来源:财经网
近日，国际人工智能领域顶级学术会议“AAAI 2021”论文征集结果发布。处于国内AI阵营前沿的京东数码分公司，以多达16篇论文入选，成为本届AAAI的一匹黑马。其研究方向包括联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推理，以及智慧城市领域的time 空AI等前沿技术领域。
在AAAI今年整体录取率仅为21%的激烈竞争中，京东数学系的高选调生数量极为罕见。一系列RD成果的集中爆发，也充分展现了人工智能领域的国际顶尖技术实力，以及京东数字分公司在AI驱动的行业数字化实践中高科技人才储备的领先布局。值得注意的是，京东数字分公司的系列RD能力已经走出了纯实验室阶段，已经转化为智慧城市、农业、商品、零售、AI机器人等行业场景的应用，助力整个行业的数字化进程。
AAAI是人工智能领域历史最悠久、覆盖面最广的顶级国际学术会议之一。每年都会吸引大量研究人员和开发者投稿和参会，论文竞争异常激烈。在中国计算机联合会的国际学术会议排名中，AAAI被列为人工智能领域的A级顶级会议，是人工智能产业未来发展方向的重要风向标。据了解，新AAAI 2021将于2月2日至2月9日在线举行。
AAAI 2021的联合主席凯文·莱顿-布朗(Kevin Leyton-Brown)在推特上表示，今年被接受的提交论文总数达到了“惊人的高科技水平”。在提交的934篇论文中，审核了7911篇，只有1692篇论文被接受，接受率为21%。
京东分公司自主研发联邦学习平台，破解数据孤岛。
如何解决基于数据共享的“数据孤岛”问题，是近年来业界在联邦学习方向的重点探索。京东数字分公司还推出了自主研发的联邦学习平台——fed learn，整合了密码学、机器学习、区块链等联邦学习算法，构建了一套安全、智能、高效的链接平台。在无需对外传输各机构数据的前提下，通过联合各机构数据，实现联合建模型等多方数据的联合使用场景，获得加成效果。
得益于联邦学习平台上的前沿技术投入，京东数字分公司在该领域的两篇论文入选AAAI 2021。基于反向更新的双层异步安全垂直联邦学习，提出了一种结合反向更新和双层异步并行的新型垂直联邦学习框架，并在此框架下实现了VFB2-SGD。VFB2-SVRG和VFB2-SAGA三种新算法，在不泄露数据隐私的情况下，帮助多方协同训练模型，在一定程度上解决了低效垂直联邦学习算法的困难。
基于反向更新的双层异步安全垂直联邦学习
关于联邦学习的通信高效局部SGD的收敛性，高效通信的局部随机梯度算法的收敛性分析，除了联邦学习中最常用的模型训练算法“局部随机梯度”之外，本文提出了一种新的高效通信的分布式随机梯度算法，通过误差补偿的双重压缩机制，解决了大规模联邦学习模型有效训练中通信代价高的问题，显著降低了通信代价。
用Time 空AI构建智慧城市运营体系，助力民生和产业发展
在城市管理中，如何准确预测城市交通流量峰值、智能监管危化品全流程、“领先驾驶舱”实时查看城市运行全貌，都有一系列智慧城市领域的领先技术支撑。京东数字科学专注于“时间空AI”技术，此次有部分论文入选AAAI 2021。例如“基于时间空图扩散模型的时空图扩散网络交通流量预测”，设计了基于异构图神经网络的深度学习模型，分别从时间和空对不同区域的交通信息进行建模。与现有的只考虑local 空关系的交通预测算法相比，具有一定的优势，可以在整个城市的不同区域达到更准确的预测结果。
此外，“基于深度元学习的鲁棒时空购买预测——基于深度元学习的鲁棒小时空销售预测”提出了小时空元学习预测模型，用于预测购物节期间零售业的销售。STMP是一个基于元学习的time 空多任务深度生成模型，它使用一个学习能力很小的元学习框架来捕获销售数据的time 空表示。然后生成模块利用提取的time 空表达式和当前的销售数据来推断预测结果，从而帮助商家基于爆款销售的预测提前做好充分的准备。
值得注意的是，京东数字分公司推出的智慧城市操作系统，作为政府数字化服务的数字化基石和技术基础，实际上包含了time 空数据引擎、以time 空AI为核心的time 空智能引擎、基于联邦学习和Monet可视化平台的数字网关技术等诸多前沿技术。，可以让城市中的海量数据高效安全。以“Time 空大数据引擎”为例，“智慧城市操作系统”的实现和处理速度比传统数据平台快10-100倍，并不断迭代；依托空智能引擎，过去一个20人的团队做空气体质量分析预测AI模型开发需要两年时间。现在“智慧城市操作系统”只需要一个人两天就可以完成，大大降低了人工智能的开发成本，加快了AI落地的步伐。
在一系列领先的技术应用下，京东数字分公司智慧城市操作系统在雄安落地为块数据平台，成为雄安新区城市大数据资源中心的实际载体；基于京东数字分公司的“智慧城市操作系统”，江苏省南通市还建成了全国首个城市治理现代化指挥中心，汇聚了南通市75个部门的数十亿数据。交通运行、公共安全、环境污染等。在南通市的所有实时呈现在大屏幕上，从而实现了一屏总览。
顺序推荐和社交推荐让营销服务更加精准。
如何基于用户已有的行为标签，为其推荐真正需要的智能商品服务，进行千人千面的智能营销？这背后是推荐算法。京东数字分公司也围绕推荐方向为AAAI 2021进行了论文评选。
目前广泛使用的基于会话的序列推荐算法，只是考虑了产品在每个会话中的点击转化方式，忽略了产品在不同会话中的潜在相关性。为了解决现有算法的缺陷，论文《基于会话推荐的多级转换动态的图增强多任务学习》提出了一种基于图的增强多任务学习框架，利用异构注意机制学习每个会话中的商品转换模式，从而实现基于会话的序列推荐。还引入了跨越不同会话的图学习模型，将其全局关系的建模加入到商品的表征学习中，因此可以实现对商品短期和长期时序关系的同时学习。
基于图模式增强多任务学习的会话序列推荐系统
论文《基于知识关系的连接图神经网络的社会化推荐系统的知识感知耦合图神经网络》将商品的关系引入社会化推荐场景，提出了基于知识关系的连接图神经网络模型，从而学习到更准确的用户偏好，可以在一定程度上缓解稀疏用户在推荐中的影响，增强推荐模型的鲁棒性。
此外，还有京东数学系在风控领域的论文选登。“零售拖欠消费者违约情景的因果学习”讨论了配额对用户风险的因果影响方法。通过前沿的双机器学习，克服了现有数据中的“幸存者偏差”问题，构建了能够反映策略与风险之间因果关系的无偏估计量，促进了风险管理与机器学习理论的更深层次融合，帮助了信用机构。
这16篇论文入选AAAI 2021，是京东数字科学技术实力集中爆发的一大例证。事实上，截至2021年1月，京东数字分公司已在AAAI、IJCAI、CVPR、KDD、NeurIPS、ICML等国际顶级AI会议上发表相关论文近150篇，在机器学习、计算机视觉、语音和自然语言处理等领域取得世界级研究突破。此外，京东数码分公司持续加大技术研发投入。目前，公司的RD和专业人员占近70%。2020年上半年，公司技术研发投入占比近16%，与国际互联网科技巨头持平甚至更高。
未来，京东数字分公司将沿着以AI推动产业数字化的方向，在国际顶尖RD领域不断探索和突破，夯实科技基础，为客户提供技术+产业+生态的全方位数字化服务，与实体产业共同进步。
