機(jī)器學(xué)習(xí)的下一波浪潮！

AI領(lǐng)域最炙手可熱的技術(shù)之一！

國外的谷歌、Facebook、微軟，國內(nèi)的深蘭科技、曠視科技、第四范式等領(lǐng)先的AI企業(yè)競相研發(fā)......

如果2019年你只關(guān)注人工智能領(lǐng)域的一項(xiàng)技術(shù)，可能最應(yīng)該是AutoML技術(shù)。

近日，國內(nèi)AI企業(yè)在AutoML技術(shù)上傳來好消息。7月1日，IEEE ISI 2019國際大數(shù)據(jù)分析競賽結(jié)果出爐，深蘭科技DeepBlueAI團(tuán)隊(duì)分別取得了一項(xiàng)冠軍和一項(xiàng)季軍的優(yōu)異成績。

到底何謂AutoML技術(shù)？為什么谷歌、Facebook、微軟都重金投入競相研發(fā)？為什么它被譽(yù)為“AI領(lǐng)域最炙手可熱的技術(shù)”？為什么說“中國企業(yè)AI轉(zhuǎn)型或迎來新進(jìn)程？”

1、力克英美德等七國“勁敵”中國自研AutoML技術(shù)斬獲IEEE ISI冠軍

近日，來自中國上海的AI獨(dú)角獸——深蘭科技DeepBlueAI團(tuán)隊(duì)，在IEEE ISI 2019國際大數(shù)據(jù)分析競賽上分別取得了一項(xiàng)冠軍和一項(xiàng)季軍。

擁有16年歷史的IEEE年度國際會議，是安全信息學(xué)領(lǐng)域的旗艦會議。目前已從傳統(tǒng)的智能和安全領(lǐng)域發(fā)展到多領(lǐng)域聯(lián)合研究與創(chuàng)新。今年7月1日，第17屆IEEE ISI會議由深圳人工智能與數(shù)據(jù)科學(xué)研究所主辦。

IEEE ISI會議發(fā)起了此次國際大數(shù)據(jù)分析競賽(IEEE ISI 2019年世界杯，IWC 2019)，并面向全球高校、研究機(jī)構(gòu)、企業(yè)、政府開放。本次大賽總計(jì)參賽人數(shù)逾千人，三百多支參賽隊(duì)伍分別來自中國、美國、巴基斯坦、英國、德國等7個(gè)國家。來自華為、京東、滴滴等知名企業(yè)，以及來自清華大學(xué)、北京大學(xué)、浙江大學(xué)等知名高校的三百余支隊(duì)伍參賽，參賽總?cè)藬?shù)逾千人。

今年IEEE ISI大賽分為：投資價(jià)值評估和法律訴訟類型預(yù)測兩個(gè)賽題。在企業(yè)投資價(jià)值評估賽題中，深蘭科技DeepBlueAI團(tuán)隊(duì)?wèi){借自研的AutoML系統(tǒng)，以較大領(lǐng)先優(yōu)勢獲得冠軍。

所謂AutoML全稱Automated Machine Learning，即自動機(jī)器學(xué)習(xí)，該技術(shù)是2014年以來，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域最炙手可熱的領(lǐng)域之一。

AutoML技術(shù)之所以被廣泛關(guān)注，是因?yàn)樗寵C(jī)器學(xué)習(xí)從“教學(xué)”變成了“自學(xué)”，大幅提升了機(jī)器學(xué)習(xí)的效率。

具體而言，傳統(tǒng)的機(jī)器學(xué)習(xí)，從攝取數(shù)據(jù)到預(yù)處理、優(yōu)化，然后預(yù)測結(jié)果，每個(gè)步驟都需要由專業(yè)的AI人才來控制和執(zhí)行。而在AutoML技術(shù)的加持下，人主要只關(guān)注兩個(gè)主要方面：數(shù)據(jù)采集/收集和預(yù)測。中間發(fā)生的所有其他步驟都可以讓機(jī)器輕松實(shí)現(xiàn)自動化，同時(shí)提供經(jīng)過優(yōu)化并準(zhǔn)備好進(jìn)行預(yù)測的模型。

AutoML技術(shù)普遍具備兩個(gè)特征：

自動化：AutoML能高效通過自動執(zhí)行的重復(fù)性任務(wù)來提高工作效率。這使得數(shù)據(jù)科學(xué)家能夠更多地關(guān)注問題而不是模型。比如深蘭科技自研的AutoML技術(shù)，除了能夠節(jié)省大量人力物力財(cái)力，并且還能更加快速和安全地搭建出一個(gè)優(yōu)于大多數(shù)算法工程師搭建的機(jī)器學(xué)習(xí)系統(tǒng)。在本次比賽中，AutoML系統(tǒng)可挖掘各業(yè)務(wù)字段間的復(fù)雜關(guān)系，自動提取高階特征，給企業(yè)價(jià)值評估提供了新穎的更加精準(zhǔn)的解決方案。

泛用性：由于AutoML自動化以及高效的特征，它一定程度上打破了AI技術(shù)與AI科學(xué)家的深度綁定關(guān)系，進(jìn)而降低了AI技術(shù)的應(yīng)用門檻——畢竟并非所有企業(yè)都有資源來聘請經(jīng)驗(yàn)豐富的AI人才團(tuán)隊(duì)。這意味著，AutoML技術(shù)可廣泛用于那些AI人才不足的企業(yè)，這或許是傳統(tǒng)企業(yè)AI轉(zhuǎn)型的突破口！

值得注意的是，此次比賽的冠軍團(tuán)隊(duì)深蘭科技擁有多年的機(jī)器學(xué)習(xí)經(jīng)驗(yàn)。此前在 PAKDD2019、CVPR 2019 等國際知名比賽中多次取得冠軍的優(yōu)異成績。

2、美國的谷歌，中國的深蘭科技AutoML成為智能駕駛“彎道超車”的關(guān)鍵

為什么說AutoML技術(shù)是“傳統(tǒng)企業(yè)AI轉(zhuǎn)型的突破口”呢？

眾所周知，汽車行業(yè)被譽(yù)為傳統(tǒng)制造業(yè)皇冠上的明珠。我們具體以汽車產(chǎn)業(yè)為例，近距離地洞察AutoML技術(shù)的賦能。

深蘭科技是最先將AutoML技術(shù)應(yīng)用在智能駕駛以及整車制造領(lǐng)域的國內(nèi)AI企業(yè)之一。今年6月，深蘭科技同其他5家企業(yè)正式收到路測牌照，成為首批獲得廣州市智能網(wǎng)聯(lián)汽車道路測試資格的企業(yè)，其中深蘭科技是唯一獲得大型客車路測資格的AI企業(yè)。其旗下的熊貓智能公交車也將在黃埔區(qū)、南沙區(qū)、花都區(qū)、白云區(qū)等四個(gè)區(qū)域內(nèi)路測行駛。

深蘭科技自誕生就自帶AI基因，但是中國汽車行業(yè)中的主要玩家們——傳統(tǒng)車企，要想入局智能駕駛領(lǐng)域必定面臨著諸多挑戰(zhàn)。

比如，在智能駕駛狀況下，車與車之間必將形成的“車際網(wǎng)”，即汽車之間的“相互溝通”，以相互告知車距、車流、事故、路況等。而這種溝通必定是通過數(shù)據(jù)實(shí)現(xiàn)的。

那么，兩輛不同品牌、不同智能駕駛技術(shù)的車輛之間，甚至一輛有智能駕駛另一輛沒有，其間的數(shù)據(jù)傳輸就極有可能遭遇障礙，比如數(shù)據(jù)格式不一、維度不同、字段不同。

以我們比較熟悉的EXCEL中的數(shù)據(jù)作為類比，同樣是“7月1日”這個(gè)時(shí)間數(shù)據(jù)，不同的統(tǒng)計(jì)表格顯示不同，可能是“7-1”可能是“07.01.2019”，也可能是“July 1st”。如果數(shù)據(jù)量巨大，那么根本無法通過人眼來一一識別、矯正。EXCEL尚且如此，別提AI了。

如何保證車與車之間的數(shù)據(jù)溝通能順利進(jìn)行？AutoML技術(shù)就能很好解決這種問題。

前文提到的深蘭科技自研的AutoML系統(tǒng)，不僅能挖掘各規(guī)格數(shù)據(jù)間的復(fù)雜關(guān)系，還有自動提取高階特征，進(jìn)行自動化的數(shù)據(jù)清洗。這意味著不同車輛之間的不同數(shù)據(jù)，可以被AutoML系統(tǒng)自動統(tǒng)一。

此外，深蘭科技自研的AutoML系統(tǒng)天生的自動化能力，也可以讓數(shù)據(jù)傳輸?shù)倪^程、面對復(fù)雜場景的數(shù)據(jù)更加高效；其匿名性則可以保證車主位置數(shù)據(jù)不被泄露；其泛用性，則可讓該技術(shù)低門檻、大規(guī)模地賦能傳統(tǒng)車企。

事實(shí)上，谷歌早已將AutoML系統(tǒng)用于智能駕駛。今年1月，Alphabet（谷歌母公司）旗下的子公司、全球自動駕駛領(lǐng)頭羊——Waymo，就在成立十周年之際于官方博客重點(diǎn)深度剖析了AutoML技術(shù)如何助力智能駕駛。

Waymo稱，AutoML技術(shù)使其智能駕駛技術(shù)針對不同的場景快速優(yōu)化，高效和連續(xù)地提供大量機(jī)器學(xué)習(xí)的解決方案，以將其智能駕駛技術(shù)應(yīng)用到不同的城市和環(huán)境中。

可見，不論是國內(nèi)的深蘭科技還是國外的谷歌，AutoML技術(shù)已成為智能駕駛領(lǐng)域最為關(guān)鍵技術(shù)之一。國內(nèi)傳統(tǒng)車企甚至是造車新勢力若想“彎道超車”，必定離不開AutoML技術(shù)的賦能。

3、企業(yè)AI轉(zhuǎn)型遭遇人才瓶頸AutoML或是切入萬億蛋糕的利器

事實(shí)上，AutoML技術(shù)的賦能并不局限于汽車行業(yè)，它也是國內(nèi)幾乎所有傳統(tǒng)行業(yè)和中小企業(yè)AI轉(zhuǎn)型的切入點(diǎn)之一。

傳統(tǒng)行業(yè)和中小企業(yè)的AI轉(zhuǎn)型，甚至AI整個(gè)行業(yè)的發(fā)展，主要受三個(gè)關(guān)鍵因素所桎梏：

第一，人才

第二，數(shù)據(jù)

第三，算力

而在企業(yè)紛紛擁抱數(shù)字化，云計(jì)算可低價(jià)租用的今天，人才正成為最后也是最難的瓶頸。畢竟AI人才培養(yǎng)不可能像企業(yè)數(shù)字化轉(zhuǎn)型和公有云普及那樣迅速，受到教育資源等種種原因的限制，AI人才的稀缺性必定將持續(xù)很長時(shí)間。

今年4月，加拿大人工智能孵化器公司Element AI發(fā)布的《2019年全球AI人才報(bào)告》顯示，在全球AI人才培養(yǎng)方面，有44%的AI人才的博士學(xué)位是在美國獲得的，在中國獲得的約11%；而在雇傭AI人才方面，46%的AI人才替美國的雇主工作，中國這個(gè)數(shù)據(jù)僅11%。

可見，國內(nèi)AI人才總量相對匱乏。

更嚴(yán)峻的一個(gè)問題是，國內(nèi)AI人才大多只在科技企業(yè)甚至BAT、TMD等大型科技企業(yè)間流動，對于傳統(tǒng)行業(yè)以及中小企業(yè)而言，AI人才成本是一個(gè)難以邁過的坎，而AI人才常需要團(tuán)隊(duì)作戰(zhàn)才能發(fā)揮才能，更是讓這種情況雪上加霜。

這意味著，一方面，至少未來數(shù)十年在AI產(chǎn)業(yè)化的轉(zhuǎn)型途中，傳統(tǒng)行業(yè)以及中小企業(yè)內(nèi)部存在著一個(gè)巨大的市場。另一方面，通過AI創(chuàng)造全新產(chǎn)品和服務(wù)，推動傳統(tǒng)行業(yè)轉(zhuǎn)型升級，同時(shí)也已經(jīng)成為國家倡導(dǎo)的推動供給側(cè)結(jié)構(gòu)性改革、實(shí)現(xiàn)高質(zhì)量發(fā)展的重要著力點(diǎn)，相關(guān)的政策早已層出不窮。

所以，不論是市場競爭還是國家政策，AI賦能傳統(tǒng)行業(yè)以及中小企業(yè)，都將是大勢所趨。

根據(jù)國務(wù)院發(fā)布的新一代人工智能發(fā)展規(guī)劃，到2030年，中國將實(shí)現(xiàn)人工智能核心產(chǎn)業(yè)規(guī)模超過1萬億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元。

而能降低企業(yè)用戶、開發(fā)者以及研究人員使用門檻的AutoML技術(shù)，正是切入這一巨大蛋糕的利器。換言之，深蘭科技、曠視科技、第四范式等領(lǐng)先的AI企業(yè)，有機(jī)會利用AutoML技術(shù)為國內(nèi)傳統(tǒng)行業(yè)以及中小企業(yè)賦能。

目前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。

以深蘭科技為例，深蘭科技曾提出，將把AutoML技術(shù)作為開發(fā)工具，在公司搭建的世界級核心算法平臺上推出系統(tǒng)性的解決方案，賦能AI交通、AI醫(yī)療、AI工業(yè)、AI社區(qū)等領(lǐng)域。

據(jù)了解，深蘭科技的AI產(chǎn)品橫跨多個(gè)領(lǐng)域，使用場景復(fù)雜。AutoML技術(shù)可以在海量復(fù)雜數(shù)據(jù)基礎(chǔ)上，做到算法的自我更新和自我適應(yīng)，從而達(dá)到AI真正的智能化和個(gè)性化。

再如第四范式，目前其已發(fā)布AutoML平臺可以幫助企業(yè)基于歷史的數(shù)據(jù)、業(yè)務(wù)的實(shí)時(shí)反饋?zhàn)龅?，充分挖掘特征做出更精?zhǔn)的決策。今年4月，曠視科技也首次披露了AutoML相關(guān)成果...

可以預(yù)見在不久的將來，圍繞AutoML技術(shù)，中外AI企業(yè)將展開新一輪技術(shù)爭霸。