深度学习局限
你信吗，机器人在未来可能比人类更聪明，曾被断言不可能的事情为何今日又旧事重提，到底发生了什么。这一切都是因为那个曾赋予深度学习基础的人，一直在致力的事情有了新的突破。
Judea Pearl是2011年图灵奖得主，被称为“贝叶斯网络之父”，他的贝叶斯网络曾一直被誉为人工智能的希望，然而，Judea Pearl却表示：现在所有的深度学习成果加起来不过是曲线拟合罢了。
如今的深度学习达不到他对智能的愿景。因为概率只能展示两个事件之间的相关性，不能表示先后因果关系，这样的智能终究存在极限。而若是能通过构建关联，判断数据的因果关系，就有可能实现真正的智能。《the book of why》一书表明了Judea Pearl多年致力于扭转人工智能的方向，寄希望于AI能够进军“因果推理”，达到真正智能的领域。
|
2017年Judea Pearl在NIPS上指出了机器学习目前仅以统计学或盲模型的方式运行，存在其理论上的局限性。但图网络的发展将有望打破这些局限性，给予机器学习新的引擎，构建真正的智能机器，教导他们“因果关系”。 |
“图网络”出世
这一切在DeepMind开源了内部的图网络库之后引起了轰动，“图网络”由于其通用的、富有表现力的结构在关系推理和组合泛化上拥有巨大的优势。它的出现为因果推理提供了巨大助力，图模型作为表征知识的语言，反事实逻辑帮助表达问题，结构化方程以清晰的语义将前两者关联起来，以此构建结构性因果推理模型，实现进一步的自动化推理。从而使得模型驱动推理出一个更有前途的方向，建立接近于人脑的深度学习模型。
DeepMind图网络库
AI战胜人脑欠缺的那块拼图
相比于深度学习只能更新权重，图网络的学习发生于每一个环节上。我们可以这样理解图网络的学习能力：图网络将前馈的思路放在了每一个环节，连边、节点、全局信息就都可以在反馈过程中被调整，这就使得网络的整体架构变得可学习。
图网络依赖底层图数据库和图计算平台作为存储查询和分析的依托。而华为云图引擎GES就是其中的翘楚。作为新一代高性能图计算平台，凭借着其强大的计算性能、分析规模、运算效率以及高兼容性充分满足了企业高阶智能分析的需求。
构建Graph Nets
图引擎通过对海量数据的关联和关系分析，形成知识图谱Knowledge Graph，利用知识图谱刻画现实事物的关系，构建关系网络实现因果推理。在实际场景中还可以利用对关系网络的挖掘和分析重现用户的行为，从而辅助各种现实场景的应用，如社交与商品推荐，金融诈骗分析等。
当前最为火热的语义搜索技术，就是图引擎在人工智能领域最直观的实践。理解语义是一直以来都是当今技术发展的目标，而如今的语义搜索是什么样子的，我们来看看图引擎在图片搜索上的技术应用。
使用语义搜索，构建关系网络、查找相关图片操作实例
url地址：图引擎服务 语义搜索Demo.mp4
在知识图谱的支持下，图引擎以图片，语义文字构建起来的语义关系进行搜索分析，实现实体和关系的检索，搜索到符合语义环境的图片。成功将搜索演变成一场对话。
2018年，华为云图引擎已正式成为Apache TinkerPop官方认证图计算平台，自研内核EYWA应用在了城市工业生产，管道监控，商品推荐，社交推荐，项目分析，企业洞察，知识图谱，金融风险管控，企业IT应用，关系挖掘等多项领域并获得客户的广泛认可。在智能领域，因图引擎更是成为了多项智能AI技术如车联网，智能客服，深度学习的核心助力。