原标题：2019人工智能最新前沿技能——主动化机器学习（AutoML）
跟着概念的遍及，科技公司对人工智能的要求渐渐的升高，本钱、准确度、功率都影响着人工智能能否落地融入日常的运用中。对人工智能运用的快速增长也从而催生了对影响人工智能水平的要害要素——机器学习办法的需求。主动化机器学习办法AutoML应运而生。
近年来，在深度学习范畴里，呈现了一种「新式学习法」，很多人视它改变了规划杂乱的深度学习网络，把看似高不可攀的深度学习，「拉」到了人人触手可及的程度。这个新办法，便是 AutoML。
2017 年 5 月，谷歌在 I/O 大会上发布了 AutoML，他们将 AutoML 运用到了深度学习的图画辨认和言语建模的两大数据会集，他们供给的 Cloud AutoML 和 Google NAS 算法结合，把完好的机器学习作业做成了云端产品，用户只需求供给数据，Cloud AutoML 将主动构建深度学习模型。换言之，AutoML想要做到的，正如其名：主动化机器学习。
传统的AI模型练习往往要阅历特征剖析、模型挑选、调参、评价等进程，这些进程需求阅历数月的时刻，假如彻底没阅历，时刻会更长。AutoML尽管也需求阅历这些进程，可是经过主动化的办法，可以大大削减这些进程的时刻。
挑选怎样的参数，被挑选的参数是否有价值百科或许模型有没问题，怎么优化模型，这些进程在早年是需求依托个人的阅历、常识或许数学办法来判别的。
而AutoML可以彻底不必依靠阅历，而是靠数学办法，由完好的数学推理的办法来证明。经过数据的散布和模型的功能，AutoML会不断评价最优解的散布区间并对这个区间再次采样。所以可以在整个模型练习的进程中缩短时刻，提高模型练习进程的功率。
怎么促进技能公正，下降技能运用门槛，让不明白技能的用户也可以正常的运用人工智能；怎么优化机器学习的流程和成果，辅佐数据科学家们投入更有价值百科的作业，正是 AutoML 以及人工智能范畴未来期望霸占的难题之一。
在2018年谷歌云全球NEXT大会上，李飞飞宣告，谷歌AutoML Vision进入公共测验版，并推出了两款新的AutoML产品：AutoML Natural Language和AutoML Translation。
这个名为Cloud AutoML的庞大项目浮出水面之时，被业界称为“Google Cloud开展的战略转型”——一直以来面向机器学习人工智能开发者的Google Cloud，这次将服务目标转向了普罗群众。你只需在改体系中上传自己的标签数据，大能得到一个练习好的机器学习模型。整一个完好的进程，从导入数据到符号到模型练习，都可以终究靠拖放界面完结。
其实在谷歌发布AutoML前后，机器学习主动化的产品风潮现已吹起：2017年末，微软发布CustomVision.AI，包含图画、视频、文本和语音等各个范畴。2018年 1 月，他们又推出了彻底主动化的渠道 Microsoft Custom Vision Services（微软定制视觉服务）。同年，国内也呈现了不少相关产品，称可以解放算法工程师，让AI主动化，其间的代表便是百度的EasyDL
EasyDL 在 2017 年 11 月初上线了定制化图画辨认服务，并在业界打开揭露测验。在 2018 年 4 月、5 月和 7 月连续发布了定制化物体检测服务、定制化模型设备端核算和定制化声响辨认等多个定制化才能方向，并形成了从练习数据到终究定制化服务的一站式端云一体渠道。
现在 EasyDL 的各项定制才能在业界大规模的运用，累计过万用户，在包含零售、安防、互联网内容审阅、工业质检等等数十个职业都有运用落地，并提高了这些职业的智能化水平缓出产功率。
此外，旷视原创自研的人工智能算法渠道Brain++也集成了职业抢先的AutoML技能，对深度学习算法的各个要害环节进行主动化的规划、查找和优化。
旷视Brain++ AutoML技能以One-Shot办法为中心，力求一次练习即可完结主动化进程，将核算价值减小至传统AutoML办法的万分之一，在可控的时刻内查找出高功能、易布置的模型结构。
比较于市场上的AutoML技能，旷视的AutoML技能有以下优势：
1. 核算价值小。传统的AutoML技能常常需求屡次练习模型甚至会遍历部分模型空间，核算价值巨大。旷视的AutoML技能以one-shot办法为中心，只需练习一次即可得到整个模型空间的描写，大大减小了核算价值，仅仅往常练习价值的1-3倍。
2. 运用场景规模广。旷视的AutoML技能供给了一套完好的解决方案，覆盖了大部分事务，包含活体检测、人脸辨认、物体检测、语义切割等。
3. 布置便利。旷视的AutoML技能包含了数据处理、模型练习、模型紧缩、模型量化等流程，主动处理从数据到落地。
4. 精度高。旷视的AutoML技能在许多视觉使命上，超越人类手艺规划，达到了业界最优。
责任编辑：
