PAKDD 2019 AutoML3+ 挑戰賽在 4 月 17 日公佈了最終結果。Feedback phase 和 AutoML phase 的 Top3 排名相同，深蘭科技 DeepBlueAI 團隊斬獲第一名，微軟亞洲研究院、北航的 ML Intelligence 團隊位居二名，清華大學組建的 Meta_Learners 團隊獲得第三名。

Feedback phase 排行榜

一家 AI 創業企業、一家研究機構、一支高校團隊位居前三，可見 AutoML 在 AI 領域的強大影響力，吸引了產學研各界的精英紛紛投入研究，不愧深度學習“新一代王者”的稱號。

而 DeepBlueAI 團隊的登頂，從某種程度反映了AI技術的成熟和轉折：AI應用的落地，將是未來業界關注的重心。

01

AutoML：AI 技術創新新方向

通常情況下，深度學習模型是由機器學習專家精心設計出來的，這個過程需要花費大量的時間和經驗。

基於此，谷歌大腦研究人員在 2017 年 5 月提出了 AutoML，其理念是將深度學習裏複雜的算法部分剝離，研究者可以基於 AI 子系統，更高效地將數據用於算法訓練，從而能夠加快推出面向各行業的 AI 應用。

這一思路將大量機器學習專家從繁重的架構設計中解脫了出來，因而很快受到業界歡迎。過去兩年來，業界將 AutoML 視作一種通用的機器學習技術平臺進行了大量研究。

作爲數據挖掘領域歷史最悠久、最領先的國際會議之一，PAKDD 舉辦的 AutoML3+ 賽事，反映的是 AutoML 在業界日新月異的開發中所取得的最新進展。

據瞭解，本次賽事採用真實應用程序中收集的大規模數據集。相比於與之前的 AutoML 比賽，本次比賽的重點是概念漂移，即不再侷限於簡單的 i.i.d. 假設。

這要求參與者設計一種能夠完全自主開發預測模型的計算機程序，利用有限的資源和時間，在終身機器學習環境下進行模型訓練和評估。

賽事將對各個團隊的算法可擴展性、不同的特徵類型、概念漂移、終身環境四大維度進行挑戰。

02

DeepBlueAI 奪冠看 AutoML 進展

從賽事公佈的信息來看，深蘭科技 DeepBlueAI 團隊的 AutoML 框架，包括自動特徵工程、自動特徵選擇、自動模型調參、自動模型融合等八個步驟。

在我們看來，其對 AutoML 技術的提升在三個方面尤其得到了體現。

上述 AutoML 技術突破，對AI應用在各個垂直行業的落地，將產生積極的影響。

尤其考慮到深蘭科技本身作爲一家AI創業“獨角獸”，已經在智能駕駛、智能製造、智能機器人、智能語音等九大領域有了不少實際應用案例。

作爲本次賽事冠軍，對比 Feedback phase 的 Top3 隊伍的 AUC 指標，深蘭科技 DeepBlueAI 團隊在 Set1、Set3、Set4、Set5 的 4 個數據集上分別領先各 Set 第二名 0.57%、1.91%、1.22%、4.18%，Set2 只比最好的低 0.05%。

AUC 指標是一項相對而言很難提升的指標，通常在競賽中 top 隊伍只能在該指標上拉開千分位、萬分位的差距，而 DeepBlueAI 團隊在 Set1，3，4，5 這 4 個不同任務上平均領先第二名 1.97%，具有非常明顯的優勢。在 AutoML phase中，DeepBlueAI 團隊總成績也排名第一。

03

AI 的中國實踐

本屆賽事不僅反映出 AutoML 的最新技術進展，也顯示出中國在 AutoML 領域的整體性突破。

近年來，中國在 AI 領域取得了令人矚目的飛躍，不僅出現了本屆冠軍深蘭科技這樣的多家獨角獸企業，同時在AI應用方面也如火如荼。AI作爲一種通用技術和各行業數字化轉型的重要技術被廣泛認可。

IDC 公司 2017 年曾預計，未來五年 AI 將提升各行業運轉效率，其中教育業提升 82%，零售業 71%，製造業 64%，金融業 58%。

基於對 AutoML 技術的開發突破，深蘭科技得以在領先的系統框架下，打造一個個AI子系統和終端產品。

目前，深蘭科技已推出了一系列 AI 產品方案，例如熊貓智能公交車、熊貓掃路車、深蘭洗地機器人、深蘭高鐵兜售機器人、深蘭物流機器人、腦肌對話儀、深蘭手脈閘機、追聲等一系列“黑科技”產品。

深蘭產品在聯合國地理大會的應用

“人工智能已經過了講故事的時代，現在就是要看商業落地！” 2018 年 5 月 10 日，上海市委書記李強在調研深蘭科技時表示。

進入 2019 年，對 AutoML 等 AI 基礎架構的研究突破，成爲深蘭科技產品研發、在垂直行業迅速鋪開的關鍵。

據悉，深蘭科技正在佈局 AI 腦科學、基因 AI 測序平臺、智能語義等新技術、新應用科研，將 AI 的中國落地推向一個新高度。

相關文章