论文登上人工智能顶刊IEEE TPAMI,“深度赋智”致力于提供全自动AI中台SaaS服务|钛快讯

通过创新性地提出了一种新型的全自动机器学习框架,首次打破了现有自动机器学习中各搜索空间的独立设计,并使用数据集知识锚点加进化算法来加速搜索,解决了在超大空间搜索最优方案的设计难题。

钛媒体4月22日消息,近日,全自动AI中台提供商“深度赋智”与厦门大学纪荣嵘教授联合团队的研究成果“Evolving Fully Automated Machine Learning via Life-Long Knowledge Anchors”(基于知识锚点进化的全自动机器学习)被IEEE TPAMI录用。

本论文通过创新性地提出了一种新型的全自动机器学习框架,首次打破了现有自动机器学习中各搜索空间的独立设计,并使用数据集知识锚点加进化算法来加速搜索,解决了在超大空间搜索最优方案的设计难题。

据悉,“深度赋智”成立于2019年,致力于MetaAI技术(以AI制作AI)的算法研究及商业场景落地。公司创始人兼CEO吴承霖毕业于厦门大学计算机系,创立深度赋智之前,吴承霖是笨鸟社交(B+轮)首席科学家,AI Lab负责人,并曾获2018年福布斯30位30岁以下精英等荣誉。

成立一年来,深度赋智已经完成了SaaS平台中多个核心模块的开发,为零售/鞋服、工业制造、交易平台、金融等行业的B端客户提供全自动AI中台SaaS服务,旨在降低AI应用落地的人力成本。去年10月,深度赋智宣布完成由梅花创投投资的数千万元天使轮融资。

简单来说,深度学习让机器可以从大量的数据中学习经验并加以应用,已经在图像分类,序列标注等多个任务上取得了惊人的成果。但是,这一过程需要大量的人工干预,比如特征提取,模型选择,参数调节等,既费时又费力。

而本论文作者通过创新性地提出了一种新型的全自动机器学习框架, 引入自动化模型,让机器自己“学习如何学习”,即AI复制AI。

根据论文叙述,该框架中的知识锚点使用了全新的元特征和概率抽样方法,极大减少了人工,缓解了搜索过程中的过拟合。该框架实现了全流程自动化,极大降低了机器学习应用门槛,用户只需根据提示进行“傻瓜式”操作即刻,大大减少了用户学习成本。同时,从实验结果可以发现,该框架在图像/音频/视频/文本/表格五种模态的典型数据集上的效果都远超当前最优结果(SOTA)方案。

深度赋智方面表示,目前该公司已将这一成果应用于其自研的天机自动机器学习平台,并为零售/ 鞋服、工业、交易平台、金融等行业的多个头部客户提供了相应服务。客户数据表明,这一平台的整套解决方案可大幅提高决策、推荐、搜索等任务的效果,并提升40%~60%的商业指标,为客户实现超过60%的人力成本节约和显著的净利率提升。

2020年4月,该公司利用新型的全自动机器学习框架,获得了国际自动机器学习领域的顶级赛事NeurIPS-AutoDL系列竞赛总决赛世界冠军,在图像/音频/视频/文本/表格不同场景的十个数据集上稳定获得八项第一和均分第一,证明了这一框架在不同场景的普适性。

在人才方面,深度赋智团队来自于985/211院校,以及包括Stanford、CMU、Oxford、IC、UCL、清华、北大、厦大等院校的一流人才,并汇聚了来自腾讯、Google、百度、华为等公司的资深研究员、架构师,拥有十亿级用户、千亿级数据的AI落地经验。

吴承霖方面表示,在未来一段时间,深度赋智将会充分发挥自己丰富的算法资源、深度的技术合作支持、不断完善的生态资源等优势,不断完善MetaAI技术,持续建设全自动机器学习平台,与更多开发者、服务商一起面向终端客户推出更多的AI解决方案。

(本文首发钛媒体App,作者|林志佳)

转载请注明出处、作者和本文链接
声明:文章内容仅供参考、交流、学习、不构成投资建议。
想和千万钛媒体用户分享你的新奇观点和发现,点击这里投稿 。创业或融资寻求报道,点击这里

敬原创,有钛度,得赞赏

赞赏支持
发表评论
0 / 300

根据《网络安全法》实名制要求,请绑定手机号后发表评论

登录后输入评论内容
130
26001

扫描下载App