（文章來源：粵訊）

隨著概念的普及，科技公司對人工智能的要求越來越高，成本、準確度、效率都影響著人工智能能否落地融入日常的使用中。對人工智能應用的快速增長也進而催生了對影響人工智能水平的關(guān)鍵要素——機器學習方法的需求。自動化機器學習方法AutoML應運而生。

近年來，在深度學習領(lǐng)域里，出現(xiàn)了一種「新式學習法」，很多人視它改變了設(shè)計復雜的深度學習網(wǎng)絡(luò)，把看似高不可攀的深度學習，「拉」到了人人觸手可及的程度。這個新方式，就是 AutoML。

2017 年 5 月，谷歌在 I/O 大會上發(fā)布了 AutoML，他們將 AutoML 應用到了深度學習的圖像識別和語言建模的兩大數(shù)據(jù)集中，他們提供的 Cloud AutoML 和 Google NAS 算法結(jié)合，把完整的機器學習工作做成了云端產(chǎn)品，用戶只需要提供數(shù)據(jù)，Cloud AutoML 將自動構(gòu)建深度學習模型。換言之，AutoML想要做到的，正如其名：自動化機器學習。

傳統(tǒng)的AI模型訓練往往要經(jīng)歷特征分析、模型選擇、調(diào)參、評估等步驟，這些步驟需要經(jīng)歷數(shù)月的時間，如果完全沒經(jīng)驗，時間會更長。AutoML雖然也需要經(jīng)歷這些步驟，但是通過自動化的方式，可以減少這些步驟的時間。選擇怎樣的參數(shù)，被選擇的參數(shù)是否有價值或者模型有沒有問題，如何優(yōu)化模型，這些步驟在從前是需要依靠個人的經(jīng)驗、知識或者數(shù)學方法來判斷的。

而AutoML可以完全不用依賴經(jīng)驗，而是靠數(shù)學方法，由完整的數(shù)學推理的方式來證明。通過數(shù)據(jù)的分布和模型的性能，AutoML會不斷評估最優(yōu)解的分布區(qū)間并對這個區(qū)間再次采樣。所以可以在整個模型訓練的過程中縮短時間，提升模型訓練過程的效率。

如何促進技術(shù)公平，降低技術(shù)應用門檻，讓不懂技術(shù)的用戶也可以使用人工智能；如何優(yōu)化機器學習的流程和結(jié)果，輔佐數(shù)據(jù)科學家們投入更有價值的工作，正是 AutoML 以及人工智能領(lǐng)域未來希望攻克的難題之一。在2018年谷歌云全球NEXT大會上，李飛飛宣布，谷歌AutoML Vision進入公共測試版，并推出了兩款新的AutoML產(chǎn)品：AutoML Natural Language和AutoML Translation。

這個名為Cloud AutoML的宏大項目浮出水面之時，被業(yè)內(nèi)稱為“Google Cloud發(fā)展的戰(zhàn)略轉(zhuǎn)型”——一直以來面向機器學習人工智能開發(fā)者的Google Cloud，這次將服務對象轉(zhuǎn)向了普羅大眾。你只需在該系統(tǒng)中上傳自己的標簽數(shù)據(jù)，就能得到一個訓練好的機器學習模型。整個過程，從導入數(shù)據(jù)到標記到模型訓練，都可以通過拖放界面完成。

其實在谷歌發(fā)布AutoML前后，機器學習自動化的產(chǎn)品風潮已經(jīng)吹起：2017年底，微軟發(fā)布CustomVision.AI，涵蓋圖像、視頻、文本和語音等各個領(lǐng)域。2018年 1 月，他們又推出了完全自動化的平臺 Microsoft Custom Vision Services（微軟定制視覺服務）。同年，國內(nèi)也出現(xiàn)了不少相關(guān)產(chǎn)品，稱能夠解放算法工程師，讓AI自動化，其中的代表即是百度的EasyDL

EasyDL 在 2017 年 11 月初上線了定制化圖像識別服務，并在業(yè)內(nèi)展開公開測試。在 2018 年 4 月、5 月和 7 月陸續(xù)發(fā)布了定制化物體檢測服務、定制化模型設(shè)備端計算和定制化聲音識別等多個定制化能力方向，并形成了從訓練數(shù)據(jù)到最終定制化服務的一站式端云一體平臺。

目前 EasyDL 的各項定制能力在業(yè)內(nèi)廣泛應用，累計過萬用戶，在包括零售、安防、互聯(lián)網(wǎng)內(nèi)容審核、工業(yè)質(zhì)檢等等數(shù)十個行業(yè)都有應用落地，并提升了這些行業(yè)的智能化水平和生產(chǎn)效率。此外，曠視原創(chuàng)自研的人工智能算法平臺Brain++也集成了行業(yè)領(lǐng)先的AutoML技術(shù)，對深度學習算法的各個關(guān)鍵環(huán)節(jié)進行自動化的設(shè)計、搜索和優(yōu)化。
? ? ? ?