1、中國自研AutoML技術(shù)斬獲IEEE ISI冠軍

　　近日，來自中國上海的AI獨角獸——深蘭科技DeepBlueAI團隊，在IEEE ISI 2019國際大數(shù)據(jù)分析競賽上分別取得了一項冠軍和一項季軍。

　　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、研究機構(gòu)、企業(yè)、政府開放。本次大賽總計參賽人數(shù)逾千人，三百多支參賽隊伍分別來自中國、美國、巴基斯坦、英國、德國等7個國家。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伍參賽，參賽總?cè)藬?shù)逾千人。

　　今年IEEE ISI大賽分為：投資價值評估和法律訴訟類型預(yù)測兩個賽題。在企業(yè)投資價值評估賽題中，深蘭科技DeepBlueAI團隊?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，即自動機器學(xué)習(xí)，該技術(shù)是2014年以來，機器學(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，是因為它讓機器學(xué)習(xí)從“教學(xué)”變成了“自學(xué)”，大幅提升了機器學(xué)習(xí)的效率。

　　具體而言，傳統(tǒng)的機器學(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器輕松實現(xiàn)自動化，同時提供經(jīng)過優(yōu)化并準(zhǔn)備好進行預(yù)測的模型。

　　AutoML技術(shù)普遍具備兩個特征：

　　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)省大量人力物力財力，并且還能更加快速和安全地搭建出一個優(yōu)于大多數(shù)算法工程師搭建的機器學(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)驗豐富的AI人才團隊。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。

　　2、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)被譽為傳統(tǒng)制造業(yè)皇冠上的明珠。以汽車產(chǎn)業(yè)為例，近距離地洞察AutoML技術(shù)的賦能。

　　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)等四個區(qū)域內(nèi)路測行駛。

        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”這個時間數(shù)據(jù)，不同的統(tǒng)計表格顯示不同，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)溝通能順利進行?AutoML技術(shù)就能很好解決這種問題。它不僅能挖掘各規(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。

　　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，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、AutoML或是切入萬億蛋糕的利器

　　事實上，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)型的切入點之一。

　　傳統(tǒng)行業(yè)和中小企業(yè)的AI轉(zhuǎn)型，甚至AI整個行業(yè)的發(fā)展，主要受三個關(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，云計算可低價租用的今天，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，中國這個數(shù)據(jù)僅11%?？梢妵鴥?nèi)AI人才總量相對匱乏。

　　更嚴峻的一個問題是，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人才成本是一個難以邁過的坎，而AI人才常需要團隊作戰(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、實現(xiàn)高質(zhì)量發(fā)展的重要著力點，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。

　　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。

　　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)的實時反饋做迭代，充分挖掘特征做出更精準(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。