王柏寒

8月2日，人工智能專業(yè)企業(yè)探智立方（ Intelligence Qubic， iQubic）公司正式發(fā)布了人工智能模型自動設(shè)計平臺-DarwinML 1.0。該平臺以自動化機器學(xué)習(xí)（AutoML）為核心技術(shù)，以基因進(jìn)化理論為設(shè)計思想，用戶只需要具備人工智能基本概念，即可設(shè)計開發(fā)機器學(xué)習(xí)和深度學(xué)習(xí)模型，從而縮短建模人員及數(shù)據(jù)科學(xué)家創(chuàng)建模型的時間及門檻，提升效率，滿足面向定制化場景的人工智能模型創(chuàng)建需求。

目前，業(yè)界既有的人工智能模型無法完全滿足業(yè)務(wù)需求，對人工智能模型進(jìn)行定制化的設(shè)計開發(fā)不僅耗時較長，還需要大量人工智能技術(shù)與人才資源的支撐。在此背景下，人工智能業(yè)界提出了AutoML 的概念，即通過自動化的機器學(xué)習(xí)來實現(xiàn)人工智能模型的快速構(gòu)建。

基于 AutoML 的理念，探智立方推出了人工智能模型自動設(shè)計平臺-DarwinML。探智立方首席科技官錢廣銳博士表示：“在開展機器學(xué)習(xí)和深度學(xué)習(xí)模型設(shè)計的實踐中，我們嘗試將模型優(yōu)化的過程抽象成一個純數(shù)學(xué)問題，然后利用機器的強大計算力，以搜索進(jìn)化的方式，在盡可能短的時間內(nèi)尋找全局最佳解決方案。通過DarwinML能夠?qū)⒃撃芰?fù)制到更多的行業(yè)應(yīng)用中，幫助用戶快速開展人工智能應(yīng)用?！盌arwinML 1.0的問世將大幅加速人工智能模型設(shè)計進(jìn)程，或?qū)㈩嵏睞I游戲規(guī)則。

以DarwinML 1.0在金融行業(yè)的應(yīng)用為例，在金融領(lǐng)域?qū)崿F(xiàn)AutoML，用戶的需求是實現(xiàn)一個自動化反洗錢或者風(fēng)控管理模型，希望從數(shù)據(jù)中監(jiān)測出異常交易和欺詐交易，降低風(fēng)險。用戶使用DarwinML之后，在幾天時間內(nèi)把四百萬條數(shù)據(jù)和其中數(shù)十萬種危險數(shù)據(jù)類型以表格形式批量傳送至機器，DarwinML將進(jìn)行自動化計算分析，無需任何人工參與，經(jīng)實踐測試，最后可得到的模型結(jié)果準(zhǔn)確率高達(dá)99.7%。DarwinML全自動設(shè)計與人工建模最大的區(qū)別是，以往需要2～3人工作數(shù)天或數(shù)月的數(shù)據(jù)量，一臺機器只需要3個小時甚至更少的時間就可以完成，大大降低了成本，提高了服務(wù)質(zhì)量，DarwinML還可以根據(jù)需要不斷升級迭代。

談及DarwinML自動設(shè)計平臺開發(fā)過程中的技術(shù)難點突破時，探智立方產(chǎn)品總監(jiān)宋煜說：“解決海量行業(yè)數(shù)據(jù)參數(shù)特征提取的困難自不必說，除此之外，DarwinML最重要的，還在于它是一個尋找最優(yōu)解的模型，所以效率就是重中之重?！盌arwinML主要運用了以下幾個技術(shù)：一是指紋技術(shù)，用以解決尋找模型的相似性問題；二是塊技術(shù)，作為現(xiàn)下逐漸開始流行采用的技術(shù)，它能夠縮小模型組合范圍，把若干個神經(jīng)元組成一個；三是探智立方擁有一個Darwin基因庫，這個基因庫除了記錄Darwin算法本身以外還在不斷的進(jìn)行學(xué)習(xí)，對應(yīng)的數(shù)據(jù)分布可以解決什么對應(yīng)的問題就是其學(xué)習(xí)內(nèi)容之一?；驇旒夹g(shù)作為核心技術(shù)，不僅僅對單次設(shè)計模型化，同時在學(xué)習(xí)設(shè)計模型中也發(fā)揮著重要作用。