图神经网络关键技术取得突破，人工智能将更像“人脑”

近日，中国电子学会正式公布“2021中国电子学会科学技术奖”名单。浙江大学、达摩院、阿里云共同完成的“超大规模高性能图神经网络计算平台及其应用”荣获科技进步一等奖。据悉，该奖被认为是国内电子信息技术发展风向标。

图神经网络让人工智能更接近“人脑”

早在2020年，达摩院发布的《达摩院2020十大科技趋势》中就曾提到“人工智能已经在‘听、说、看’等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。” 而大规模图神经网络（GNNs）被业内公认为是一种推动认知智能发展的有效推理方法。

为让人工智能的运作更加接近于人脑，图神经网络计算将深度学习算法和图计算算法相融合，以达到更优的认知与问题处理等能力。这种基于图的深度学习不仅能够挖掘现有图数据背后的丰富价值，还有助于将关系数据自然地建模为图，极大地扩展了基于图的深度学习模型的适用性。

简单理解，在电子商务场景中，如果把整个社会看作一张庞大的关系网络图，那么每一个用户、每一样产品、每一次购买行为都是这张图中呈现的元素。图神经网络计算通常被用来对这些元素之间错综复杂的交互关系进行学习分析，从而更为精准地与用户互动。比如，在手机淘宝上，图神经网络基于对各项商品类型的学习建立了庞大的知识网络，具备了一定生活常识，如能理解“生日”与“蛋糕”的关系，从而更好地理解用户的商品搜索等需求。

多项关键技术难点实现突破

相相较于我们印象中简单的文本和图像，各种业务场景中需要处理的图规模非常大，包含百亿级别的点和千亿级别的边。这样规模的计算已经远远超过原来的图像和自然语言的处理。同时，图本身是动态变化的，像常见的购物类APP上每天都会上架或者下架非常多商品，所以每一天的图的结构都是不同的。此外，图的非规整性、异构性等特点都给深度学习带来了更高级别的挑战。

经过数年快速演进，图神经网络的研究已经取得突飞猛进的进展。以此次获奖的“超大规模高性能图神经网络计算平台“为例，它突破了超大规模图表示、图存储、图算子以及图加速等多个技术难点，是一个自主可控、开源开放、分布式高性能云上图神经网络学习平台。

评审委员会评论称：“该项目研制难度大、创新性强，整体技术处于国际先进水平，其中在跨模态随机游走图内嵌向量表达、超大规模图自适应分区和综合存储、异构计算架构下图神经网络学习加速等方面达到国际领先水平。”

该平台的领先性可以通过实际案例来体现。Criteo研究员Sergey Ivanov总结的2021年最有影响力的图神经网络应用中，有一个案例提到，UberEats公司（国外知名送餐软件公司）此前通过GraphSage（归纳式图神经算法）梳理食品和餐馆关系。在较小规模数据中该技术适用良好，但一些工业场景面临的可能是数亿边规模的图，这种技术不再适用。而阿里巴巴大规模图神经网络平台（AliGraph），支持高效的分布式图形存储，仅需5分钟即可构建具有400M节点的图，优化的采样运算符以及大量内部图神经网络。目前该平台已用于UberEats公司个性化搜索等业务。

应用场景广泛，但仍存挑战

目前来看，图神经网络已经在社交网络、知识图谱、推荐领域、生命科学、反作弊、线上支付等场景中得到了广泛应用。尤其是谷歌、亚马逊、微软、阿里巴巴等一众科技巨头的涌入，在一定程度上加快了图神经网络计算技术的研发、应用进程，但不可否认的是挑战依然存在。

阿里巴巴达摩院人工智能科学家杨红霞在接受《中国电子报》记者采访时指出：“虽然图神经网络有着非常广阔的前景，但目前图神经网络的核心假设尚不明确、可扩展性有待提高，需要涌现图神经网络的“杀手级”应用。尤其‘端云协同’是未来AI产业服务的重要形态，给各种业务算法带来了新的机遇，如何将图神经网络与端云协同结合，提高其可扩展性和在更加复杂环境中应用（例如智慧城市、XR互联网等）是尚待解决的重要课题。”

她表示，未来，浙大与阿里团队将继续探索人工智能前沿技术，增进AI认知推理能力。双方将基于达摩院大模型M6、图神经网络平台Aligraph，探索端云协同框架下大小模型共同进化的下一代智能体系。