本文来自钛媒体专栏「800字，读懂一家 AI 公司」

[每篇 3 分钟，钛媒体带你读懂人工智能］

在 AI 领域，“机器学习”是较难理解的概念之一。

在谈论机器学习之前，我们有必要以具象的方式解释下算法，为了方便理解，北京邮电大学信息学博士、前百度技术管理部首席专家李敏就以数学公式的形态给钛媒体举例：

当我们为机器学习设定一个目标：比如让互联网广告被点击的频率增加，算法科学家就会基于经验与实践形成一个初步的算法模型，假设为：

F(x)=a+bx+cx²+dx³+……

这个公式就可以被视作极简的一种算法。其中，F(x) 就是互联网广告被点击的概率，x 是我们常说的用户画像和搜索关键词，诸如年龄、性别、喜好等维度都会以数值的形式被代入公式，而 a、b、c、d……就是所谓的参数。科学家们整日实验操作的，就是想方设法通过参数的调整，让F(x)的数值达到理想化的状态。

当然，在真实的机器学习场景中，算法的形态要比上述“公式”复杂数倍，调参的标准也需基于不同业务的特性。而在算法的性能得到提升并趋于稳定后，机器就能利用这套打磨好的算法，实现自动化的评估和判断，这就形成一个“全自动机器学习平台”。

这也是李敏正在做的事情。

2017年6月，李敏与前百度资深科学家夏粉等人成立“智铀科技”。夏粉是百度大规模机器学习平台 Pulsar 创立者，在百度的各业务线中，Pulsar 被广泛应用，举个例子：百度的搜索结果成千上万，而机器学习就能对用户画像、广告标签进行算法处理，让搜索结果既满足用户需求，也能具备潜在的营销机会。

机器学习在互联网广告场景下的应用

为了将 Pulsar 这样的机器学习平台扩展至更多领域，“智铀科技”推出了更为通用的 “Ebrain”平台，用机器来取代人工的模型调参，实现自动建模，而在产品商用落地的过程中，降低 Ebrain 的使用门槛是智铀开发产品的首要目标。

凭着此前在百度的积累，智铀在算法调参、建模等方面较为擅长，包括怎么梳理客户的数据特征；怎么提炼用户画像和业务维度；如何调整参数让 F(x) 的效果更好，智铀可以将这些需要算法科学家完成的工作打包成一个 PC 端的产品，工程师只要将已有的数据导入“Ebrain”系统，就可实现机器的自主学习与判断。

“比如信用卡盗刷事件的响应与预防。信用卡公司将之前出现盗刷案例的时间、频次、盗刷 pos 机类别等规律性特征给我，就能通过 Ebrain 进行学习后对之后的盗刷情况进行识别和预警。”李敏用金融行业的产品落地为钛媒体举例。

目前，智铀科技已与部分基因、金融行业客户进行合作试点，并计划在6 月上旬正式推出商用产品，2018年初智铀曾获由洪泰基金领投的 Pre-A轮融资，投后估值达4亿元。（本文首发钛媒体，作者/苏建勋）