку простого и двойственного максимального правдоподобия, чтобы переписать неразрешимую логарифмическую статистическую функцию в исходном MLE в потенциальную функцию. обучаемый отрицательный сэмплер. В такой форме функция энергии, а также пробоотборник отрицательного образца могут быть изучены одновременно. По сравнению с существующими методами, с использованием разработанного вручную фиксированного алгоритма, наш алгоритм может автоматически настраивать пробоотборник отрицательной выборки в соответствии с обучающими выборками, чтобы лучше изучить модель. В то же время изученный отрицательный сэмплер можно использовать для амортизированного вывода.

Инновационное применение графических нейронных сетей для превосходной интерпретации документов

Еще одна выбранная отличная бумага«Прогнозирование ретросинтетического анализа с использованием логических сетей условного графа», представил, что исследователи муравьев творчески предложили новую графовую нейронную сеть, используя ее для повышения производительности предсказания ретросинтетического анализа.

Ретросинтетический анализ — одна из важных проблем органической химии. Для данного продукта аналитическая процедура должна дать реагенты, которые могут быть использованы для участия в образовании продукта. В последние годы этому направлению уделялось внимание со стороны областей химии и информатики. В этой статье исследователи Ant Financial предлагают новую модель, называемую логической сетью условного графа (GLN), для решения этой проблемы. Модель учится применять шаблоны химических реакций через нейронную сеть графа и неявно учитывает осуществимость и важность результатов. Для снижения вычислительных затрат предлагается иерархический эффективный метод выборки. В стандартном наборе данных точность нового метода повышена на 8,2% по сравнению с текущим современным методом, и этот метод также может обеспечить соответствующий анализ интерпретируемости.

Ant Financial имеет множество сценариев применения технологий искусственного интеллекта.Он не только совершил прорыв в интеллектуальном обслуживании клиентов, малых и микрокредитах, автоматических требованиях медицинского страхования, контроле рисков безопасности транзакций, борьбе с отмыванием денег, интеллектуальном маркетинге, интеллектуальных помощниках и т. д. Платформа распределенного машинного обучения поддерживает крупномасштабные алгоритмы графов глубины, онлайн-обучение, совместное обучение, обучение с подкреплением и другие возможности, а также общие возможности, такие как графы финансовых знаний, платформы робототехники и платформы НЛП.

«Разрабатывая и используя технологию искусственного интеллекта, мы можем решать реальные проблемы и предоставлять действительно значимые услуги для более чем 1,2 миллиарда пользователей Ant Financial по всему миру», — сказал Ци Юань, вице-президент и главный научный сотрудник Ant Financial.

На самом деле, в области искусственного интеллекта, в дополнение к NeurIPS, Ant Financial также много раз появлялась на ICML, AAAI, SIGIR, KDD и других ведущих международных академических конференциях, предлагая множество инновационных исследований и обмен приложениями из реального бизнеса. сценарии академическому сообществу. Для Ant Financial публикация статей на ведущих научных конференциях, с одной стороны, может способствовать развитию самых передовых исследований в области искусственного интеллекта, совмещая академические исследования с приложениями, а с другой стороны, способствовать внедрению передовых технологий. передовые технологии от исследований до практических приложений, приносят пользу пользователям и вносят изменения в наши жизненные услуги.

В будущем Ant Financial продолжит наращивать исследования и инвестиции в технологии искусственного интеллекта, более активно способствовать развитию инклюзивных финансов за счет технологических инноваций и технологических открытий, а также предоставлять миру равные возможности.