以“智联世界、元生无界”为主题的2022 世界人工智能大会（WAIC）于9月3日在上海圆满落幕。WAIC作为全球人工智能的“科技风向标、应用展示台、产业加速器、治理议事厅”，是全球人工智能领域最具影响力的行业盛会。

　　「WAIC 2022·AI 开发者日」作为WAIC大会最重要的技术论坛之一，以“AI开发者所真正关注的”为主题，汇聚了2021 年图灵奖得主、中外院士、世界级技术专家与科技企业创始人等 15 位学术界和产业界重磅嘉宾。九章云极DataCanvas公司开源技术副总裁、D-Lab主任杨健受邀出席论坛，并围绕如何运用完整的、综合性、端到端因果学习工具包解决“因果发现、因果量识别、因果效应估计、反事实推断和策略学习”五大关键问题，发表了《YLearn：因果学习，从预测到决策》的精彩主题演讲。

　　因果学习：人工智能发展的技术突破口

　　随着机器学习和深度学习在发展过程中遇到技术瓶颈，人工智能发展速度逐渐放缓，究其原因，一方面是机器学习存在着泛化能力较弱、解释性不强、决策支持能力不足的关键性问题；另一方面政府和企业提出“智能决策”的需求，即以数据驱动的方式实现自动化决策来提高整体运营效率。

　　随着机器学习建模越来越多的应用，人工智能技术从预测性分析向指导性分析升级转移，自动化“决策”成为政府和企业在数智化时代的核心需求，决策者需要一个可理解的AI决策逻辑以及具有可信度、可解释的决策结果。而当前机器学习主要是完成预测性任务，难以满足政府和企业自动化决策的需求。

　　Gartner发布的《2022年新兴技术成熟度曲线》中提到，因果人工智能是加速AI自动化的关键技术之一。因果学习成为补充机器学习问题的关键技术，人工智能发展极具潜力的技术突破口，引发业界的广泛关注和热点研究。

　　YLearn：因果学习，从预测到决策

　　2019年图灵奖得主Yoshua Bengio先生曾提到，“因果关系对于机器学习的下一步进展非常重要”。从2019年开始，因果学习的学术研究新成果不断出现，发表的相关论文数量每年都在翻倍增长。目前，从国内外关于因果学习的研发来看，出现了很多因果学习的工具，例如DoWhy、围绕解决因果效应评估类问题的EconML，用来完成uplift建模的CausalML以及专注解决因果发现问题的Causal Learn。但这些工具都只能解决因果学习中的部分问题，又因为不同的工具所依赖的理论框架和结构体系不同，导致工具包之间也难以融合使用。因果学习领域则是缺少系统、完整的、综合性、端到端的工具包。

　　九章云极DataCanvas公司自主研发的一站式处理因果学习完整流程的开源算法工具包YLearn，是目前首款端到端、较完整、较系统的因果学习算法工具包，率先解决了因果学习中“因果发现、因果量识别、因果效应估计、反事实推断和策略学习”五大关键问题，降低“决策者”使用门槛，不断满足政府和企业自动化“决策”的需求。

　　YLearn由CausalDiscovery、CausalModel、EstimatorModel、Policy、Interpreter、Whatif等部件组成，各部件支持独立使用，也支持统一封装。为帮助用户更直观地理解数据、调整策略，YLearn提供了因果图、因果效应解释、决策树等重要模块的可视化输出。

　　与国内外因果学习工具相比，九章云极DataCanvas公司的YLearn具有一站式、新而全、用途广的特点。

• 一站式