数据库 频道

把脉人工智能领域关键技术,产学研用界共话图计算未来

  作为人工智能领域前沿技术,图计算正迎来发展的黄金时代。

  8 月 24 日,由《麻省理工科技评论》中国、蚂蚁技术研究院等联合举办的图计算研讨会在北京举办。来自图计算领域的专家学者、产业及应用界人士从各自视角,洞悉了图计算的技术发展和应用前景。会上全球领先的科技市场研究机构CB Insights中国解读了即将于2022世界人工智能大会期间正式发布的《中国图计算技术及应用发展研究报告》。

  图:研讨会部分参会嘉宾合影

  中国计算机学会高性能计算专业委员会秘书长 中科院计算所研究员张云泉、北京航空航天大学软件学院教授级高工王宝会、涛思数据创始人陶建辉、以及来自能源、金融应用领域的代表探讨了图计算产学研协同合作模式。蚂蚁集团图数据库负责人洪春涛、欧若数网创始人兼CEO叶小萌、创邻科技联合创始人兼COO吴菁、Ultipa联合创始人张建松、星环科技金融售前与解决方案部售前总监东方,从产业侧探讨了如何开启图计算应用领域“新版图”。

  如何理解图这门新兴技术,蚂蚁集团图数据库负责人洪春涛认为,图是一种更符合人类思维方式的技术,也更还原大自然本来的面貌,但对机器来说处理起来可能会更复杂。

  就像面向对象或面向过程的编程模式的区别,后者更贴近机器,可以清晰地指示机器应该如何处理。如今的关系型数据库也非常贴近机器,把数据抽象成规整的二维表,以便于机器处理。而图计算把数据的抽象成图,更加方便复杂关系的还原和可视化处理,更适合海量数据的数字化时代,但同时也给计算机处理带来了很多技术挑战。

  长远来看,技术问题总能被一个一个解决,而更友好和自然的抽象对生产力的提升却会越来越重要。因此图计算会越来越受欢迎。而要达到这个目标,关键的是生态,我们期待让更多人看到其中的机会并参与进来,构建更完善的图计算生态。

  图:蚂蚁集团图数据库负责人洪春涛

  “长期前途光明,短期还需要努力。”洪春涛说。

  探讨如何将图计算应用到更多场景,星环科技总监东方表示,“推广图计算,刚开始的时候,就像拿着榔头找钉子的过程。图是一个很好的工具,相当于手上有一个榔头,但是不知道场景需求,也就是钉子在哪儿。在和客户的交流过程中可以明显感受到砸钉子的过程是比较困难的。其实知识图谱与图计算技术在各行各业都有深入应用的前景,关键在于理解场景要点和业务需求。”

  图:星环科技金融售前与解决方案部售前总监东方

  关于图计算未来的发展,如今高校和产业之间的产学研联动频繁进行,从学界的视角看,图计算领域也有很多潜在的机会值得学者深究。

  北京航空航天大学软件学院教授级高工王宝会认为,围绕图计算,如今学界的研究方向首先包括了以芯片为基础的分布式存储和分析计算架构,解决图计算遇到的问题;第二是分布式的图计算平台;第三是图计算与启发式算法深度融合;此外,如今多模态的数据融合是一个大的趋势,面对复杂多源多模态数据,如何用图表征学习,也是一大研究热点。最后是量子计算和图计算的结合,未来量子计算带来的超算能力,能在图计算里解决什么样的场景问题,这其中也有很大的研究空间。

  图:北京航空航天大学软件学院教授级高工王宝会

  在选择图计算开源和闭源方向的讨论中,涛思数据创始人陶建辉表示,开源产品可以快速带来用户、积累反馈,进而大大加快产品迭代的速度,而在市场开拓和全球化拓展方面,选择开源也可能会有意想不到的效果。“一个闭源公司要花10年时间做的事情,我觉得开源软件公司1年就能做到。”

  图:涛思数据创始人陶建辉

  图计算爆发增长在即,围绕中国图计算技术及应用话题,CB Insights中国在会上提前解读了《中国图计算技术及应用发展研究报告》(以下简称报告)。

  《报告》中指出,图数据能更自然、直观地表述数据间的关联关系,是一种更符合人类思考方式的抽象表达。随着企业对数据间复杂关联的深度挖掘需求日益增长,图数据的应用开始受到越来越多的关注。根据DB-Engines Popularity指数,近五年来图数据库关注热度翻倍,在各种类型数据库中连续多年保持第一。此外,根据CB Insights数据,过去三年间国内外共有近15家企业获得了超过20笔融资,其中海外知名图数据库企业Neo4j在2021 年 6月的 F 轮融资中获得3.25 亿美元投资,成为数据库历史上最大的一笔投资。

  《报告》还指出,近年来图计算领域不仅在学术研究方面快速发展,在产业应用方面也正在大步推进中,目前行业参与者中,既有蚂蚁、阿里、腾讯、AWS等公有云、软件、数据库等领域的巨头,也有 Neo4j、TigerGraph、创邻科技、欧若数网等国内外创业企业。目前图计算仍处于商业化初期,市场对其认知仍不足;应用场景也相对有限,主要集中于金融风控、能源电力、社交网络等之中。未来对于图计算领域的众多学术机构和厂商来说,如何联动学研两侧、完善行业生态、提升市场认知、开拓更多应用场景,前路依然任重而道远。

0
相关文章