從試驗(yàn)品到產(chǎn)品：AutoML是如何一步步貼近產(chǎn)業(yè)應(yīng)用的？

原標(biāo)題：從試驗(yàn)品到產(chǎn)品：AutoML是如何一步步貼近產(chǎn)業(yè)應(yīng)用的？

今天AI在世界范圍內(nèi)的發(fā)展情況，可以用一路綠燈來形容。國家層面的高度重視與科技巨頭的全力投入齊頭并進(jìn)，正讓AI如同開了掛一般快速進(jìn)入產(chǎn)業(yè)場景。不知不覺間，工廠里開始引入了計(jì)算機(jī)視覺解決方案，電話中與我們對話的客服變成了機(jī)器人。

如果說在這樣綠燈全開的情況下，還有什么在阻礙著AI產(chǎn)業(yè)化發(fā)展，恐怕就只有知識(shí)門檻帶來的AI人才缺失了。根據(jù)高盛推出的《全球人工智能產(chǎn)業(yè)分布報(bào)告》：2017年全球AI人才儲(chǔ)備中，中國只占5%左右。而這些人才大多只在科技企業(yè)間流動(dòng)，對于傳統(tǒng)行業(yè)來說，大多都與AI人才無緣。而AI產(chǎn)業(yè)化的對象，恰恰也是這些傳統(tǒng)產(chǎn)業(yè)。如何幫助傳統(tǒng)產(chǎn)業(yè)突破人才桎梏，降低應(yīng)用AI技術(shù)的門檻，是AI產(chǎn)業(yè)化當(dāng)下重要目標(biāo)之一。

除了支持AI人才培養(yǎng)之外，我們也一直在嘗試從技術(shù)角度解決這一問題，AutoML技術(shù)——自動(dòng)化機(jī)器學(xué)習(xí)就是解決方案之一。簡單來說，AutoML的目標(biāo)是降低企業(yè)用戶、開發(fā)者以及研究人員使用AI相關(guān)工具和框架的門檻，即使不懂如何搭建神經(jīng)網(wǎng)絡(luò)、不懂如何調(diào)參，也可以使用AutoML工具搭建出應(yīng)用級的機(jī)器學(xué)習(xí)模型。

除了谷歌、微軟、亞馬遜這些海外科技企業(yè)在AutoML中投入頗多以外，我們也能看到越來越多的中國企業(yè)加入了AutoML的隊(duì)伍。

從一場競賽，到AI產(chǎn)業(yè)化的廣袤沃土

在今年亞太知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘會(huì)議（PAKDD）舉辦的AutoML比賽中，深蘭科技DeepBlueAI團(tuán)隊(duì)從46個(gè)國家（地區(qū)）的隊(duì)伍中脫穎而出，擊敗了微軟亞洲研究院推出的MLintelligence獲得了第一名的成績。

這次DeepBlueAI最大的一個(gè)亮點(diǎn)，就是將概念漂移的解決方案引入了AutoML中，所謂概念漂移，指的就是在機(jī)器學(xué)習(xí)中隨著時(shí)間推移，目標(biāo)變量以不可預(yù)見的方式發(fā)生著變化，導(dǎo)致未來數(shù)據(jù)分布與已有數(shù)據(jù)分布不一致。也就是說在AutoML快速建立好機(jī)器學(xué)習(xí)模型后，模型的精度是可能隨著時(shí)間推移而下降的，這種情況顯然會(huì)影響現(xiàn)實(shí)場景中AutoML的應(yīng)用效率。

（Feedback phase排行榜）

DeepBlueAI團(tuán)隊(duì)給出的解決方案，是通過融合不同時(shí)期的數(shù)據(jù)以及結(jié)合DNN和LightGBM的訓(xùn)練，加上自適應(yīng)采樣來緩解類別不平衡，在一定時(shí)間間隔中讓模型重復(fù)訓(xùn)練，最終形成對概念漂移的自適應(yīng)。形成生命力更強(qiáng)、更具持續(xù)性的終生自動(dòng)化機(jī)器學(xué)習(xí)工具。

DeepBlueAI團(tuán)隊(duì)對于概念漂移問題的解決，不僅僅在技術(shù)角度具有極高的突破性，在AutoML的產(chǎn)業(yè)應(yīng)用的道路中也給予了很大的推助力。

AutoML面向的對象，大多是對AI技術(shù)了解不多的企業(yè)應(yīng)用者。這一類應(yīng)用者顯然不會(huì)意識(shí)到AutoML中所存在的技術(shù)問題，他們很可能會(huì)在應(yīng)用場景出現(xiàn)問題時(shí)才發(fā)現(xiàn)模型精度產(chǎn)生了變化。DeepBlueAI團(tuán)隊(duì)的解決方案，極大增加了AutoML對于復(fù)雜場景的適應(yīng)性，讓AutoML可以進(jìn)入金融、營銷、智能駕駛等等要求更豐富的場景之中，也因此進(jìn)一步降低了企業(yè)應(yīng)用AI的門檻。

可見DeepBlueAI并不是針對競賽的一份試卷答案，而是真正把目標(biāo)投向了AI產(chǎn)業(yè)化的廣袤沃土。

當(dāng)AutoML從試驗(yàn)品走向商品

除了PAKDD的競賽以外，很多科技企業(yè)也已經(jīng)推出了自己的AutoML平臺(tái)。例如谷歌推出的針對圖像識(shí)別的AutoML Vision，以及亞馬遜推出的Amazon SageMaker等等。從AI產(chǎn)業(yè)化的命題來說，擁有應(yīng)用環(huán)境自適應(yīng)能力的這套解決方案會(huì)對AutoML造成哪些改變？

首先，深蘭科技可以幫助AutoML真正的去解決更多產(chǎn)業(yè)問題。

目前市面上的AutoML平臺(tái)，大多只是試驗(yàn)性甚至偏娛樂化的，缺乏對于產(chǎn)業(yè)應(yīng)用場景的深入適配，通常只能讓開發(fā)者利用模型開發(fā)出一些諸如“寵物情緒識(shí)別”“桃子甜度識(shí)別”等等簡單的模型。

DeepBlueAI團(tuán)隊(duì)意識(shí)到了模型精度的變化問題，自然是站在了產(chǎn)業(yè)視角看待問題，未來AutoML平臺(tái)也將從單純的開發(fā)場景逐漸貼近產(chǎn)業(yè)場景，更關(guān)注模型精度、應(yīng)用環(huán)境等等現(xiàn)實(shí)問題。

同時(shí)，深蘭科技對AI基礎(chǔ)技術(shù)的全面投入可以幫助AutoML進(jìn)入更多產(chǎn)業(yè)領(lǐng)域。

除了深度學(xué)習(xí)框架開發(fā)以外，深蘭科技對機(jī)器視覺、生物智能識(shí)別、智能駕駛等等領(lǐng)域都有所投入。針對各種AI技術(shù)在自動(dòng)化過程中，架構(gòu)組建上的細(xì)化差異都有更深入的理解，加之強(qiáng)大的算法應(yīng)用化能力，深蘭科技足以讓AutoML從一個(gè)面向開發(fā)者的工具演變成真正商業(yè)化、甚至定制化的企業(yè)AI解決方案。

目前深蘭科技的AutoML技術(shù)已經(jīng)廣泛應(yīng)用在精準(zhǔn)營銷、金融風(fēng)控、自動(dòng)駕駛、疾病預(yù)測等業(yè)務(wù)場景中，做出了接近甚至超過數(shù)據(jù)科學(xué)家的模型效果，決策精準(zhǔn)度超過人類專家數(shù)倍。

總的來說，建立在深蘭科技的綜合AI能力之上，AutoML正在從試驗(yàn)品走向產(chǎn)品，進(jìn)一步契合產(chǎn)業(yè)應(yīng)用的真實(shí)場景。

曙光之前：為什么中國AI需要腰部力量？

除了AutoML對于當(dāng)前AI產(chǎn)業(yè)化的意義之外，我們更想討論的，是深蘭科技這家企業(yè)在PAKDD取得成績更深層的意義。隨著中國AI在世界范圍的競爭力不斷提升，中國團(tuán)隊(duì)在各種學(xué)術(shù)會(huì)議上取得好成績并不是什么新鮮的事情，為什么深蘭科技這家企業(yè)值得我們投入更多關(guān)注？

我們可以看到，深蘭科技身上有兩個(gè)明顯的標(biāo)簽，一個(gè)是 “中國自主研發(fā)”——深蘭科技與多家國內(nèi)外知名企業(yè)、高等院校以及盧森堡國家實(shí)驗(yàn)室合作，建立聯(lián)合實(shí)驗(yàn)室，一直在AI科研上有著諸多投入。另一個(gè)是“基礎(chǔ)研究+應(yīng)用開發(fā)”——除了科研以外，深蘭科技已經(jīng)將技術(shù)輸入到智能駕駛、智能機(jī)器人、AI city等等九大應(yīng)用領(lǐng)域之中。

兩者結(jié)合起來，就是典型的中國AI腰部力量。除了BAT這樣在頭部引領(lǐng)中國AI發(fā)展的巨頭，更多的是像深蘭科技這樣，將AI創(chuàng)新能力源源不斷地輸入到細(xì)節(jié)應(yīng)用場景之中。

腰部力量對于AutoML的掌握，對于今天我們的AI發(fā)展來說至關(guān)重要。

近年來有一個(gè)流傳頗為廣泛的概念叫：AI民主化，指的是讓更多中小企業(yè)可以開發(fā)出屬于自己的機(jī)器學(xué)習(xí)算法模型，而AutoML就是符合這一精神的產(chǎn)物之一。隨著AI民主化概念的普及和AutoML技術(shù)的日趨成熟，產(chǎn)業(yè)中大范圍應(yīng)用起AutoML工具已經(jīng)是一種必然。

但從谷歌AutoML的案例中也能發(fā)現(xiàn)，伴隨算法模型訓(xùn)練工具捆綁銷售的，很可能還有計(jì)算芯片或云計(jì)算服務(wù)。一家企業(yè)選擇了一個(gè)AutoML平臺(tái)，同時(shí)也意味著將自己的AI技術(shù)與平臺(tái)背后的企業(yè)相綁定。

這時(shí)中國AI腰部力量對于AutoML的參與就起了兩個(gè)至關(guān)重要的作用。

一方面，中國智造可以保證算法工具以及芯片硬件、云計(jì)算等等配套服務(wù)的自主可控。尤其很多企業(yè)的算法模型會(huì)涉及一些商業(yè)機(jī)密以及敏感數(shù)據(jù)，如果將這些數(shù)據(jù)和模型部署到海外企業(yè)的云平臺(tái)中，多少會(huì)增加一些風(fēng)險(xiǎn)。

另一方面，腰部企業(yè)對AI產(chǎn)業(yè)化的參與，可以增強(qiáng)行業(yè)的多樣性，防止AI產(chǎn)業(yè)化被科技巨頭“壟斷”從而促使AI霸權(quán)主義的出現(xiàn)。產(chǎn)業(yè)在接入AI服務(wù)時(shí)可以擁有更多選擇，會(huì)促進(jìn)AI領(lǐng)域的發(fā)展活力，以良性競爭的模式推動(dòng)巨頭與腰部企業(yè)一同為產(chǎn)業(yè)提供更優(yōu)質(zhì)的技術(shù)服務(wù)。

如今在AI賽道上狂奔的跑者們，無一不見到了AI產(chǎn)業(yè)化的黎明曙光。在抵達(dá)終點(diǎn)的過程中，腰部企業(yè)的存在如同一位聯(lián)結(jié)者，與頭部巨頭們并行向前的同時(shí)，不斷招攬著路邊觀望的人，讓他們一同加入隊(duì)列，向AI的明天奔去。

AI產(chǎn)業(yè)化黎明的到來，或許并不是一條分割兩個(gè)世界的終點(diǎn)線，而會(huì)降臨于讓更多人參與AI賽道的過程之中。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。