天云大數據CEO雷濤：AI建模平臺演進趨勢著力于Auto Machine Learning

　 阿里云優惠券 先領券再下單

AI Democracy 的核心是將科學家在傳統實驗室完成的工作，賦予更多人使用，降低使用門檻，讓更多的開發者、業務人員能夠使用人工智能。AI不是少數人的專利，未來人工智能發展趨勢更應凸顯規?；a能力，讓企業獲取機器智能像讀書一樣簡單。——天云大數據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，讓更多的開發者、業務人員能夠使用人工智能。AI不是少數人的專利，未來人工智能發展趨勢更應凸顯規?；a能力，讓企業獲取機器智能像讀書一樣簡單。——天云大數據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展呈不平衡態勢，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，資本與數據的聚焦之下容易找到最佳實踐;但針對算法紛繁復雜、數據私有與云服務私有的商業智能領域，AI應用程度參差不齊，AI正經歷從API 向PaaS的發展，AI模型的規?；?、智能化生產能力尤為重要。

在日前舉辦的2018 GAITC會議上，天云大數據CEO雷濤發表了“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則下，新的商業實踐和市場結構正在形成。AI算法是開源的，但商業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據科學經驗的人也可嘗試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，相比傳統的SAS數據挖掘平臺，可以更高效的利用數據科學工具解決業務問題。

團隊規模決定了產出量。要實現規?；?，需要跨越“數據科學”“分布式計算”等關鍵科技，海量數據規?；D換為商業價值，這種跨界難度非常之大，雷濤用近期某大型銀行最新發布的app版本舉例說明了AI Paas化的必要性，銀行沉淀大量數據資產，有大量建模需求，最近某大型銀行發布手機app6.0版本，3000人的團隊即可年生產600種模型，是以人工智能賦能金融，實現規?；Ｐ蜕a的最佳范本。

這種矛盾和挑戰是指A和C的融合，不同知識技能在工程上的融合，目前國內已經出現致力于將計算能力和數據科學能力融合在一起，面向業務定義快速生產AI模型的流水線式AI建模平臺，比如天云大數據的Maxim AI平臺。

Auto Machine Learning ： AI 建模平臺演進趨勢，優化 AI 的 AI

雷濤指出，應用機器學習技術解決現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驗依賴的方向發展。天云Maxim AI平臺最新推出的3.0版本，能實現模型智能化生產，實現自動化機器學習：具體包括，自動選擇算法模型、自動調優超參數、自動實現多模型集成學習和自動實現模型性能對比，最終輸出最優的模型;還包括“讓數據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驗的依賴，大大降低了企業應用AI建模平臺的門檻。

天云分布式數據科學平臺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，支持全量數據建模，實現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，實現了機器學習模型生產批量化和智能化，可以有效的幫助企業簡化建模流程，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，相比超參數調優、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驗。

Maxim AI是通用數據科學平臺，目前，不僅成功地在多家大型股份制銀行部署，也為BATJ這樣的大型互聯網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據訓練，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務風險識別。

在金融領域，通過MaximAI建立的現金分期響應模型，能夠預測和篩選辦理此業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授信響應模型，依據客戶行為特征對客戶群體進行分類，篩選接受循環授信業務概率較高的客戶，進而向這些客戶推送循環授信業務，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、貸中和貸后整個業務流程中的風險，減少損失。天云大數據智能平臺在互聯網金融黑名單、多頭貸發現、失聯修復、循環擔保等方面也有成功的項目實施案例。

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

憑借多年的大數據平臺和人工智能服務經驗，天云期待通過AI賦能，不斷降低行業應用門檻，讓企業獲取機器智能像讀書一樣簡單。

申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！