香港惠泽社马会资料
从谷歌AutoML到百度EasyDL,AI大生产时代,调参师不再是刚需_科
发布日期:2020-11-10 02:33   来源:未知   阅读:

原标题:从谷歌AutoML到百度EasyDL,AI大生产时代,调参师不再是刚需

头图 | 付费下载于视觉中国

2018 年,Google Cloud 宣布将 AutoML 作为机器学习产品的一部分。至此,AutoML 开始进入大众的视野。

实际上,2013 年AutoWEKA的发布可以算作AutoML的开端;2014 年,ICML开始组织AutoML研讨会,AutoML成为学术界的研究热点之一;2018 年,Google 将AutoML产品化,产业界开始全面关注。

到底什么是AutoML?AutoML能解决什么问题?

其实,AutoML理念就是用 AI 设计 AI,将特征提取、模型选择、参数调节等需要人工干预的环节进行自动化,使得机器学习模型无需人工干预即可被应用。

Google CEO Sundar Pichai 曾表示:Google 希望简化设计机器学习模型的神经网络,从而降低 AI 的门槛。设计神经网络是极其耗费时间的,其对专业知识的极高要求将适用人群缩小到了科研人员和工程师,504王中王开奖结果。这就是Google创造 AutoML 的原因,AutoML 表明,利用神经网络设计神经网络也是可行的。Google希望 AutoML 能拥有现在一些博士所具备的能力,并在 3~5 年内使众多开发者也能通过 AutoML 设计神经网络,满足其特定的需求。

由于AI 人才的极度稀缺,AutoML 诞生的初衷是为了降低 AI 开发者的门槛,帮助各行各业都能使用AI 的能力,让更多的 AI 应用落地。但 AutoML 只是针对 AI 落地中的特定环节,并不能真正解决 AI 落地的实际问题。

根据百度与波士顿咨询公司的联合调研报告,约86% 的市场需求需要定制开发业务场景下的AI模型。定制模型过程中,企业用户和开发者往往会面临缺少模型训练经验、数据采集和标注成本较高、模型适配与部署流程较为繁琐、模型优化迭代周期长等核心难点,从而会造成整个项目的成本高、周期长、且在前期对项目效果无法准确预期。