當前，人工智能領域的自動圖機器學習研究悄然興起，小到蛋白質分子結構，大到城市交通網絡，都有自動圖機器學習的用武之地。

澎湃新聞（www.usamodel.cn）記者從清華大學計算機系朱文武教授領導的網絡與媒體實驗室獲悉，該實驗室于2020年12月21日發布了世界首個自動圖學習框架與開源工具包AutoGL。AutoGL框架及開源工具包能夠為開發人員進行圖學習算法設計和調優提供便利，簡化圖學習算法開發與應用的流程，提升圖學習相關的科研和應用效率。

AutoGL 框架圖

自動機器學習是指將機器學習算法自動化的一系列研究與應用。完整的自動機器學習包括自動數據處理、自動特征工程、自動模型選擇、自動模型評價等步驟。

相比傳統機器學習，自動機器學習可以降低機器學習中的人類干預；在降低人力成本與人類偏見的同時，取得與人類專家相當或更優的結果，并更加便于機器學習算法在真實應用場景中的落地應用。

自動圖機器學習中的“圖”（graph）則是一種廣泛用于描述實體之間關系的數據類型，圖的基本組成單元為代表實體的節點和代表節點間關系的邊。大部分現有的自動機器學習研究和框架，沒有考慮圖數據的特殊性，因此無法應用在圖機器學習模型中。

朱文武

朱文武教授在接受澎湃新聞（www.usamodel.cn）記者采訪時介紹，很多不同領域的問題都可以很自然地建模成圖機器學習，例如蛋白質建模、物理系統模擬、組合優化等基礎研究，社交媒體分析、推薦系統、虛假新聞檢測等互聯網應用，以及金融風控、知識表征、交通流量預測和新藥發現等。

“由于圖數據在結構、內容和任務上千差萬別，所需要的圖機器學習模型也可能相差甚遠，這導致圖機器學習的自動化面臨巨大挑戰。”參與該項目的清華大學計算機系助理教授王鑫表示，自動機器學習將減少對人類專家知識的依賴，自動圖機器學習也會降低算法的學習與使用門檻，使其他領域研究者、業界使用者和初學者，能快速將自動圖機器學習技術應用到不同的場景中。

王鑫

據介紹，AutoGL在設計時遵循模塊化思想，每個模塊均可擴展，用戶只需要實現對應模塊類的接口，即可方便地測試自己的算法，為公平對比不同模型性能提供方便。

AutoGL由清華大學計算機系朱文武教授團隊研發，核心成員包括助理教授王鑫、博士生張子威、碩士生關超宇等10余人。該項目得到了國家自然科學基金委重大項目等的資助與支持。

目前，AutoGL 研發團隊期待得到各類使用反饋，以更好地完善 AutoGL 的各項功能。“我們的最終目的是推動自動圖機器學習在學術界與工業界的深層次探索和應用”。