前言：

深度學(xué)習(xí)問(wèn)世以來(lái)，隨著神經(jīng)網(wǎng)絡(luò)架構(gòu)趨于固定和成熟，轉(zhuǎn)而尋找改進(jìn)數(shù)據(jù)的方法，已經(jīng)成了AI 研發(fā)的新出口。

AutoAI自動(dòng)執(zhí)行高度復(fù)雜的任務(wù)，為數(shù)據(jù)尋找并優(yōu)化最好的機(jī)器學(xué)習(xí)模型、特征和模型超參數(shù)。

AutoAI在人工智能全生命周期中自動(dòng)建模

AutoAI是最先進(jìn)的自動(dòng)化機(jī)器學(xué)習(xí)產(chǎn)品可以有效地分析歷史數(shù)據(jù)，創(chuàng)建自定義機(jī)器學(xué)習(xí)管道并對(duì)其進(jìn)行排名。

它包括自動(dòng)化特征工程——可擴(kuò)展和增強(qiáng)數(shù)據(jù)的特征空間以優(yōu)化模型性能。

AutoAI可以在幾分鐘內(nèi)完成通常需要整個(gè)數(shù)據(jù)科學(xué)家團(tuán)隊(duì)數(shù)個(gè)小時(shí)到數(shù)天才能完成的工作。自動(dòng)化功能包括數(shù)據(jù)準(zhǔn)備、模型開(kāi)發(fā)、特征工程和超參數(shù)優(yōu)化。

整個(gè)建模過(guò)程端到端的自動(dòng)化可以顯著節(jié)省資源。AutoAI顯著提高了生產(chǎn)力，只需點(diǎn)擊幾下鼠標(biāo)，即使是只有基本數(shù)據(jù)科學(xué)技能的人，也可以使用自定義數(shù)據(jù)自動(dòng)選擇、訓(xùn)練并調(diào)優(yōu)高性能機(jī)器學(xué)習(xí)模型。

然而，專(zhuān)業(yè)的數(shù)據(jù)科學(xué)家可以快速迭代可能的模型和管道，并試驗(yàn)最新的模型、特征工程技術(shù)和公平算法，無(wú)需從頭開(kāi)始編寫(xiě)管道代碼就可以完成這一切。

數(shù)據(jù)科學(xué)家的新語(yǔ)義能力

數(shù)據(jù)科學(xué)家理解了數(shù)據(jù)的語(yǔ)義，就有可能利用領(lǐng)域知識(shí)來(lái)擴(kuò)展特征空間，從而提高模型準(zhǔn)確性，這種擴(kuò)展可以使用來(lái)自內(nèi)部或外部數(shù)據(jù)源的補(bǔ)充數(shù)據(jù)來(lái)完成。

AutoAI檢測(cè)到正確的語(yǔ)義概念，程序就會(huì)使用這些概念廣泛搜索現(xiàn)有代碼、數(shù)據(jù)和文獻(xiàn)中可能存在的相關(guān)特征和特征工程操作。

AutoAI可以使用這些新的、語(yǔ)義豐富的特征來(lái)提高生成模型的準(zhǔn)確性，并通過(guò)這些生成的特征提供可供人類(lèi)閱讀的解釋。

即使沒(méi)有評(píng)估這些語(yǔ)義概念或者新功能的專(zhuān)業(yè)知識(shí)，數(shù)據(jù)科學(xué)家們還是可以試用AutoAI。但是，想要理解發(fā)現(xiàn)的語(yǔ)義概念并與之交互的數(shù)據(jù)科學(xué)家可以使用Semantic Feature Discovery（語(yǔ)義特征發(fā)現(xiàn)）可視化資源管理器來(lái)探索發(fā)現(xiàn)的關(guān)系。

AutoAI 的三個(gè)階段

第一階段：模型設(shè)計(jì)、調(diào)參自動(dòng)化

當(dāng)前，很多學(xué)者都已經(jīng)注意到，學(xué)術(shù)界或者工業(yè)界的優(yōu)秀人才所聚焦的研發(fā)，花費(fèi)太多時(shí)間用于模型結(jié)構(gòu)設(shè)計(jì)以及調(diào)參，但實(shí)際上它本不應(yīng)該成為研究的主要內(nèi)容。有沒(méi)有一種自動(dòng)化的方法，讓深度學(xué)習(xí)的網(wǎng)絡(luò)架構(gòu)在面對(duì)一個(gè)問(wèn)題的時(shí)候，能自主的演化其架構(gòu)，這才是關(guān)鍵。

第二階段：簡(jiǎn)單模型訓(xùn)練的軟件化

第一階段的自動(dòng)化主要面向?qū)I(yè)的算法研究人員，第二階段的系統(tǒng)化則面向一般的 AI 從業(yè)人員。主要目標(biāo)是在給定標(biāo)注好的數(shù)據(jù)的情況下，通過(guò)可視化的操作界面實(shí)現(xiàn)模型的訓(xùn)練。

第三階段：數(shù)據(jù)迭代自動(dòng)化

在算法設(shè)計(jì)自動(dòng)化的基礎(chǔ)上，正在發(fā)生一些變化。模型和數(shù)據(jù)到底哪一個(gè)更重要 ,在設(shè)計(jì)化的工業(yè)生產(chǎn)中，以模型為中心的技術(shù)研發(fā)已經(jīng)轉(zhuǎn)化成以數(shù)據(jù)為中心的技術(shù)研發(fā)。

數(shù)據(jù)的迭代越來(lái)越重要

在工業(yè)化大規(guī)模發(fā)展中，大家正在慢慢地從模型為中心的生產(chǎn)轉(zhuǎn)化為以數(shù)據(jù)為中心。

可從兩個(gè)維度來(lái)提高它的性能，一是以模型為中心的方法，即想盡各種辦法提高模型設(shè)計(jì)的復(fù)雜度、技術(shù)含量等；

二是以數(shù)據(jù)為中心的方法，比如加數(shù)據(jù)（加數(shù)據(jù)也是有一些科學(xué)方法的，并不是加了數(shù)據(jù)后性能一定會(huì)提高）、檢查數(shù)據(jù)有沒(méi)有問(wèn)題等等。

會(huì)發(fā)現(xiàn)，以數(shù)據(jù)為中心的方法比以模型為中心的方法能更多地提高性能。

做模型生產(chǎn)時(shí)也得到這樣一個(gè)結(jié)論：越到后面，數(shù)據(jù)的迭代越來(lái)越重要。因?yàn)樗心Ｐ偷姆?wù)實(shí)際上是針對(duì)某一個(gè)特定場(chǎng)景，使用的是特定的數(shù)據(jù)。

結(jié)尾：AutoAI未來(lái)適配率極高

如今，有自動(dòng)化 AI 模型生產(chǎn)平臺(tái)需求的，已經(jīng)不僅僅是谷歌、微軟、Meta、IBM、蘋(píng)果等大公司了，我們國(guó)內(nèi)就有不少房地產(chǎn)公司開(kāi)始投入 AI。他們都有人才的需求，自動(dòng)化的 AI 可以降低他們的成本。地產(chǎn)公司、物業(yè)公司，以及像寧德時(shí)代這樣做電池的公司，都在慢慢引入AI來(lái)解決實(shí)際問(wèn)題。

AI是一個(gè)非?；A(chǔ)的能力，可以提高我們做事情的效率，AI并不改變行業(yè)，但是可以提升所在行業(yè)的生產(chǎn)效率，所以這種影響是全方位的，已經(jīng)慢慢地波及到非技術(shù)類(lèi)公司了。

更不用說(shuō)現(xiàn)在廣泛的制造業(yè)，制造過(guò)程中的很多環(huán)節(jié)都可以利用到AI的能力。如果想提高自己的國(guó)際競(jìng)爭(zhēng)力，提升自己的生產(chǎn)質(zhì)量，就需要AI的能力去賦能生產(chǎn)。

審核編輯 ：李倩