蚂蚁集团正式开源万亿规模图学习系统 AGL

9 月 7 日下午，上海外滩大会“融合机器学习与运筹优化”论坛上，蚂蚁集团正式开源图学习系统 Ant Graph Learning （AGL），这是行业首个通用的工业图学习系统。

AGL 目前实现了万亿规模图数据上的信息协同和结构感知，构建了多个行业数字化图智能方案，也沉淀了多个优秀的算法实践。蚂蚁集团基于 AGL，发表 CCF-A/B 类国际期刊会议论文 60 余篇，授权发明专利 40 余项，五项国际榜单、竞赛第一，也是图神经网络国家标准的核心参与单位。

本次开源 AGL v0.1 版本，同时提供蚂蚁多年打磨的工业级图学习系统和一系列经过业务实践验证的开箱即用的图学习算法，代码仓库已于当天上架 GitHub。通过开源，AGL 为工业级大规模图学习任务提供全链路解决方案，希望为开发者提供一个强大的工具和平台，以更好地应用图学习技术解决实际业务问题，同时通过社区共建，吸收产研优秀的系统与算法实践，持续降低图学习的应用门槛，促进图学习技术的交流和创新，推动图学习在各行各业广泛应用。

自 2017 年以来，图学习在各领域都得到了广泛的应用，也成了当下人工智能领域的研究热点之一。这项技术是全球科技竞争新的战略制高点，工信部发布的《“十四五”软件和信息技术服务业发展规划》提到，要突破大规模并行图数据处理关键基础技术，支持异构数据管理关键技术创新，加快发展新型机器学习等技术。

AGL 在蚂蚁多元化的业务中也得到了广泛的应用，并取得了优秀的业务成果。如应用于网商银行数字化供应链“大雁”系统，使供应链识别精度提升 50%，贷款可得率从 30%提升到 80%；应用于支付宝数字开放平台，帮助生态商家提升其权益、供给分发效率超过 50%。

基于数据驱动的智能决策已经成为了越来越多企业在决策过程中的重要工具，本次论坛上，清华大学计算机系数授、人工智能研究院基础理论研究中心主任朱军分享了用于离线强化学习的扩散模型方式，浙江大学教授、中国运筹学会副理事长张国川讲述了数字经济下的运筹优化的思想、方法和技术，中山大学计算机学院副教授陈亮认为需要充分考虑行业特点，提升智能金融决策的鲁棒性，在数据，模型，训练，算力等多个维度协同发力。