探智立方iQubic正式发布人工智能模型自动设计平台DarwinML 1.0

8 月 2 日,人工智能专业企业探智立方 (Intelligence Qubic, iQubic) 公司正式发布了人工智能模型自动设计平台 DarwinML 1.0。该平台以自动化机器学习(AutoML)为核心技术,以基因进化理论为设计思想,用户只需要具备人工智能基本概念,即可设计开发机器学习深度学习模型,从而缩短建模人员及数据科学家创建模型的时间,降低门槛,提升效率,满足面向定制化场景的人工智能模型创建需求。探智立方首席运营官施东峰表示,公司将基于 DarwinML 的创新技术能力,以普惠 AI 为理念,使 DarwinML 成为人工智能模型设计开发的最佳工具。公司还将以快速建立定制化模型为服务目标,从模型设计、共享、迁移、生产的角度打造一个满足金融、物联网、教育、医疗等行业用户人工智能需求的平台。

左起:探智立方首席科技官钱广锐、产品总监宋煜、首席运营官施东峰、解决方案总监徐宁

大幅加速人工智能模型设计 DarwinML 颠覆 AI 游戏规则

人工智能的广泛应用是未来几年最具颠覆性的行业趋势之一,但大量行业用户在人工智能业务实践中发现,业界既有的人工智能模型无法完全满足业务需求,对人工智能模型进行定制化的设计开发不仅耗时较长,还需要大量人工智能技术与人才资源的支撑。人工智能技术的应用长期裹足不前,市场普遍需要能够大幅降低人工智能模型设计开发门槛的解决方案和开发工具。在此背景下,人工智能业界提出了 AutoML 的概念,即通过自动化的机器学习来实现人工智能模型的快速构建。

基于 AutoML 的理念,探智立方推出了人工智能模型自动设计平台 DarwinML。探智立方首席科技官钱广锐博士表示:「在开展机器学习深度学习模型设计的实践中,我们发现,大量企业最棘手的问题是时间,模型设计时间过长不仅会消耗大量资源,也会导致模型的建立滞后于业务需求。因此,我们尝试将模型优化的过程抽象成一个纯数学问题,然后利用机器的强大计算力,以搜索进化的方式,在尽可能短的时间内寻找全局最佳解决方案。我们希望通过 DarwinML 这一人工智能工具,将该能力复制到更多的行业应用中,帮助用户快速开展人工智能应用。」

探智立方首席科技官钱广锐博士

与传统基于专家的人工智能模型设计方式相比,DarwinML 能够针对客户数据,自动生成和优化符合业务场景的最优人工智能模型,将开发 AI 模型这一传统意义上由专家驱动的工作流程,转化成为业务驱动的工作流程,分析师和开发者无需关注模型建立的过程就能快速建立整套的模型,从而更加聚焦人工智能给业务带来的创新。DarwinML 拥有完全自主开发的模型基因库、模型进化算法等核心技术,提供了自我进化学习能力,可以与时俱进加快模型设计收敛速度。DarwinML 旨在打造业界「最好用」的人工智能模型设计平台,其采用图形化界面,使用操作简便性高,可直接面向需开发人工智能模型的业务人员,以「日」为单位完成模型设计,大幅加速人工智能模型设计,缩短人工智能赋能业务落地周期。

DarwinML 具备自我演化、自主设计的特性,能够大幅度降低人的参与和影响,其采用自动化数据特征提取、数据扩征和「自主学习」等技术,有效解决低质量数据标注的影响和对大量标注数据数量的依赖,让模型的准确率能够快速提升到相当高的水平。而且,DarwinML 还实现了机器学习模型的全生命周期管理,能够无缝与生产系统对接,并对生产模型实时优化。

为人工智能赋能 探智立方目标实现全球前三

在人工智能快速发展的浪潮下,机器学习模型设计需求快速增长与人工智能人才供给不足的矛盾发展的必然结果,就是 AutoML 能力的普及化,由此可能会带来超过百亿的市场规模。而在全球范围内,AutoML 产品与解决方案都处于探索期,探智立方凭借全球领先的核心技术与先发的市场优势,有望在为人工智能注入更多势能的同时,颠覆全球人工智能市场。

探智立方首席运营官施东峰对于公司的战略发展进行了阐述,他表示:「探智立方不仅将提供以 DarwinML 为核心的平台软件及服务,帮助企业用户降低人工智能模型设计所需人员技术门槛及时间,还在销售模式上进行了创新。我们正在推动建立人工智能共享云平台,提供线上模型设计定制化服务,为企业人工智能定制化提供更具敏捷性的解决方案。我们希望通过 3-5 年的努力,能够取得 AutoML 领域中国市场的领先地位,并实现全球覆盖与横向拓展。」

随着 AutoML 解决方案的广泛实施,人工智能的开发门槛将大幅降低,模型设计的主体将由人工智能专家演变为普通开发者,这将彻底重构当前的人工智能开发生态。为了给个人开发者提供服务,探智立方还将发布 DarwinML 的个人版本,支持个人开发者快捷的设计人工智能模型,并以开源的方式建立社群,这有望打造成为人工智能开发者的「Windows」系统,形成更富活力的人工智能生态。

在 8 月 2 日下午召开的 DarwinML 平台发布媒体沟通会上,探智立方首席运营官施东峰、首席科技官钱广锐、产品总监宋煜、解决方案总监徐宁进行了发言和现场答疑,对 DarwinML 平台进行了详细介绍。

探智立方首席运营官施东峰首先进行了企业和团队介绍。探智立方定位 AutoML,希望为企业、个人、开发者提供人工智能相关的定制化服务。该公司于 2017 年 12 月于北京成立,目前致力于 DarwinML 平台的开发和推广。

关于企业方向和 DarwinML 平台,施东峰谈了以下几点:

  • DarwinML 是一个 AutoML 平台,锁定的市场是企业级用户。

  • 探智立方希望通过 DarwinML 建立一个共享云平台概念,通过云概念把建模能力放在公有云上,使建模更方便,利用 AutoML 技术减低设计模式的门槛。DarwinML 适应具有足够数据但不具备自行开发人工智能解决方案的大型企业,以及需要一定程度定制化模型的中小企业的需求。

  • 从横向往纵向发展,先把平台打开,把门槛降下来。

  • 提供个人版,促进 AutoML 能力的普及化。

「我们认为 AutoML 这个技术是要做人工智能技术门槛突破了非常重要的一步,建立一个人工智能机器学习的模型需要做数据准备、特殊集群、模型、技术训练、调优,这造成今天在业界建模是一个困难的事情。AutoML 的概念是通过技术让这些步骤自动化,它能够让人建立模型,他可以通过 AutoML 把模型建出来,还缩短建模的时间,降低门槛,这是 AutoML 最大的功能。用我的话讲,把人工智能平民化,只要懂一点就会做。AutoML 不是我定义的,在今年有一些核心技术方案和理论模型,包含背后的学习,其中有一些是 AutoML,至少在今天经常看到一些报道文章,他们认为 AutoML 用工具让开发者工作简单化,这是没有改变的。」

 施东峰认为 AutoML 的成功需要有业界的强需求:

  • 人工智能是让企业提高竞争力的重要帮手;

  • 解决方案和生产数据相结合;

  • 效率;

  • 降低门槛,使企业掌握如何使用人工智能技术,包含快速建立场景模型、减低模型设计对建模人才的依赖、满足对模型设计开发时效的要求、简化模型建立所需的数据准备问题。

关于探智立方的商业模式,施东峰进行了如下介绍:

  • 大型企业:以 DarwinML 核心技术满足大型企业定制化需求,建立人工智能模型设计平台。这些企业包括保险公司、制造业等等。

  • 中小企业:共享云平台的商业模式,邀请行业系统集成商共同开发行业模型,推广中小企业市场。

关于 DarwinML 平台的市场定位:

  • 企业云平台:如大型国企、民企、外企,以需要建立人工智能专职部门的为主;客户主导,需要高度定制化的解决方案;高度机密数据,需在私有云上进行训练和生产;最后做出来的东西跟生产机构紧密结合;跨部门运行。

  • 解决方案平台:以中小企业为主,没有全职的 AI 团队;业界的现有模型无法满足需求,仍需基于商品及数据产生定制化的模型。

  • 开发者平台

探智立方 CTO 钱广锐详细介绍了 DarwinML 的技术,DarwinML 利用进化算法实现 AutoML,旨在实现人工智能落地的「平民化」。

DarwinML 具备四大特点:

  • 从「零」开始自动设计模型的 AutoML 企业级产品;

  • 统一了不同领域的技术——深度学习和机器学习;

  • 直接面向业务人员的人工智能建模工具;

  • 全生命周期管理,无缝与生产系统对接,并对生产模型实时优化。

而该平台的主要技术点在于:

  • 实现大规模分布式计算;

  • 采用进化算法;

  • 具备庞大的模型基因库。

当天正式发布的 DarwinML1.0 企业级版本实现了机器学习、分类、回归、自动化建模;实现了深度学习和机器学习,其中 DarwinML 平台支持业界四个大的运算,有 120 多个小的变种可以更好的处理问题,有 17 多种学习神经元,支持 121 个变种。DarwinML1.0 在企业级使用,现在支持 RedHat,CentOS、Ubuntu 平台,同时支持单机、CPU 集群、GPU 集群不同部署方式,能够在比较低成本的范围内实现人工智能,这样的研发五天内就能自动化生成一个模型。这是 1.0 版本的主要内容。

钱广锐提到 DarwinML 企业级版本计划半年一个小版本,一年一个大半年,不断更新迭代。且不久后将发布 DarwinML 个人版本,真正实现人工智能的平民化,成为业界人工智能设计的 Windows 系统。 

在之后的记者问答环节中,探智立方首席运营官施东峰、首席科技官钱广锐、产品总监宋煜、解决方案总监徐宁就商务模式、DarwinML 平台的实施细节等回答了记者的问题。

下月,DarwinML1.1 版本将正式发布,让我们拭目以待。


关于探智立方 iQubic

探智立方成立于 2017 年,是一家专业的人工智能公司。公司的发展方向为基于 AutoML 的概念开发人工智能模型自动设计平台 - DarwinML,以降低人工智能模型设计的门槛及所需时间,将人工智能普世化,让各行业的 IT 人员、行业专家能更简便地将人工智能落地于各种适合并需要的场景中。基于 DarwinML,公司以建立一个完整的人工智能生态圈为目标,包括企业人工智能云服务,共享云平台及开发者社区,从各个维度满足企业级客户对人工智能的期望与需求。探智立方主要创始人及核心团队均来自全球大型 IT 企业,具备扎实的理论基础,成功的产品研发案例及经验和强大业务拓展能力,目前已与数家大型企业及合作伙伴进行合作。欲了解更多,请访问: http://www.iqubic.net。 

产业创业公司探智立方AutoML
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

收敛技术

在数学,计算机科学和逻辑学中,收敛指的是不同的变换序列在有限的时间内达到一个结论(变换终止),并且得出的结论是独立于达到它的路径(他们是融合的)。 通俗来说,收敛通常是指在训练期间达到的一种状态,即经过一定次数的迭代之后,训练损失和验证损失在每次迭代中的变化都非常小或根本没有变化。也就是说,如果采用当前数据进行额外的训练将无法改进模型,模型即达到收敛状态。在深度学习中,损失值有时会在最终下降之前的多次迭代中保持不变或几乎保持不变,暂时形成收敛的假象。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

推荐文章
暂无评论
暂无评论~