随着人工智能的AI民主化人工智能工程应运而生

优品抢赚(Make money buy)致力于解决全球青年就业、小商户生存、跨国供应链的困境,有效的链接卖家与买家。通过5G新零售跨境拼抢模式,实现用户、商家、消费者三方受益,打造新时代的共赢电商。

今天,当我们谈论人工智能时,我们很少提到诸如围棋和游戏之类的“碾压人类”的突发新闻。我们关注人工智能如何与各个行业相结合,创造真正的产业价值和经济效益。

最近,国际咨询公司高德纳“人工智能工程”被列为2021年九大技术趋势之一。这是自去年“AI民主化”被列入名单以来,Gartner首次预测AI技术。《AI民主化》首席分析师、高德纳高级研究总监陆俊宽认为,这两种趋势的核心是让人工智能进入这个行业。

从案例式单点工程到上千个行业的规模化应用,人工智能有两层含义:一是人工智能通过大规模生产降低工业使用门槛,使技术成本可以接受,即“AI民主化”;二是人工智能与特定的工业场景相结合,实现可靠、可见、可信的良性效益,即“人工智能工程”。

对于大多数人和企业来说,实现“未来有公司是AI公司”的愿景并不容易。从“技术概念”到产业落地,有一个广阔而开放的未知领域。今天,我们希望人工智能能像“水电煤”一样推动第四次工业革命。它将真正造福于企业,使所有行业都能以人工智能为核心,它还有很长的路要走。

自2018年初,谷歌发布云automl,成为微软、Facebook、AWS、bat等巨头关注的焦点。Gartner automl被认为是人工智能产业化进程中不可或缺的关键元素。为什么automl成为巨人的“新宠”?它在推动“AI民主化”和“人工智能工程”方面发挥了什么作用?

如今,人工智能给各行各业带来了效率提升和价值增长,让每个人都能看到人工智能的价值和潜力。随着人工智能技术的发展,人工智能正迅速进入产业化阶段。人才匮乏、实施复杂、周期长、成果高导致人工智能难产的局面。如果你想让人工智能真正释放它的价值,你可以从煤炭的发展中看到线世纪,随着煤炭能源的开采,英国迅速创造了一个惊人的工业社会,成为世界霸权。除了大储煤,关键是实现煤炭产业化。

1.提高应用效率:蒸汽机等高效工具的发明和推广,使煤炭的高效、大规模应用成为可能。

2.完善的基础设施:铁路、运河等的建设,使煤炭从矿区运到更具商业价值的产业带。

3.打造产业带:在技术半径内,将人才、工具、市场紧密结合,形成产业带,实现高效生产。

正是这些铺陈,才让煤得以真正成为工业革命中“动力和文明”(艾默生语)的象征。

如今,人工智能有机会像煤炭一样给人类社会带来翻天覆地的变化,这使得人工智能满足全社会大规模应用的能力显得尤为重要。在这个过程中,“蒸汽机”、“铁轨”和产业带是不可或缺的。

在瓦特改造蒸汽机之前,英国煤矿普遍采用新来的蒸汽机,这就需要大量的煤来维持运转,使矿工不得不在恶劣的环境中工作。改造后,新蒸汽能效提高4倍,使煤炭进入高效利用时代,解除体力劳动者的劳累。

automl的值与蒸汽机的值相同。在最新发布的白皮书《AI for Everyone——AutoML 引领AI民主化之路》中,Gartner将其视为降低门槛、提高效率的利器。简而言之,automl(automaticmachinelearning)是一种允许企业在不编写代码的情况下训练企业级机器学习模型的技术。根据指令,我们需要将训练数据拖拽到automl系统中,以训练出适合自己应用的机器学习模型。

它不考虑人工智能复杂的求解原理,使得机器学习中的数据清洗、特征工程等耗时费力的任务变得容易,对于渴望大规模高效应用人工智能的企业来说,这意味着无需从源头设计神经网络,这是一种复杂的参数调整,大大减少了机器学习编程的工作量,节省了人工智能的开发时间;这意味着对专业数据科学家的依赖而算法工程师减少,缓解了与科技巨头“抢人才”的烦恼。

在自动驾驶仪、金融风险控制、工业制造等领域,用automl建立的模型比大多数算法工程师的模型更有效。

于是,我们看到了越多越多的企业和开发者加入到了AI产业化的行列中,以百度为例,其EasyDL已拥有70多万开发者,覆盖了20多个场景。更为欣喜的是,我们看到了没有一点AI甚至是编程背景的人将AI物尽其用:妇产医院的医生基于AI独角兽第四范式的AutoML技术及产品,建立了新生儿体重预测和胎膜早破的预测模型,为产妇生产方案的制定提供更多依据,这在学术界首次证明了大气压与胎膜早破之间的紧密相关性,填补了这一领域的空白。

这些案例意味着人工智能开始进入低门槛、低成本、普适化的工业生产阶段,并能够迅速落地企业,释放技术价值。

根据Gartner的预测,2023年,40%的开发团队将使用自动机器学习服务来构建模型,为其应用程序添加AI功能,2019年,这一比例将不到2%。到2025年,人工智能将使50%的数据科学家活动实现自动化,缓解人才严重短缺的局面。

这就是为什么Gartner认为automl是领导人工智能民主化和实现“人人都有人工智能”的关键力量。

Automl提高了人工智能的效率。智能如何到达工业端是一个大问题。它吸引了巨头和初创企业竞相布局。它们的存在就像铁路和运河,源源不断的技术能量被输送到工业土壤中。

1.以谷歌、微软、亚马逊、百度等为代表的头部AI巨头,具有较强的AI实力,可以提供从算法到流程全自动化的工具支持。

2.是一些开源技术平台或组织。优势是灵活、开放,比如在谷歌发布AutoML之前,2013年就出现了可以自动选择模型并选择超参数的AutoWEKA。

3.是一些技术/算法公司,除了AutoML工具之外,还会面向企业提供数据策略、业务咨询等服务。

它是平台和工具,Google推出的Google云automl涵盖了图像分类、文本分类和机器翻译,用户需要上传图像到automl视觉训练和部署计算机视觉模型。

今年,我们将演示自动创建计算机视觉系统nasnet的能力,以帮助开发自主智能机器人。微软几乎与谷歌同时发布了自己的automl平台,涵盖图像、视频、文本和语音。百度旗下的easydl是中国领先的公司,负责图像分类、目标检测、图像分割、文本分类、视频分类、声音分类等任务。sage hypercycle——ml是一个自动机器学习平台,它代表了制造商的第四种范式,为金融、零售、医疗、制造、能源等行业提供了多种封装的automl算法和全过程开发工具。

二是服务和定制。近两年来,定制服务在automl领域越来越受到重视。与今年1月相比,微软构建了一个自动化平台微软定制视觉服务的视觉能力。谷歌与业界合作,利用谷歌云的automl视觉技术,打造出能够理解古埃及文字的工具Fabricius,从而达到普及人工智能的效果。以我国为例,第四范式提出“automl全栈算法”,帮助企业从感知、认知和决策三个关键维度提高关键场景的决策水平,为不同行业、不同技术能力的企业提供有针对性的服务。

Automl平台和工具降低了人工智能的应用门槛,加速了人工智能的民主化进程。服务导向的出现使人们看到了人工智能工程的发展趋势。这一变化背后的原因很简单。回到第一次工业革命,我们会发现,基础设施的铺设往往需要因地制宜,巨大的工程运河和铁路延伸到东海岸。人工智能登陆产业不是一个平台工具集。一方面,众多巨头云厂商纷纷推出automl平台,希望企业用户能与自己的发展生态绑定。例如,谷歌要求相关模型和网络必须部署在谷歌云上,这是对不能无意中使用谷歌云的用户的限制。

人工智能的应用是一个不断变化的复杂工程。要让没有机器学习经验的个人和企业借助automl使用人工智能,需要深度适应工业应用场景,解决数据采集、数据清洗、突破数据孤岛等障碍,让人工智能在业务端运行。这些都需要了解行业的业务和算法人员进行探索、磨合,建立符合行业需要的技术管道。一个充分考虑不同工业区客观环境和具体需求的“交通网络”,可以把人工智能推向工业。

每个制造商所期望的自动化和智能是不同的。企业在选择automl平台时,需要考察其服务能力和背景。

卢俊宽认为,对于企业来说,如何帮助企业提升商业价值是关键。每一个企业,就像一个互联网巨头,都能将人工智能与商业紧密结合。它需要人工智能厂商具备强大的服务能力来支持企业客户实现人工智能的价值。对于人工智能企业来说,要想服务好企业,对产业服务的重视程度将直接决定其技术投入的程度,产业急需的能力需要快速迭代。同时,要深入了解客户的业务场景,帮助客户提高关键业务指标和业绩。有的企业适合云计算,有的适合产品服务,人工智能规模化应用后如何解决计算成本上升的问题,是否需要自建人工智能系统等等。这些需要在不同的选择之间找到平衡。

Gartner的AutoML白皮书也指出,顶尖的AutoML算法相当于AI应用构建的“引擎”。而AI应用的开发是一项非常复杂的精细化工程,涉及诸多环节。假如没有一套完整的AI开发工具,各个环节就会变成彼此割裂、互不兼容的“孤岛”,不仅导致科学家在开发过程中疲于奔命,也会让AI规模化变成“泡影”。只有打造基于AutoML算法“引擎”的“自动化工厂”,实现全面产品化,才能真正推动AI产业化落地。

擅长个人C终端市场的谷歌,在automl方面的投入和研发频率远低于其他子业务(如deepmind),非常重视极客和工程师思维;在推广easydl时,百度等国内企业非常重视帮助开发者和企业,打造服务系统,支持初中生、中年个体经营户、电网企业等零门槛人工智能;第四,公司是中国领先企业,战略范式较为细化。针对不同技术成熟度的企业,提供不同的应用人工智能产品和方法,使人工智能产品易于使用和实施。比如,面对想要快速验证AI效果、快速落地的客户,可以选择sage超循环Ml,金融企业用这种方式让没有AI模型构建经验的金融企业在几个小时内完成建模工作;对于体量大、场景多的客户,第四种范式可以使用prophet等平台产品,让客户独立、大规模、低门槛地实现人工智能应用,同时嵌入相应的人工智能服务支持系统。

“AI民主化”就是让很多人了解和感受人工智能和automl能做什么。然后“人工智能工程”要求人工智能大规模实施,从而带来系统化的商业价值。

第四范式副总裁兼首席科学家涂威威告诉我们,企业在使用automl时,有三个考虑因素:业务效益和效果、成本费用和解决问题的范围。这三方面的考虑满足了企业端的需求,使得automl能够有效地帮助AI加速标准化应用的进程。

比如算法需要提高效果,把实际的增长点带到业务上,这样模型就可以快速识别出各种真实复杂的情况,而不是停留在实验室阶段;

很多企业都会面临一个问题,就是线下效果很好,上线后效果大打折扣部署在真实环境中。这就需要关注线上线下数据的一致性问题,并做出相应的优化;

在成本方面,人工智能如何与现有业务相结合,如何部署到环境中,以及如何解决计算资源的问题都需要考虑。Automl在帮助人工智能大规模实现的同时,也带来了巨大的计算能力消耗。如果说业内常用的GPU是TPU,绝大多数企业都买不起。

为了使人工智能大规模化,需要对软件和硬件进行联合优化,使人工智能部署的成本“可负担”。

我们知道技术产品和架构将被迭代。如果我们重新来过,无疑不会给企业带来损失,这使得很多企业对automl等新的生产力工具望而却步。这就要求automl平台和制造商从一开始就考虑技术的可扩展性,并加以处理。

例如,百度easydl利用百度大脑的全栈AI能力,实现底层技术的全面部署和集成;第四种范式通过技术解决了模型的自学习问题,使动态模型能够根据业务变化进行演化,并进行自动迭代。同时,将第四范式automl的相关架构和技术抽象到操作系统中,操作系统从底层核心技术框架趋于稳定,使所有数据和应用都得到规范化管理,后续运维通过系统层对变化做出响应,这样企业就可以建立一个长期的人工智能战略,并且业务不会受到技术变革的影响。

当企业、技术、平台等汇聚在一起,形成一个完整的automl产业带,生态真正建立起来,终于开启了一个产业智能的大时代。

正是煤炭工业的兴起,引领人类走过了漫长的工业童年,开启了一个前所未有的时代。随着国家战略的推进和产业需求的全面爆发,奥特ML带来的产业智能红利是否会像煤炭一样引发一场新的产业革命?人工智能行业测试暴露出人才短缺、成本高的问题,推动了automl等解决方案的出现。人工智能的民主化和工程化浪潮正把整个社会带入智能变革的领域。

值得注意的是,中国企业表现出前所未有的科技饥渴,依靠技术寻找业务增长点,渴望找到技术方案和落地。这些积极的实践使人工智能的红利在这片土地上早而快地增长。

实用干货原创整理,转载请注明出处!本站所有资源均可以免注册下载,扫码支付更方便。
免责声明:因为源码和模板等程序的特殊性,安装或者部署的同时需要一定的技术知识,请自行安装调试,本站不能所有提供的资源都提供安装帮助的,如遇到相关问题请自行解决,本站不提供退款和相应的免费解答服务!
实用干货 » 随着人工智能的AI民主化人工智能工程应运而生

发表评论

提供最优质的资源集合

立即查看 了解详情