第四范式陳雨強：AI已無需證明自己 降低門檻才能惠及百業(yè)

8月24日，一年一度的亞布力中國企業(yè)家論壇夏季高峰會在江西南昌隆重開幕，圍繞AI的話題依然成為了本次峰會的熱點之一。面對AI泡沫化等各種爭議性話題，第四范式聯(lián)合創(chuàng)始人兼首席研究科學家陳雨強認為：“AI早已脫離了證明自己價值的階段，而決定AI賦能各行各業(yè)的關(guān)鍵在于降低AI的技術(shù)及使用門檻。”

此前，業(yè)內(nèi)普遍認為AI存在泡沫化的風險，且AI在落地方面困難重重。針對這些質(zhì)疑，陳雨強也表達了自己的觀點：人工智能其實已經(jīng)脫離了證明自己價值的階段。如今，AI已經(jīng)讓很多在做搜索、廣告領(lǐng)域的公司成為了佼佼者。所以，人工智能能產(chǎn)生價值無需質(zhì)疑。而人工智能本身除了應(yīng)用在這些領(lǐng)域外，還應(yīng)該在教育、能源等更多的行業(yè)里發(fā)揮其價值。這個空間是非常大的，其本質(zhì)在于提升企業(yè)的運營效率。

陳雨強進一步指出，制約AI在其他領(lǐng)域遍地開花的瓶頸在于人才和數(shù)據(jù)。以人才來說，AI相關(guān)從業(yè)者年薪動則幾百萬，且十分緊缺。所以，怎樣能夠把限量供應(yīng)的事情變成大量供應(yīng)是一個關(guān)鍵。而第四范式則一直致力于打破AI在人才、技術(shù)方面的局限和門檻，能夠讓更多的人發(fā)揮AI的價值。

首先，第四范式通過國際領(lǐng)先的遷移學習技術(shù)解決數(shù)據(jù)量不足的問題。針對于某個特定領(lǐng)域，遷移學習相較于深度學習所要求的數(shù)據(jù)量較少，同樣數(shù)據(jù)量的前提下，模型效果更加準確，相當于使機器擁有人類“舉一反三“、”觸類旁通“的能力，能夠應(yīng)用于樣本量相對小的領(lǐng)域。遷移學習的發(fā)展，有利于擴寬AI的應(yīng)用領(lǐng)域。在傳統(tǒng)的遷移學習技術(shù)研究基礎(chǔ)之上，第四范式還在不斷探索遷移學習技術(shù)在實際應(yīng)用中落地會遇到的各種挑戰(zhàn)，例如如何保證遷移的數(shù)據(jù)安全性、用戶隱私、商業(yè)機密等問題。

另外，在技術(shù)方面，第四范式自主研發(fā)了可以讓沒有AI背景也可以輕松使用的自動化機器學習技術(shù)——AutoML。第四范式通過從解決客戶業(yè)務(wù)核心增長的角度出發(fā)，構(gòu)建了反欺詐、個性化推薦等業(yè)務(wù)場景下的AutoML，并將其賦能給企業(yè)的普通開發(fā)人員，取得了接近甚至超過數(shù)據(jù)科學家的業(yè)務(wù)效果。目前，已經(jīng)研發(fā)了自動特征組合(FeatureGo)、深度稀疏網(wǎng)絡(luò)DSN(Deep Sparse Network)等AutoML支撐技術(shù)。其中，F(xiàn)eatureGo算法，實現(xiàn)了機器自動組合特征的功能，有效解決了人為添加組合特征門檻高、耗時長等問題。FeatureGo也增加了模型的可解釋性，提升易用性，進一步降低了機器學習的應(yīng)用門檻。

生成海報

免責聲明：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確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。