求职中最吃香的编程语言

2.3 子图查询

子图的概念是相对一个更大的图来定义的。如果一个图的点集和边集都是另一个图的子集，则该图为另外一个图的子图。以微信支付月度转账网络为例，该月腾讯公司员工之间的转账关系则是构成了一个转账网络的子图。

子图查询最直接的优点就是对数据需求的表达能力很强。假设我们有一个查询需求：“在国务院工作并且家乡在安徽的博士有哪些？”已有的查询理解方式往往只是从查询中抽取关键字来进行，而子图的方式则更为精准，如下图所示。子图能够理解查询的目标是个顶点，顶点有三条关联的边，分别是对“国务院”的就职关系，对“安徽”的家乡定位关系以及对“博士学位”的学历关系。而通过子图同构的查询，则能够对查询需求进行更为精准地响应。
 

路径聚焦两点间的间接关联关系。间接关联获取成本更大，更为隐蔽。在金融欺诈场景中，犯罪团伙往往将资金关联拉长以进行对抗，如将直接的资金往来通过多阶的转账来间接实现。传统的关系型数据平台因串联join的低效性导致路径查询成本高昂难以实现，而路径查询是图研究领域的经典问题，通过对路径的高效查询能够降低间接关联的发现成本，提高欺诈团伙的对抗门槛。

例如，在刑侦场景中，案件里的受害人与施害人的关联也是刑警首要关注的信息。如果能构建足够大的一张图，包括多种关联关系信息（图有很强的数据融合能力），则通过在该图中获取受害人与施害人之间的所有路径，就能清晰展现两者间的各种直接与间接的关联关系。高效地进行路径查询则有利于提高案件分析的效率。

亿级图上，路径查询的目标路径长度一般不会大于6（受限于计算能力），而实际需求往往不会大于4（关联信息衰减），查询过程往往是从两点分别向对方搜索，将两点各自的多阶邻居进行取交，实现路径的发现。每个顶点最多往外搜索的深度为3。正如前面多阶查询所说，搜索深度大于等于4时，搜索空间容易过于巨大。（以上数据经验之谈，仅供参考）
 

对于CV的经典任务——两个相关图像的匹配，之前的方法仅能通过人工实现。但现在，3D图形公司Magic Leap开发出名为SuperGlue的GNN架构，该架构可在实时视频中执行图形匹配，以完成3D重建、位置识别、本地化和制图(SLAM)等任务。SuperGlue由一个基于注意力的GNN组成，GNN学习图像关键点的表示，然后在最佳传输层对这些关键点表示进行匹配。模型可以在GPU上实现实时匹配，还能方便地集成到现有SLAM系统中。关于图形与计算机视觉的更多研究和应用，参见以下综述文章。

物理/化学

根据粒子或分子之间的相互作用构建图，然后使用GNN预测系统属性已逐渐成为生命科学中的重要研究方法。Facebook和CMU合作的Open Catalyst项目致力于找到新的方法来存储可再生能源，例如太阳能或风能。可能的方案之一是通过化学反应将这种能量转换成其他燃料，如氢气。然而，这需要发现新的、更高效的催化剂来加速化学反应，且已知的DFT方法成本极高。Open Catalyst项目开源了大规模催化剂数据集、DFT弛豫和GNN基准方法，希望找到新的、高效的、低成本催化剂分子。
 

而且最重要的是，这些脚本对于特斯拉的竞争对手来说，算得上是“非常有价值”。

这套系统涉及到特斯拉仓储、采购、交付、财务等等流程管理，拿到代码的公司，可以在很短时间内，逆向复现出和特斯拉一样的高效管理流程。

面对这样的这样的秘密泄露，特斯拉提出指控也在情理之中。

但面对证据，Alex Khatilov也有自己的辩解，他说根本“不记得”有这么一回事。
 

12.公共交通——Arnie Gordon

人工智能将有利于人员和货物的运输。

目前，无人驾驶汽车和卡车的原型正在开发中，但是共享汽车的公司已经在使用技术来避免交通拥堵，并及时到达目的地。

这些技术也可以扩展到公共交通。火车和公共汽车中的AI可以提高效率并减少潜在的不便，它将减轻顾客的压力并使所有人受益。

13.媒体与娱乐—— Joaquin Lippincott

在媒体和娱乐行业中，可以通过AI从视频中收集或推断大量数据。

这可以像标记场景（角色，演员等）的元数据一样简单，也可以像预测未来电视和电影事业的成败一样深远。

随着我们从流媒体收集更多数据，预计AI的影响只增不减。

（编辑：周口站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!