昨天，國內(nèi)AutoML領(lǐng)域創(chuàng)業(yè)公司智鈾科技發(fā)布了自動化機器學(xué)習(xí)產(chǎn)品“小智”，據(jù)公開數(shù)據(jù)顯示，這是國內(nèi)首款可私有部署的AutoML商用產(chǎn)品。新智元創(chuàng)始人楊靜女士作為特邀嘉賓，在智鈾科技產(chǎn)品發(fā)布會上對AI軟硬件發(fā)展現(xiàn)狀和趨勢以及AutoML應(yīng)用做了主題演講。

“AI寒冬”論調(diào)不減，但AI軟硬件能力增長卻是不爭的事實。

OpenAI發(fā)布的數(shù)據(jù)顯示，自2012年以來，AI計算力每3.5個月增長一倍，六年間這個指標已經(jīng)增長了30萬倍以上。

同時，AMD也在上周展示了全球首款7納米制程的GPU芯片原型，顯示硬件能力依舊與摩爾定律賽跑。

在這樣的大背景下，數(shù)據(jù)挖掘和自動化建模等企業(yè)級服務(wù)迎來了巨大的市場空間，AutoML的出現(xiàn)則讓企業(yè)能迅速投入AI應(yīng)用而不過度依賴數(shù)據(jù)科學(xué)家，同時也解決了傳統(tǒng)企業(yè)AI人才匱乏、人力成本高、時間成本高等問題。

昨天，國內(nèi)AutoML領(lǐng)域創(chuàng)業(yè)公司智鈾科技發(fā)布了自動化機器學(xué)習(xí)產(chǎn)品“小智”，據(jù)公開數(shù)據(jù)顯示，這是國內(nèi)首款可私有部署的AutoML商用產(chǎn)品。新智元創(chuàng)始人楊靜女士作為特邀嘉賓，在智鈾科技產(chǎn)品發(fā)布會上對AI軟硬件發(fā)展現(xiàn)狀和趨勢以及AutoML應(yīng)用做了主題演講。

AI算力6年增長30萬倍，軟硬件能力增長破除深度學(xué)習(xí)“寒冬論”

最近，計算機視覺專家 Filip Piekniewski 的《AI Winter is Well on its Way》文章刷屏，認為深度學(xué)習(xí)的熱度已經(jīng)大大下降，AI寒冬將至。

“深度學(xué)習(xí)是否有天花板？”楊靜在《讓機器學(xué)習(xí)更智能》演講中問道。目前，包括人臉識別或者語音識別，準確率已經(jīng)達到了98%、99%的水平，“那剩下的1%、2%的話，是不是說可改進的空間比較小了？”

新智元創(chuàng)始人兼CEO楊靜女士

UC伯克利大學(xué)教授馬毅最近也發(fā)微博稱，越來越多的證據(jù)表明，通過擬合數(shù)據(jù)得到的深度神經(jīng)網(wǎng)絡(luò)模型（在classification，detection，segmentation等）對輸入很小的數(shù)值擾動和很小的變換deformation（甚至平移）都是不穩(wěn)定的（unstable)，更談不上魯棒。

所以目前基于深度學(xué)習(xí)的“人工智能”，用在不痛不癢的應(yīng)用上，也就罷了。把這樣的模型用在嚴肅的問題上（例如需要有安全、隱私、可靠性保障的），應(yīng)該是十分危險的。

楊靜認為，過去幾年深度學(xué)習(xí)的確出現(xiàn)了一個爆發(fā)的情況，但是未來，特別是到2020年是否還會有這樣的一個爆發(fā)的增長速度呢？所以質(zhì)疑深度學(xué)習(xí)的言論就出來了。

不過，從學(xué)術(shù)界到產(chǎn)業(yè)界的努力都在讓深度學(xué)習(xí)保持持續(xù)的爆發(fā)力。

OpenAI最近發(fā)布的一份關(guān)于AI計算能力增長趨勢的分析報告顯示，自2012年以來，AI訓(xùn)練中所使用的計算力每3.5個月增長一倍，自2012年以來，這個指標已經(jīng)增長了30萬倍以上，這遠遠超過摩爾定律的增長。這種突飛猛進的速度讓深度學(xué)習(xí)以及機器學(xué)習(xí)充滿著無限的可能，充滿了爆發(fā)性的增速。

硬件方面，AMD在上周展示了全球首款7納米制程的GPU芯片原型，含有32GB的高帶寬內(nèi)存，專為人工智能和深度學(xué)習(xí)設(shè)計。楊靜認為，AI相關(guān)的硬件有非常高速度的成長，因此說其實深度學(xué)習(xí)本身的發(fā)展速度的確是比摩爾定更快。

數(shù)據(jù)挖掘和自動化建模：企業(yè)級服務(wù)市場爆發(fā)機會

AI軟硬件能力增長速度為企業(yè)級的數(shù)據(jù)挖掘和自動化建模等云服務(wù)帶來了巨大的市場空間，亞馬遜、微軟、谷歌等公司在企業(yè)級云服務(wù)都有特別強大的機器學(xué)習(xí)方面的支撐。

IDC的分析指出，人工智能硬件、軟件企業(yè)級市場規(guī)模供未來幾年會有四五倍的提升，目前可以看到的是，在AI云市場上亞馬遜現(xiàn)在占了40%多的份額，微軟和Google緊隨其后。

Google在AI云服務(wù)市場上異軍突起，在于它在AI云服務(wù)方面提供了全新的軟硬件一體化的解決方案。

這個方案包括TPU、TensorFlow和AutoML，這種三位一體的組合形成了谷歌在企業(yè)級云軟硬件的巨大優(yōu)勢。

楊靜指出，對于中國企業(yè)來講，開源框架和AI芯片方面都很薄弱，但AutoML真正是一個空白和機會?！拔覀兙拖裰袊鄙傩酒粯樱覀円踩遍_源框架，也缺自動化機器學(xué)習(xí)的自己的算法，但我們在AutoML這方面，我覺得至少智鈾科技是非常值得期待的一支黑馬?！?/p>

與此同時，機器學(xué)習(xí)目前嚴重依賴數(shù)據(jù)科學(xué)家，并且面臨人才匱乏、人力成本高、時間成本高等問題，企業(yè)對無監(jiān)督或者自主的學(xué)習(xí)的需求日益旺盛。

清華大學(xué)計算機科學(xué)與技術(shù)系副教授朱軍認為，這是機器學(xué)習(xí)研究人員讓技術(shù)推向產(chǎn)業(yè)要解決的一個關(guān)鍵的問題?！癆lphaZero是一個比較正面的例子，像在環(huán)境規(guī)則有限、能夠明確表達的時候，可以通過自主學(xué)習(xí)來增強它的能力。”

智鈾發(fā)布國內(nèi)首款A(yù)utoML商用產(chǎn)品，AI小白5分鐘搞定機器學(xué)習(xí)建模

智鈾科技在昨天發(fā)布了AutoML產(chǎn)品“小智”。

AutoML 的概念源自2012年學(xué)術(shù)界提出一個新觀念——Programming by Optimization（PbO），字面上的意思是指以最優(yōu)化程序開發(fā)，實質(zhì)上就是要解決編程時人工調(diào)校參數(shù)的問題。

與谷歌Cloud AutoML專注于圖像識別領(lǐng)域不同，智鈾科技目前主要以結(jié)構(gòu)化數(shù)據(jù)為主，致力于為企業(yè)帶來全流程、自動化的建模和部署能力，開發(fā)了自動化機器學(xué)習(xí)產(chǎn)品“小智”幫助企業(yè)構(gòu)建人工智能核心，實現(xiàn)AI驅(qū)動。

智鈾科技CEO夏粉博士畢業(yè)于中科院自動化所，擁有超過15年機器學(xué)習(xí)領(lǐng)域的研究和應(yīng)用經(jīng)驗，曾在百度任資深科學(xué)家，負責(zé)百度超大規(guī)模機器學(xué)習(xí)團隊。（新智元此前曾獨家報道智鈾科技融資情況）

智鈾科技是少數(shù)幾個掌握AutoML的公司，有以下幾方面技術(shù)優(yōu)勢：

數(shù)據(jù)處理。獨創(chuàng)重要性采樣技術(shù)，選擇1% 樣本就能達到90%隨機樣本效果。

參數(shù)學(xué)習(xí)。獨創(chuàng)參數(shù)搜索算法，解決人工調(diào)參費時耗力的問題。

模型算法。

模型算法優(yōu)化：千層模型算法，LR收斂速度提升60%；FGBDT算法比XGBoost既快又好；

大規(guī)模神經(jīng)網(wǎng)絡(luò)：支持千億樣本、遷移特征數(shù)據(jù)量，模型從千層到深層靈活支持，可建立萬億鏈接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)DNN。

特征學(xué)習(xí)。獨創(chuàng)特征工程算法：組合特征挖掘效率提升上千倍，豐富的高階特征提取方式；支持從無標簽數(shù)據(jù)中提取有效特征。

此次智鈾發(fā)布的產(chǎn)品“小智”，可以自動構(gòu)建高精度模型，為用戶提供從數(shù)據(jù)預(yù)處理、特征工程、模型調(diào)參、模型評估、模型預(yù)測到結(jié)果分析等一站式服務(wù)。

除了以獨創(chuàng)的算法實現(xiàn)了自動建模，小智在產(chǎn)品的交互方面也貫徹著簡單易用的原則，直觀的web界面允許任何人和小智進行交互，不需要AI背景，用戶也可以一鍵完成建模，內(nèi)置的可視化效果，如ROC曲線圖和準確&召回曲線，能夠使用戶對自己的業(yè)務(wù)有更深刻的理解。據(jù)夏粉介紹：“在通用場景下，普通業(yè)務(wù)人員借助小智也能達到高級建模人員水平?！?/p>

據(jù)悉，小智將以產(chǎn)品的形式提供給行業(yè)，除了支持公有云、SAAS模式外，還提供私有化部署。