PRICAI開幕 第四范式發(fā)起AutoML議題

8月28日，第15屆環(huán)太平洋國際人工智能會議(The Pacific Rim International Conference on Artificial Intelligence，簡稱PRICAI)在南京召開。作為亞太地區(qū)重要的AI綜合性學術(shù)會議，PRICAI每兩年舉辦一次，與會者們圍繞人工智能理論、前沿技術(shù)及其在應用在環(huán)太平洋國家經(jīng)濟重要性等議題進行深入探討。今天，最為引人關(guān)注的就是由“AI技術(shù)領導者”第四范式發(fā)起，計算機軟件新技術(shù)國家重點實驗室LAMDA(Learning And Mining from DatA)、ChaLearn、北京大學、INAOE共同組織的AutoML Workshop。

據(jù)悉，第四范式資深機器學習架構(gòu)師涂威威作為本次的Workshop的聯(lián)合主席，邀請了INAOE研究員Hugo Jair Escalante、埃因霍溫科技大學教授Joaquin Vanschore、懷俄明大學教授Lars Kotthoff、波爾圖大學Pavel Brazdil、南京大學俞揚教授、南京大學李宇峰教授等多位權(quán)威學者，針對AutoML領域的前沿趨勢及技術(shù)進行了分享。

近年來，機器學習雖然已在推薦系統(tǒng)、在線廣告、金融市場分析等諸多領域取得了很多成功，但在這些成功的應用中，人類專家參與了機器學習的所有階段，包括：定義問題、收集數(shù)據(jù)、特征工程、調(diào)整模型超參數(shù)，模型評估等。然而，這些任務的復雜性往往超出了非機器學習專家的能力范圍。機器學習技術(shù)使用門檻高、專家成本高昂等問題成為了制約AI普及的關(guān)鍵因素。因此，自動化機器學習技術(shù)AutoML應運而生，該技術(shù)讓沒有機器學習背景的人同樣可以輕松使用。

第四范式從很早便開始關(guān)注并深耕AutoML領域，通過從解決客戶業(yè)務核心增長的角度出發(fā)，構(gòu)建了反欺詐、個性化推薦等業(yè)務場景下的AutoML，并將其賦能給企業(yè)的普通開發(fā)人員，取得了接近甚至超過數(shù)據(jù)科學家的業(yè)務效果。目前，已經(jīng)研發(fā)了自動特征組合(FeatureGo)、自動時序特征(TemporalGo)、自動深度稀疏網(wǎng)絡DSN(Deep Sparse Network)等AutoML支撐技術(shù)。其中，F(xiàn)eatureGo算法，實現(xiàn)了機器自動組合特征的功能，有效解決了人為添加組合特征門檻高、耗時長等問題。FeatureGo也增加了模型的可解釋性，提升易用性，進一步降低了機器學習的應用門檻。

與專注于圖像、語音、翻譯、視頻、NLP等領域的Google AutoML相比，第四范式的AutoML除了支持語音、圖像、NLP等領域的應用外，更為注重通過AutoML技術(shù)，使機器具備商業(yè)智能決策的能力。與此同時，第四范式還通過在NIPS、PAKDD等頂級學術(shù)會議舉辦AutoML數(shù)據(jù)挖掘大賽的方式，吸引更多的研究人員和業(yè)界同行關(guān)注AutoML這一重要的研究方向，降低機器學習過程對于AI專家的依賴，解決因人才緊缺造成的AI應用高門檻。而比賽關(guān)注的焦點也從“人肉找到最優(yōu)參數(shù)”轉(zhuǎn)移到“設計出最佳自動機器學習程序”。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。