钛媒体4月22日消息，近日，全自动AI中台提供商“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。
本论文通过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。
据悉，“深度赋智”成立于2019年，致力于MetaAI技术（以AI制作AI）的算法研究及商业场景落地。公司创始人兼CEO吴承霖毕业于厦门大学计算机系，创立深度赋智之前，吴承霖是笨鸟社交(B+轮)首席科学家，AI Lab负责人，并曾获2018年福布斯30位30岁以下精英等荣誉。
成立一年来，深度赋智已经完成了SaaS平台中多个核心模块的开发，为零售/鞋服、工业制造、交易平台、金融等行业的B端客户提供全自动AI中台SaaS服务，旨在降低AI应用落地的人力成本。去年10月，深度赋智宣布完成由梅花创投投资的数千万元天使轮融资。
简单来说，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。
而本论文作者通过创新性地提出了一种新型的全自动机器学习框架， 引入自动化模型，让机器自己“学习如何学习”，即AI复制AI。
根据论文叙述，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”操作即刻，大大减少了用户学习成本。同时，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最优结果（SOTA）方案。
深度赋智方面表示，目前该公司已将这一成果应用于其自研的天机自动机器学习平台，并为零售/ 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。客户数据表明，这一平台的整套解决方案可大幅提高决策、推荐、搜索等任务的效果，并提升40%~60%的商业指标，为客户实现超过60%的人力成本节约和显著的净利率提升。
2020年4月，该公司利用新型的全自动机器学习框架，获得了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，证明了这一框架在不同场景的普适性。
在人才方面，深度赋智团队来自于985/211院校，以及包括Stanford、CMU、Oxford、IC、UCL、清华、北大、厦大等院校的一流人才，并汇聚了来自腾讯、Google、百度、华为等公司的资深研究员、架构师，拥有十亿级用户、千亿级数据的AI落地经验。
吴承霖方面表示，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。
（本文首发钛媒体App，作者｜林志佳）
