Exploring the World of AI with Deep Graph_AICon_张峥



 写点什么

在 AICon 北京 2019 大会上，张峥讲师做了《Exploring the World of AI with Deep Graph》主题演讲，主要内容如下。

演讲简介：

现实世界的数据并不是孤立存在的。因此，描述数据最好的数据结构就是图。换句话说，如果深度学习作为一个算法，那么图是其支撑的最好的数据结构。图的结构可以是显式的，比如社交网络、知识图、药、蛋白质、关系数据库，等等。图也可以是隐式隐蔽在语言和图像背后。利用好、发掘出图结构既有丰富的现实场景，也为下一代机器学习算法提供了重要的基础。

本讲座首先从对深度图学习的总体情况作一个概述，然后介绍 AWS 上海 AI 实验室在这方面的一些新研究工作。我们将介绍深度图库（Deep Graph Library, DGL，http://dgl.ai）。DGL 是一个开源平台，其愿景在于加速这个新兴领域的研究。DGL 的设计思路围绕图为核心概念，并注意保持向前（即灵活支持新模型的研发）和向后（即与现在已有深度学习组件）的兼容性。 DGL 支持任意消息处理和变换算子，有灵活的消息传播规则，并且与底层深度学习框架解耦，利用高性能张量、自动求导（autograd）操作，并复用现有框架中已有的其他特征提取模块。 DGL 优化处理稀疏和不规则的图形结构，处理可能动态变化的大大小小的图形，融并操作并执行自动批处理，这些设计都极大地利用了现代硬件的优势。 DGL 已在多种模型上进行了测试，包括但不限于流行的 Graph Neural Networks（GNN）及其变体，我们支持的模型运行快，可扩展，内存占用量小。

我们和 AWS 内部、外部的客户积极合作，正迅速地把 DGL 落地到推荐系统、欺诈探测、知识图谱、新药研发等场景中。同时，我们也正紧密地进行深图地理论研究工作。DGL 于 2018 年 NeuIPS 会议期间发布，一直保持强劲的开发，至今已经到第四版。0.4 版包括异构、异质图和知识图谱的计算，支持亿万规模的大图，并发布制药模型库，为 DGL 迈向实用走出关键一步。

听众收益：了解人工智能行业发展与最前沿趋势

讲师介绍：

张峥，AWS 上海 AI 研究院院长。

张峥于 2014 年加入上海纽约大学，为纽约大学全球网络计算机终身教授，纽约大学库朗数学研究所、计算机系、数据学院兼职教授，于 2018 年 10 月学术休假，作为 AWS 上海 AI 研究院首任院长加入 AWS。

张峥于 1987 年提前一年从复旦大学本科毕业，1992 年从美国德州达拉斯分校取得硕士学位，1996 年于美国伊利诺大学香槟分校（UIUC）取得博士学位。1996-2001 年就职于惠普任中央研究院研究员，2001-2014 年任职微软亚洲研究院，是系统研究方向创始人、首席研究员，曾任副院长。

张峥是《知识分子》专家委员会成员。他是深度学习和人工智能、高性能大容量计算和存储系统的两栖专家，在国际会议获多次最佳论文，谷歌学术引用八千多次，H-index47，在微软和惠普获卓越贡献奖。他是开源深度学习平台 MXNet 的共同创始人和顾问，于 2018 年开始领导并创立深度图计算 DGL 的开源项目。