【财讯】自动机器学习的中国式崛起

原题:自动机器学习的中国式崛起

“谷歌、facebook、百度、阿里巴巴、腾讯等科技企业依靠其顶尖的机器学习专家团队支持机器学习在公司内的各种应用，各种科研机构也消耗大量经费，维持着机器学习科学家团队。 但是，由于机器学习专家差距太大，人才掠夺激烈，专家团队管理价格高，专家经验无法复印等原因，很多以前公司、中小企业和通常的科研机构就很难组建专业的机器学习专家团队。 ”。 最近，第四范式主任科学家涂威威在接受《国际金融报》记者采访时表示。

在这次世界人工智能大会上，深兰科技deepblue ai队获得了waic2019黑客马拉松“第四范式autonlp比赛”的一等奖。

涂威对记者说，机器学习为了给越来越多的公司带来力量，在更广泛的场景中应用，自动机器学习( automatic/automatedmachinelearning，automl )成为了重要的研究方向。 其目的是自动化机器学习过程，减少或完全避免人类专家在这个过程中的参与度，以低阈值的形式实现机器学习的构建和应用。

近年来，automl技术从尖端研究进入了领域主流迅速发展的阶段，更多的研究机构和公司开始了automl的研究。

深兰科技创始人兼ceo陈海波解体了《国际金融报》记者，基于深度学习的人工智能在技术上触及了天花板。 所以我们需要新技术，用机器人学习，我们实现了用小样本处理大问题。 我们在很多方面进行了技术探索。 比如，在自动驾驶方面。 关注人工智能的人相信自动机械学习是许多大企业关注的行业，将来关注这个行业的人会增加。 ”。 陈海波说。

提到automl的难点，涂威威说，自动化机器学习的难度是来自不同数据间处理问题的手段的移动性/复制性，处理不同问题的手段的类似性和移动性/复制性越高，自动化越容易，相反，如果困难， 目前，automl的目标数据有两个类别:图像数据和表数据。

从陈海波看，第四次产业革命是基于网络、大数据，以人工智能、量子科学、生物科学等下一代技术为推动力的技术革命和产业变革。 人工智能的核心要素中，数据是粮食，算法是工具，计算力是基础。 他认为，在数据方面，中国有显著的特征，中国对数据的开放和可提供的数据应用场景非常好。 在计算能力方面，中国正在迅速赶上。

“但是也要看中国最大的问题——基础研究。 ”。 陈海波认为“人工智能应该从教育中抓住，我们大学还没有建立关于人工智能系统化的教育机制”。

陈海波指出，中国要拉动第四次产业革命，必须重视两点:首先是基础研究的投入和引领其次是工业制造迅速发展，广泛应用智能化。 智能国家的基础是制造业，但中国在智能制造方面还有很大的空之间，还有很多升级任务。

陈海波总结说:“未来不是人工智能公司的，未来是使用良好人工智能的公司。”

(国际金融报记者黄希)

全天候滚动播放最新的财经信息和视频，越来越多的粉丝福利扫描二维码备受关注( finance )。