深蘭科技斬獲IEEE ISI冠軍，其Auto ML 技術加速企業AI升級新進程

機器學習的下一波浪潮！

AI領域最炙手可熱的技術之一！

國外的谷歌、Facebook、微軟，國內的深蘭科技、曠視科技、第四範式等領先的AI企業競相研發......

如果2019年你只關注人工智慧領域的一項技術，可能最應該是AutoML技術。

近日，國內AI企業在AutoML技術上傳來好消息。7月1日，IEEE ISI 2019國際大數據分析競賽結果出爐，深蘭科技DeepBlueAI團隊分別取得了一項冠軍和一項季軍的優異成績。

到底何謂AutoML技術？為什麼谷歌、Facebook、微軟都重金投入競相研發？為什麼它被譽為「AI領域最炙手可熱的技術」？為什麼說「中國企業AI轉型或迎來新進程？」

近日，來自中國上海的AI獨角獸——深蘭科技DeepBlueAI團隊，在IEEE ISI 2019國際大數據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，是安全信息學領域的旗艦會議。目前已從傳統的智能和安全領域發展到多領域聯合研究與創新。今年7月1日，第17屆IEEE ISI會議由深圳人工智慧與數據科學研究所主辦。

IEEE ISI會議發起了此次國際大數據分析競賽(IEEE ISI 2019年世界盃，IWC 2019)，並面向全球高校、研究機構、企業、政府開放。本次大賽總計參賽人數逾千人，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，以及來自清華大學、北京大學、浙江大學等知名高校的三百餘支隊伍參賽，參賽總人數逾千人。

今年IEEE ISI大賽分為：投資價值評估和法律訴訟類型預測兩個賽題。在企業投資價值評估賽題中，深蘭科技DeepBlueAI團隊憑藉自研的AutoML系統，以較大領先優勢獲得冠軍。

所謂AutoML全稱Automated Machine Learning，即自動機器學習，該技術是2014年以來，機器學習和深度學習領域最炙手可熱的領域之一。

AutoML技術之所以被廣泛關注，是因為它讓機器學習從「教學」變成了「自學」，大幅提升了機器學習的效率。

具體而言，傳統的機器學習，從攝取數據到預處理、優化，然後預測結果，每個步驟都需要由專業的AI人才來控制和執行。而在AutoML技術的加持下，人主要只關注兩個主要方面：數據採集/收集和預測。中間發生的所有其他步驟都可以讓機器輕鬆實現自動化，同時提供經過優化並準備好進行預測的模型。

AutoML技術普遍具備兩個特徵：

自動化：AutoML能高效通過自動執行的重複性任務來提高工作效率。這使得數據科學家能夠更多地關注問題而不是模型。比如深蘭科技自研的AutoML技術，除了能夠節省大量人力物力財力，並且還能更加快速和安全地搭建出一個優於大多數演算法工程師搭建的機器學習系統。在本次比賽中，AutoML系統可挖掘各業務欄位間的複雜關係，自動提取高階特徵，給企業價值評估提供了新穎的更加精準的解決方案。

泛用性：由於AutoML自動化以及高效的特徵，它一定程度上打破了AI技術與AI科學家的深度綁定關係，進而降低了AI技術的應用門檻——畢竟並非所有企業都有資源來聘請經驗豐富的AI人才團隊。這意味著，AutoML技術可廣泛用於那些AI人才不足的企業，這或許是傳統企業AI轉型的突破口！

值得注意的是，此次比賽的冠軍團隊深蘭科技擁有多年的機器學習經驗。此前在 PAKDD2019、CVPR 2019 等國際知名比賽中多次取得冠軍的優異成績。

為什麼說AutoML技術是「傳統企業AI轉型的突破口」呢？

眾所周知，汽車行業被譽為傳統製造業皇冠上的明珠。我們具體以汽車產業為例，近距離地洞察AutoML技術的賦能。

深蘭科技是最先將AutoML技術應用在智能駕駛以及整車製造領域的國內AI企業之一。今年6月，深蘭科技同其他5家企業正式收到路測牌照，成為首批獲得廣州市智能網聯汽車道路測試資格的企業，其中深蘭科技是唯一獲得大型客車路測資格的AI企業。其旗下的熊貓智能公交車也將在黃埔區、南沙區、花都區、白雲區等四個區域內路測行駛。

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

比如，在智能駕駛狀況下，車與車之間必將形成的「車際網」，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據實現的。

那麼，兩輛不同品牌、不同智能駕駛技術的車輛之間，甚至一輛有智能駕駛另一輛沒有，其間的數據傳輸就極有可能遭遇障礙，比如數據格式不一、維度不同、欄位不同。

以我們比較熟悉的EXCEL中的數據作為類比，同樣是「7月1日」這個時間數據，不同的統計表格顯示不同，可能是「7-1」可能是「07.01.2019」，也可能是「July 1st」。如果數據量巨大，那麼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據溝通能順利進行？AutoML技術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，不僅能挖掘各規格數據間的複雜關係，還有自動提取高階特徵，進行自動化的數據清洗。這意味著不同車輛之間的不同數據，可以被AutoML系統自動統一。

此外，深蘭科技自研的AutoML系統天生的自動化能力，也可以讓數據傳輸的過程、面對複雜場景的數據更加高效；其匿名性則可以保證車主位置數據不被泄露；其泛用性，則可讓該技術低門檻、大規模地賦能傳統車企。

事實上，谷歌早已將AutoML系統用於智能駕駛。今年1月，Alphabet（谷歌母公司）旗下的子公司、全球自動駕駛領頭羊——Waymo，就在成立十周年之際於官方博客重點深度剖析了AutoML技術如何助力智能駕駛。

Waymo稱，AutoML技術使其智能駕駛技術針對不同的場景快速優化，高效和連續地提供大量機器學習的解決方案，以將其智能駕駛技術應用到不同的城市和環境中。

可見，不論是國內的深蘭科技還是國外的谷歌，AutoML技術已成為智能駕駛領域最為關鍵技術之一。國內傳統車企甚至是造車新勢力若想「彎道超車」，必定離不開AutoML技術的賦能。

事實上，AutoML技術的賦能並不局限於汽車行業，它也是國內幾乎所有傳統行業和中小企業AI轉型的切入點之一。

傳統行業和中小企業的AI轉型，甚至AI整個行業的發展，主要受三個關鍵因素所桎梏：

第一，人才

第二，數據

第三，算力

而在企業紛紛擁抱數字化，雲計算可低價租用的今天，人才正成為最後也是最難的瓶頸。畢竟AI人才培養不可能像企業數字化轉型和公有雲普及那樣迅速，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很長時間。

今年4月，加拿大人工智慧孵化器公司Element AI發布的《2019年全球AI人才報告》顯示，在全球AI人才培養方面，有44%的AI人才的博士學位是在美國獲得的，在中國獲得的約11%；而在僱傭AI人才方面，46%的AI人才替美國的僱主工作，中國這個數據僅11%。

可見，國內AI人才總量相對匱乏。

更嚴峻的一個問題是，國內AI人才大多只在科技企業甚至BAT、TMD等大型科技企業間流動，對於傳統行業以及中小企業而言，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才能發揮才能，更是讓這種情況雪上加霜。

這意味著，一方面，至少未來數十年在AI產業化的轉型途中，傳統行業以及中小企業內部存在著一個巨大的市場。另一方面，通過AI創造全新產品和服務，推動傳統行業轉型升級，同時也已經成為國家倡導的推動供給側結構性改革、實現高質量發展的重要著力點，相關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賦能傳統行業以及中小企業，都將是大勢所趨。

根據國務院發布的新一代人工智慧發展規劃，到2030年，中國將實現人工智慧核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。

而能降低企業用戶、開發者以及研究人員使用門檻的AutoML技術，正是切入這一巨大蛋糕的利器。換言之，深蘭科技、曠視科技、第四範式等領先的AI企業，有機會利用AutoML技術為國內傳統行業以及中小企業賦能。

目前AutoML技術已經廣泛應用在精準營銷、金融風控、自動駕駛、疾病預測等業務場景中，做出了接近甚至超過數據科學家的模型效果，決策精準度超過人類專家數倍。

以深蘭科技為例，深蘭科技曾提出，將把AutoML技術作為開發工具，在公司搭建的世界級核心演算法平台上推出系統性的解決方案，賦能AI交通、AI醫療、AI工業、AI社區等領域。

據了解，深蘭科技的AI產品橫跨多個領域，使用場景複雜。AutoML技術可以在海量複雜數據基礎上，做到演算法的自我更新和自我適應，從而達到AI真正的智能化和個性化。

再如第四範式，目前其已發布AutoML平台可以幫助企業基於歷史的數據、業務的實時反饋做迭代，充分挖掘特徵做出更精準的決策。今年4月，曠視科技也首次披露了AutoML相關成果...

可以預見在不久的將來，圍繞AutoML技術，中外AI企業將展開新一輪技術爭霸。

來源：氫媒工廠

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！