写点什么

“深度赋智”论文被人工智能顶刊 IEEE TPAMI 接收

  • 2021-04-22
  • 本文字数:2072 字

    阅读完需:约 7 分钟

“深度赋智”论文被人工智能顶刊IEEE TPAMI接收

“深度赋智”首推以知识驱动的全自动机器学习架构,应用于 2020 四月结束的国际自动机器学习领域的顶级赛事 NeurIPS-AutoDL 竞赛,并以压倒性优势获得世界冠军,相关论文于近日被人工智能顶刊 IEEE TPAMI 接收。“深度赋智”已将该成果应用于天机自动机器学习平台,致力于让每家企业都具有开箱即用的 AI 能力。


近日,“深度赋智”与厦门大学纪荣嵘教授联合团队的研究成果“Evolving Fully Automated Machine Learning via Life-Long Knowledge Anchors”(基于知识锚点进化的全自动机器学习)被 IEEE TPAMI 录用。TPAMI 全称 Transactions on Pattern Analysis and Machine Intelligence,是人工智能,机器视觉,模式识别等多个领域的顶尖国际期刊,对原创性有很高要求,侧重于发表能引领广泛兴趣的突破性前沿研究,并以严苛的审稿过程著称,收录论文数量十分有限(当前影响因子 17.861,在中国计算机学会认定的人工智能领域四个 A 类期刊中排名第一)。

困局


深度学习让机器可以从大量的数据中学习经验并加以应用,已经在图像分类,序列标注等多个任务上取得了惊人的成果。但是,这一过程需要大量的人工干预,比如特征提取,模型选择,参数调节等,既费时又费力。


所以专家们自然而然想到了引入自动化让机器自己“学习如何学习”。然而机器学习的自动化离不开几个关键难题:我们该教授什么知识和配备什么工具?在哪一部分实现自动化?自动化训练如何保证稳定的效果?如何在最短时间内找到又简单又高效的方案?


论文指出,当前的自动机器学习多是在整个流程中的某个或某几个独立分段实现自动化,这种“半自动”让搜索自然受限于“次优”并导致最终结果的偏差。而且搜索空间往往“精心设计”,与自动学习的初衷相违背,实际落地时也易出现过拟合的情况。自动机器学习需要对整个网络结构更高层、更进一步的理解。

破局——论文提出的基于终身知识锚点的进化算法


作者创新性地提出了一种新型的全自动机器学习框架,首次打破了现有自动机器学习中各搜索空间的独立设计,并使用数据集知识锚点加进化算法来加速搜索,解决了在超大空间搜索最优方案的设计难题。



图 1 全自动机器学习框架


承袭现有的终身学习与元学习思想,该框架中的知识锚点使用了全新的元特征和概率抽样方法,极大减少了人工,缓解了搜索过程中的过拟合。该框架实现了全流程自动化,极大降低了机器学习应用门槛,用户只需根据提示进行“傻瓜式”操作,自助服务,时间成本低,即使不懂算法和代码,也不是问题。

从实验结果可以发现,该框架在图像/音频/视频/文本/表格五种模态的典型数据集上的效果都远超当前 SOTA 方案,以下图的图像任务实验为例:


表 1 提出的框架(左)和 AutoCV2 第一(右)的对比


消融实验也证明了知识锚点方法的有效性:


图 2 “各搜索方法+ 知识锚点”与原搜索方法的效果对比

使用该框架,“深度赋智”于 2020 年 4 月获得国际自动机器学习领域的顶级赛事 NeurIPS-AutoDL 系列竞赛总决赛世界冠军,在图像/音频/视频/文本/表格不同场景的十个数据集上稳定获得八项第一和均分第一,证明了该框架在不同场景的普适性。


图 3 竞赛得分情况


价值——降低 AI 应用门槛,助力企业走上智能化快车道


根据目前消息,“深度赋智”已将该成果应用于其自研的天机自动机器学习平台,支持图像/音频/视频/文本/表格模态的任务和多个复杂 AI 场景,并计划向自动学习中引入更多数据集知识,提升搜索效率。


图 4 搜索空间设计示意


天机自动机器学习平台是“深度赋智”产业智能化的前沿创新技术应用之一,已为零售/鞋服、工业、交易平台、金融等行业的多个头部客户提供了相应服务。


在天机自动机器学习平台的帮助下,无需花费高额的成本打造工程师团队,有效避免 AI 应用成本高、周期长、效果难以保障等问题,降低时间成本和机会成本,助力企业走上智能化快车道,提升综合竞争力。


在使用体验上,用户无需深入掌握数据知识,就能建立高质量的人工智能模型;无需深入学习编程知识,就能建立整套生产级人工智能应用,即使算法小白也能玩转 AI,实现事半功倍的效果。平台从数据、模型、部署等多个方面进行了打磨,内含近百模块组件,涉及内容理解,计算机视觉,音频分析和数据预测等多领域国内顶尖方案,通过自动机器学习技术进行组件的衔接与调优,将复杂方案定制的成本降低到 1%,克服了传统 AI 产品的落地周期长、效果迭代久、投入产出比低的瓶颈,为用户实现了超过 60%的人力成本节约和显著的净利率提升。


图 5 全自动 AI 中台=AI 中台+Full-AutoML


2021 年 1 月,工信部印发《工业互联网创新发展行动计划(2021-2023 年)》指出,要进一步完善新型基础设施、彰显融合应用成效、提升技术创新能力、健全产业发展生态和增强安全保障能力。智能化制造和个性化定制等新模式新业态的广泛普及是融合应用成效的关键,智能化成为“新三年”的核心工作目标。


人工智能行业即将迎来政策红利大年,充满新的产业图景、新的机遇和挑战 。在未来一段时间,“深度赋智”将会充分发挥自己丰富的算法资源、深度的技术合作支持、不断完善的生态资源等优势,不断完善 MetaAI 技术,持续建设全自动机器学习平台,与更多开发者、服务商一起面向终端客户推出更多的 AI 解决方案。

2021-04-22 15:451759

评论

发布
暂无评论
发现更多内容

流处理基础概念-窗口与时间

穿过生命散发芬芳

流处理 12月月更

开始用ChatGPT写作

SkyFire

ChatGPT

运维进阶训练营 -W07H

赤色闪电

运维

架构训练营作业-模块2

张建闯

架构实战营

Verilog 的连续赋值

芯动大师

Verilog Verilog语法 连续赋值

云与开源,共植数字世界的根

Apache Flink

大数据 flink 实时计算

设计模式之美——单一职责(Single Responsibility Principle)

GalaxyCreater

设计模式

React源码分析8-状态更新的优先级机制

flyzz177

React

经常会采坑的javascript原型应试题

loveX001

JavaScript

浅谈如何在小红书和知乎两大平台做好引流推广

石头IT视角

架构实战 - 模块 2 作业

mm

微信朋友圈 #架构实战营

架构实战营模块二作业

张Dave

【圣诞节】会呼吸的玫瑰爱心代码 -李峋爱心续 动画演示思路 代码开源

非喵鱼

Java Python 程序员 前端 爱心代码

灵魂拷问,你真的了解DNS吗?

蔡农曰

互联网 前端 后端 计算机网络

从React源码分析看useEffect

flyzz177

React

react源码中的hooks

flyzz177

React

前端工程师leetcode算法面试必备-二叉树的构造和遍历

js2030code

算法 LeetCode

异构混排在vivo互联网的技术实践

vivo互联网技术

算法 异构 混排

极客时间运维进阶训练营第七周作业

老曹

学习编程必须知道的三个网站

邱比特讲编程

GitHub 编程 Google Stack Overflow 编程工具

React源码分析7-state计算流程和优先级

flyzz177

React

前端工程师leetcode算法面试必备-二叉树深度广度遍历

js2030code

JavaScript LeetCode

谈谈前端性能优化-面试版

loveX001

JavaScript

从德鲁克管理实践看服务化架构

agnostic

微服务

2022-12-11:行程和用户。以下为输出结果,请问sql语句如何写? +------------+-------------------+ | Day | Cancellation

福大大架构师每日一题

数据库 福大大

记一次Mysql大数据分页优化问题

石臻臻的杂货铺

MySQL 数据库

网络编程与通信原理

Java 架构

react源码中的fiber架构

flyzz177

React

react源码中的协调与调度

flyzz177

React

用javascript分类刷leetcode3.动态规划(图文视频讲解)

js2030code

JavaScript LeetCode

前端二面常考面试题(必备)

loveX001

JavaScript

“深度赋智”论文被人工智能顶刊IEEE TPAMI接收_AI&大模型_深度赋智_InfoQ精选文章