咨询热线:033-61672790

深兰科技斩获IEEEISI冠军,其AutoML技术加速企业AI升级新进程‘168体育’

机器学习的下一波浪潮!AI领域最炙手可热的技术之一!国外的谷歌、Facebook、微软公司,国内的深兰科技、旷视科技、第四范式等领先的AI企业竞相研发......如果2019年你只注目人工智能领域的一项技术,有可能最应当是AutoML技术。近日,国内AI企业在AutoML技术上传到好消息。7月1日,IEEE ISI 2019国际大数据分析竞赛结果揭晓,深兰科技DeepBlueAI团队分别获得了一项冠军和一项季军的优异成绩。究竟何谓AutoML技术?为什么谷歌、Facebook、微软公司都重金投放竞相研发?为什么它被誉为“AI领域最炙手可热的技术”?为什么说道“中国企业AI转型或步入新的进程?”1、力克英美德等七国“劲敌”中国自研AutoML技术进帐IEEE ISI冠军近日,来自中国上海的AI独角兽——深兰科技DeepBlueAI团队,在IEEE ISI 2019国际大数据分析竞赛上分别获得了一项冠军和一项季军。享有16年历史的IEEE年度国际会议,是安全性信息学领域的旗舰会议。目前已从传统的智能和安全性领域发展到多领域牵头研究与创意。今年7月1日,第17届IEEE ISI会议由深圳人工智能与数据科学研究所主办。IEEE ISI会议发动了此次国际大数据分析竞赛(IEEE ISI 2019年世界杯,IWC 2019),并面向全球高校、研究机构、企业、政府对外开放。本次大赛总计参赛人数逾千人,三百多支参赛队伍分别来自中国、美国、巴基斯坦、英国、德国等7个国家。来自华为、京东、滴滴等知名企业,以及来自清华大学、北京大学、浙江大学等著名高校的三百余支队伍参赛,参赛总人数逾千人。今年IEEE ISI大赛分成:投资价值评估和法律诉讼类型预测两个赛题。在企业投资价值评估赛题中,深兰科技DeepBlueAI团队凭借自研的AutoML系统,以较小领先优势取得冠军。所谓AutoML全称Automated Machine Learning,即自动机器学习,该技术是2014年以来,机器学习和深度自学领域最炙手可热的领域之一。AutoML技术之所以被普遍注目,是因为它让机器学习从“教学”变为了“自学”,大幅度提高了机器学习的效率。明确而言,传统的机器学习,从摄入数据到预处理、优化,然后预测结果,每个步骤都必须由专业的AI人才来掌控和继续执行。而在AutoML技术的护持下,人主要只注目两个主要方面:数据采集/搜集和预测。中间再次发生的所有其他步骤都可以让机器精彩构建自动化,同时获取经过优化并准备好展开预测的模型。AutoML技术广泛不具备两个特征:自动化:AutoML能高效通过自动继续执行的重复性任务来提升工作效率。这使得数据科学家需要更好地注目问题而不是模型。

深兰科技斩获IEEEISI冠军,其AutoML技术加速企业AI升级新进程

比如深兰科技自研的AutoML技术,除了需要节省大量人力物力财力,并且还能更为较慢和安全性地搭起出有一个高于大多数168体育算法工程师搭起的机器学习系统。在本次比赛中,AutoML系统可挖出各业务字段间的简单关系,自动萃取高阶特征,给企业价值评估获取了精致的更为精准的解决方案。高性能性:由于AutoML自动化以及高效的特征,它一定程度上超越了AI技术与AI科学家的深度初始化关系,进而减少了AI技术的应用于门槛——却是并非所有企业都有资源来聘用经验丰富的AI人才团队。这意味著,AutoML技术可普遍用作那些AI人才严重不足的企业,这也许是传统企业AI转型的突破口!值得注意的是,此次比赛的冠军团队深兰科技享有多年的机器学习经验。此前在 PAKDD2019、CVPR 2019 等国际著名比赛中多次获得冠军的优异成绩。2、美国的谷歌,中国的深兰科技AutoML沦为智能驾驶“急弯转弯”的关键为什么说道AutoML技术是“传统企业AI转型的突破口”呢?众所周知,汽车行业被誉为传统制造业皇冠上的明珠。我们明确以汽车产业为事例,近距离地洞察AutoML技术的赋能。深兰科技是年所将AutoML技术应用于在智能驾驶以及整车生产领域的国内AI企业之一。今年6月,深兰科技同其他5家企业月接到路测牌照,沦为首批取得广州市智能网联成汽车道路测试资格的企业,其中深兰科技是唯一取得大型客车路测资格的AI企业。其旗下的熊猫智能公交车也将在黄埔区、南沙区、花都区、白云区等四个区域内路测行经。深兰科技自问世就自带AI基因,但是中国汽车行业中的主要玩家们——传统车企,要想要入局智能驾驶领域必然面对着诸多挑战。

深兰科技斩获IEEEISI冠军,其AutoML技术加速企业AI升级新进程

比如,在智能驾驶状况下,车与车之间终将构成的“车际网”,即汽车之间的“互相交流”,以互相告诉车距、车流、事故、路况等。而这种交流必然是通过数据构建的。那么,两辆有所不同品牌、有所不同智能驾驶技术的车辆之间,甚至一辆有智能驾驶另一辆没,其间的数据传输就近于有可能遭遇障碍,比如数据格式不一、维度有所不同、字段有所不同。以我们较为熟知的EXCEL中的数据作为转换,某种程度是“7月1日”这个时间数据,有所不同的统计资料表格表明有所不同,有可能是“7-1”有可能是“07.01.2019”,也有可能是“July 1st”。如果数据量极大,那么根本无法通过人眼来一一辨识、矫正。EXCEL尚且如此,别提AI了。如何确保车与车之间的数据交流能顺利进行?AutoML技术就能很好解决问题这种问题。前文提及的深兰科技自研的AutoML系统,不仅能挖出各规格数据间的简单关系,还有自动萃取高阶特征,展开自动化的数据清除。这意味著有所不同车辆之间的有所不同数据,可以被AutoML系统自动统一。此外,深兰科技自研的AutoML系统天生的自动化能力,也可以让数据传输的过程、面临简单场景的数据更为高效;其匿名性则可以确保车主方位数据不被泄漏;其高性能性,则可让该技术较低门槛、大规模地赋能传统车企。事实上,谷歌早就将AutoML系统用作智能驾驶。今年1月,Alphabet(谷歌母公司)旗下的子公司、全球自动驾驶领头羊——Waymo,就在正式成立十周年之际于官方博客重点深度剖析了AutoML技术如何助力智能驾驶。Waymo称之为,AutoML技术使其智能驾驶技术针对有所不同的场景较慢优化,高效和倒数地获取大量机器学习的解决方案,以将其智能驾驶技术应用于到有所不同的城市和环境中。可见,不论是国内的深兰科技还是国外的谷歌,AutoML技术已沦为智能驾驶领域尤为关键技术之一。国内传统车企甚至是造车新势力若想“急弯转弯”,必然必不可少AutoML技术的赋能。3、企业AI转型遭遇人才瓶颈AutoML或是紧贴万亿蛋糕的利器事实上,AutoML技术的赋能并不局限于汽车行业,它也是国内完全所有传统行业和中小企业AI转型的切入点之一。传统行业和中小企业的AI转型,甚至AI整个行业的发展,主要不受三个关键因素所桎梏:第一,人才第二,数据第三,算力而在企业争相亲吻数字化,云计算可低价租给的今天,人才于是以沦为最后也是最好的瓶颈。却是AI人才培养不有可能像企业数字化转型和公有云普及那样很快,受到教育资源等种种原因的容许,AI人才的稀缺性必然将持续很长时间。今年4月,加拿大人工智能孵化器公司Element AI公布的《2019年全球AI人才报告》表明,在全球AI人才培养方面,有44%的AI人才的博士学位是在美国取得的,在中国取得的大约11%;而在雇用AI人才方面,46%的AI人才替美国的雇员工作,中国这个数据仅有11%。可见,国内AI人才总量比较短缺。更加不利的一个问题是,国内AI人才大多只在科技企业甚至BAT、TMD等大型科技企业间流动,对于传统行业以及中小企业而言168体育,AI人才成本是一个无法迈过的努,而AI人才经常必须团队登陆作战才能充分发挥才能,堪称让这种情况雪上加霜。这意味著,一方面,最少未来数十年在AI产业化的转型途中,传统行业以及中小企业内部不存在着一个极大的市场。另一方面,通过AI建构全新产品和服务,推展传统行业转型升级,同时也早已沦为国家提倡的推展供给外侧结构性改革、构建高质量发展的最重要着力点,涉及的政策早就层出不穷。所以,不论是市场竞争还是国家政策,AI赋能传统行业以及中小企业,都将是大势所趋。

深兰科技斩获IEEEISI冠军,其AutoML技术加速企业AI升级新进程

根据国务院公布的新一代人工智能发展规划,到2030年,中国将构建人工智能核心产业规模多达1万亿元,造就涉及产业规模多达10万亿元。而能减少企业用户、开发者以及研究人员用于门槛的AutoML技术,正是紧贴这一极大蛋糕的利器。换言之,深兰科技、旷视科技、第四范式等领先的AI企业,有机会利用AutoML技术为国内传统行业以及中小企业赋能。目前AutoML技术早已广泛应用在精准营销、金融风触、自动驾驶、疾病预测等业务场景中,作出了相似甚至多达数据科学家的模型效果,决策精准度多达人类专家数倍。以深兰科技为事例,深兰科技曾明确提出,将把AutoML技术作为开发工具,在公司搭起的世界级核心算法平台上发售系统性的解决方案,赋能AI交通、AI医疗、AI工业、AI社区等领域。据理解,深兰科技的AI产品跨越多个领域,用于场景简单。AutoML技术可以在海量简单数据基础上,做算法的自我改版和自我适应环境,从而超过AI确实的智能化和个性化。再行如第四范式,目前其已公布AutoML平台可以协助企业基于历史的数据、业务的动态对系统做到递归,充份挖出特征作出更加精准的决策。今年4月,旷视科技也首次透露了AutoML涉及成果...可以意识到在旋即的将来,环绕AutoML技术,中外AI企业将进行新一轮技术星海。来源:氢媒工厂版权文章,予以许可禁令刊登。下文闻刊登须知。