天云大數(shù)據(jù)CEO雷濤：AI建模平臺演進趨勢著力于Auto Machine Learning

　 域名預訂/競價，好“米”不錯過

AI Democracy 的核心是將科學家在傳統(tǒng)實驗室完成的工作，賦予更多人使用，降低使用門檻，讓更多的開發(fā)者、業(yè)務人員能夠使用人工智能。AI不是少數(shù)人的專利，未來人工智能發(fā)展趨勢更應凸顯規(guī)模化生產(chǎn)能力，讓企業(yè)獲取機器智能像讀書一樣簡單。——天云大數(shù)據(jù)CEO雷濤在2018全球人工智能技術大會(GAITC)上如是說。

AI Democracy 的核心是將科學家在傳統(tǒng)實驗室完成的工作，賦予更多人使用，降低使用門檻，讓更多的開發(fā)者、業(yè)務人員能夠使用人工智能。AI不是少數(shù)人的專利，未來人工智能發(fā)展趨勢更應凸顯規(guī)?；a(chǎn)能力，讓企業(yè)獲取機器智能像讀書一樣簡單。——天云大數(shù)據(jù)CEO雷濤在2018全球人工智能技術大會(GAITC)上如是說。

AI 民主化 吸引更多使用者

人工智能在各個領域的發(fā)展呈不平衡態(tài)勢，如無人駕駛、人臉識別以及機器人等領域，因其算法與目的都很明確，又因媒體關注的推動，資本與數(shù)據(jù)的聚焦之下容易找到最佳實踐;但針對算法紛繁復雜、數(shù)據(jù)私有與云服務私有的商業(yè)智能領域，AI應用程度參差不齊，AI正經(jīng)歷從API 向PaaS的發(fā)展，AI模型的規(guī)模化、智能化生產(chǎn)能力尤為重要。

在日前舉辦的2018 GAITC會議上，天云大數(shù)據(jù)CEO雷濤發(fā)表了“AI平臺演進趨勢著力于Auto Machine Learning”主題演講。在他看來，AI PaaS化，智能化是突破昂貴商業(yè)價值交付的關鍵。

從無人駕駛到智能投顧，從視覺識別到風險欺詐，核心算法都是開放的深度學習(Deep Learning)。在開源的核心基礎技術主導的新市場規(guī)則下，新的商業(yè)實踐和市場結構正在形成。AI算法是開源的，但商業(yè)價值的交付卻是昂貴、復雜和低效的。A(Algorithm)、B(Bigdata)、C(Cloud)的有效融合，成為AI商業(yè)推廣與工程化實施的關鍵。三者的融合，使得無需掌握太多數(shù)據(jù)科學經(jīng)驗的人也可嘗試AI。通過AI的PaaS化，沒有用過AI的團隊也可以快速利用AI平臺進行建模，相比傳統(tǒng)的SAS數(shù)據(jù)挖掘平臺，可以更高效的利用數(shù)據(jù)科學工具解決業(yè)務問題。

團隊規(guī)模決定了產(chǎn)出量。要實現(xiàn)規(guī)?；枰缭?ldquo;數(shù)據(jù)科學”“分布式計算”等關鍵科技，海量數(shù)據(jù)規(guī)?；D換為商業(yè)價值，這種跨界難度非常之大，雷濤用近期某大型銀行最新發(fā)布的app版本舉例說明了AI Paas化的必要性，銀行沉淀大量數(shù)據(jù)資產(chǎn)，有大量建模需求，最近某大型銀行發(fā)布手機app6.0版本，3000人的團隊即可年生產(chǎn)600種模型，是以人工智能賦能金融，實現(xiàn)規(guī)?；Ｐ蜕a(chǎn)的最佳范本。

這種矛盾和挑戰(zhàn)是指A和C的融合，不同知識技能在工程上的融合，目前國內(nèi)已經(jīng)出現(xiàn)致力于將計算能力和數(shù)據(jù)科學能力融合在一起，面向業(yè)務定義快速生產(chǎn)AI模型的流水線式AI建模平臺，比如天云大數(shù)據(jù)的Maxim AI平臺。

Auto Machine Learning ： AI 建模平臺演進趨勢，優(yōu)化 AI 的 AI

雷濤指出，應用機器學習技術解決現(xiàn)實世界問題是昂貴而困難的。利用基于AI的技術方案來克服這一應用過程中的難題，就是自動化機器學習(AutoML);AutoML指的是”用于優(yōu)化AI”的AI;微軟和谷歌先后利用圖片分類的案例給出了其對AutoML的答案：建模者只需付出最少的操作(上傳、選擇和評估)，利用微軟或谷歌云AI平臺的能力，即可獲得具有一定精度的機器學習模型。

專家經(jīng)驗在機器學習建模過程中起重要作用，這導致了建模昂貴、困難，而包括微軟和谷歌等企業(yè)的實踐表明，AI建模平臺應沿著減少人工干預和減少專家經(jīng)驗依賴的方向發(fā)展。天云Maxim AI平臺最新推出的3.0版本，能實現(xiàn)模型智能化生產(chǎn)，實現(xiàn)自動化機器學習：具體包括，自動選擇算法模型、自動調優(yōu)超參數(shù)、自動實現(xiàn)多模型集成學習和自動實現(xiàn)模型性能對比，最終輸出最優(yōu)的模型;還包括“讓數(shù)據(jù)就緒到可以進行機器學習”的自動特征工程，提供豐富的特征空間。通過上述自動化方法，天云Maxim AI平臺大大減少了對專家經(jīng)驗的依賴，大大降低了企業(yè)應用AI建模平臺的門檻。

天云分布式數(shù)據(jù)科學平臺Maxim AI是基于Hadoop/Spark分布式底層架構的機器學習及建模平臺產(chǎn)品，采用圖形用戶界面交互免編碼模式，簡化了整個建模流程和模型生命周期管理，支持全量數(shù)據(jù)建模，實現(xiàn)了分布式運行深度學習、梯度提升、邏輯回歸、隨機森林等熱門機器學習算法，實現(xiàn)了機器學習模型生產(chǎn)批量化和智能化，可以有效的幫助企業(yè)簡化建模流程，將編程建模方式簡化為免編碼建模方式，更加高效的利用機器學習模型解決業(yè)務問題。

元學習、遷移學習：未來第四代AI建模平臺演進方向

據(jù)雷濤介紹，未來天云第四代AI建模平臺演進方向是元學習、遷移學習，相比超參數(shù)調優(yōu)、自動特征工程等對建模某個子流程的自動化設計，遷移學習和元學習從更宏觀的角度支持AI建模自動化，使得模型復用更加有效，一個新的建模過程可更加充分的利用機器學習到的經(jīng)驗。

Maxim AI是通用數(shù)據(jù)科學平臺，目前，不僅成功地在多家大型股份制銀行部署，也為BATJ這樣的大型互聯(lián)網(wǎng)公司提供底層技術服務，同時在能源、政府等領域也得到了成功驗證。在能源領域，通過對油井故障排查方面進行單井功圖數(shù)據(jù)訓練，針對不同功況，做實時診斷并做長期預警。在政府領域，助力跨境電商緝私業(yè)務風險識別。

在金融領域，通過MaximAI建立的現(xiàn)金分期響應模型，能夠預測和篩選辦理此業(yè)務的概率較高的客戶，進而幫助銀行提高營銷活動的效率，從而降低成本、提高銀行利潤。類似的，還可利用該平臺建立循環(huán)授信響應模型，依據(jù)客戶行為特征對客戶群體進行分類，篩選接受循環(huán)授信業(yè)務概率較高的客戶，進而向這些客戶推送循環(huán)授信業(yè)務，提高營銷活動效率，降低成本，提高利潤。該平臺還成功的應用于風控領域，建立了貸前申請評分卡模型、貸前反欺詐模型、貸中行為評分和風險預警模型和貸后催收模型，有效降低銀行在貸前、貸中和貸后整個業(yè)務流程中的風險，減少損失。天云大數(shù)據(jù)智能平臺在互聯(lián)網(wǎng)金融黑名單、多頭貸發(fā)現(xiàn)、失聯(lián)修復、循環(huán)擔保等方面也有成功的項目實施案例。

作為專注于大數(shù)據(jù)基礎設施軟件平臺和分布式人工智能建模平臺的科技創(chuàng)新公司，天云大數(shù)據(jù)智能平臺在大型股份制銀行、保險、證券和互聯(lián)網(wǎng)金融公司、石油行業(yè)、海關總署都已落地部署樣本工程。

憑借多年的大數(shù)據(jù)平臺和人工智能服務經(jīng)驗，天云期待通過AI賦能，不斷降低行業(yè)應用門檻，讓企業(yè)獲取機器智能像讀書一樣簡單。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！