乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
人工智能頂會NeurIPS舉辦的AutoDL 2019-2020系列競賽落幕，來自中國的AI創業公司，斬獲冠亞軍。
與往年相比，這屆競賽難度進一步加大。
比賽不只侷限在單一技術領域，而是要求參賽選手設計開發能解決包括圖像、視頻、語音、文本和結構化表格數據等多模態、多領域的全自動多標籤分類系統，探索自動深度學習技術落地。
歷時四個月角逐後，來自中國廈門深度賦智的DeepWisdom團隊拿下冠軍，並在GitHub上開源。
這不是一個簡單的競賽，不僅在於參賽選手實力強悍，還在於賽題具有挑戰性。
中國AI創業公司奪冠
挑戰賽一共分為反饋階段和最終階段。在反饋階段，參賽選手基於24個訓練數據集，離線開發AutoDL程序，實現訓練數據處理、模型結構設計、參數調校等過程。
然後將AutoDL程序代碼上傳到比賽平臺上，通過另外5個線上私有數據集測試，得到程序性能的即時反饋。
在最終階段，參賽選手的AutoDL程序在無任何人工干預的前提下，通過10個私有數據集進行評估。最終階段多輪評估的平均排名將決定獲勝者。
競賽採用ALC(Area under ROC Learning Curve)作為評估指標，來對現實場景中低成本、快速應用、高準確率等要求進行模擬。
這對參賽選手的方案提出了一系列的挑戰，比如，“如何在不同的數據中自動發現有效信息？”、“如何提高解決方案的通用性？即如何保證解決方案在未知任務中的適用性？”、“如何控制計算和內存成本？”等等。
參賽選手來自清華大學、北京大學、南京大學、卡內基梅隆大學、首爾大學、弗萊堡大學、漢諾威大學等國內外著名前沿科研院校，以及Google、微軟、阿里、騰訊、浪潮等大型科技公司，總計進行了超過2600餘次提交。
最後，中國AI創業公司深度賦智雙項總分第一，拿下了冠軍。亞軍和季軍也都來自於中國，分別是上海的AI創業公司深蘭科技和浪潮。
冠軍方案
據深度賦智介紹，其核心技術在於其獨立研發的Fully Automatic Machine Learning（Full-AutoML / 全自動機器學習）系統。
這套系統量化了AI生產的所有環節，可以全自動、端到端地生產全流程AI，能擺脫以往的AI設計需要諸多人類經驗、難以快速落地的約束。
一名人類AI工程師需要在單個領域進行持續數年的學習、摸索，隨著接觸數據集的增多、掌握技巧的增多、對整體流程的積累，才能在單個領域下獲得較好效果。
與人類AI工程師類似，Full-AutoML需要接觸較多的學習任務，以掌握在不同任務上的共性與特異性技巧。
其中，MetaAI子系統模擬了人類AI工程師的學習過程，通過觀察已有任務的數據流形與策略效果，以進行全自動的探索性優化。
經過觀察，MetaAI可以很好地總結不同任務知識，將原本耗時數年的AI構建過程縮短到最短數十秒。
而且，這套系統也具備自動數據探索、自動數據處理、自動特徵工程、自動模型搜索、自動模型設計、自動模型壓縮、自動超參優化、自動集成等多項核心組件，內含Few-shot Learning小樣本學習、Weakly supervised learning 弱監督學習、Transfer Learning遷移學習、Ensemble Learning集成學習等多類特性。
從而能較好地處理本次競賽涉及的包含結構化和非結構化數據分類任務。
目前，這套系統已經被深度賦智落地，核心產品自動信息分發系統AutoDist（包含自動搜索系統AutoSearch、自動推薦系統AutoRecsys）以及自動決策系統AutoTables已經在相應的場景中發揮出了作用。
來自廈門的AI創業公司
深度賦智成立於2019年，位於廈門，主要是通過AutoDL技術，降低客戶的AI開發成本。已經為電商平臺提供了落地的AI解決方案。
創始人兼CEO吳承霖出自騰訊，帶領團隊設計與實現了億級用戶規模、千億級數據規模的推薦系統、搜索引擎、用戶畫像、自然語言處理、知識圖譜等系統。
2019年11月，公司宣佈完成數百萬元種子輪融資，由迅雷及遠望資本創始人程浩、Flow Capital創始人賴蘊琦以及騰訊系電商賣座網創始人王星投資。
當時，深度賦智擁有近20人的團隊，核心成員均為騰訊、Google、百度、華為等前沿公司資深研究員、架構師。
截止目前，深度賦智及其學術團隊在協同學習/NAS/深度強化學習等領域發佈了100餘篇論文。
並在KDD 2019 AutoML/ACML 2019 AutoSpeech/PKDD 2019 AutoCV2/ACML 2019 AutoWSL等頂級國際AI競賽中，拿下了單項/總分第一。
傳送門
冠軍方案開源地址：
https://github.com/DeepWisdom/AutoDL
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態
