g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Bu Çinli yapay zeka girişimi en büyük yarışmayı kazandı, kod açık kaynak

Aufei Tapınağı'ndan Kuru Ming Qubit Raporu | Genel Hesap QbitAI

En iyi yapay zeka konferansı NeurIPS tarafından düzenlenen AutoDL 2019-2020 serisi yarışmalar sona erdi.Çin'den yapay zeka girişimleri şampiyonluk ve ikincilik kazandı.

Önceki yıllara kıyasla bu rekabetin zorluğu daha da arttı.

Yarışma tek bir teknik alanla sınırlı değildir, ancak yarışmacıların görüntüler, videolar, ses, metin ve yapılandırılmış tablo verilerini içeren çok modlu ve çok alanlı otomatik çok etiketli bir sınıflandırma sistemi tasarlamasını ve geliştirmesini ve otomatik derin öğrenme teknolojisini keşfetmesini gerektirir. İniş.

Dört ay süren yarışmanın ardından, Çin'in Xiamen şehrinden DeepWisdom takımı şampiyonluğu kazandı ve GitHub'da açık kaynaklı oldu.

Bu basit bir yarışma değil, sadece yarışmacılar güçlü olduğu için değil, aynı zamanda sorular zorlayıcı olduğu için.

Çinli yapay zeka girişimi şampiyonluğu kazandı

Zorluk, bir geri bildirim aşaması ve bir son aşama olarak bölünmüştür. Geri bildirim aşamasında yarışmacılar, eğitim verisi işleme, model yapı tasarımı, parametre ayarı ve diğer süreçleri gerçekleştirmek için 24 eğitim veri setine dayalı olarak AutoDL programlarını çevrimdışı geliştirir.

Ardından, AutoDL program kodunu yarışma platformuna yükleyin ve program performansı hakkında anında geri bildirim almak için 5 çevrimiçi özel veri seti testini daha geçin.

Son aşamada, yarışmacıların AutoDL programı hiçbir manuel müdahale olmaksızın 10 adet özel veri seti üzerinden değerlendirilir. Son aşamadaki birden fazla değerlendirme turunun ortalama sıralaması kazananı belirleyecektir.

Yarışma, gerçek sahnelerde düşük maliyetli, hızlı uygulama ve yüksek doğruluk gereksinimlerini simüle etmek için değerlendirme indeksi olarak ALC'yi (ROC Öğrenme Eğrisi Altındaki Alan) kullanır.

Bu, yarışmacıların çözümlerinde "Farklı verilerde otomatik olarak etkili bilgi nasıl bulunur?" Ve "Çözümün genelliği nasıl geliştirilir? Yani çözümün bilinmeyen görevlere uygulanabilirliği nasıl sağlanır gibi bir dizi zorluk ortaya çıkarır. ? "," Hesaplama ve hafıza maliyeti nasıl kontrol edilir? "Vb.

Katılımcılar; Tsinghua Üniversitesi, Pekin Üniversitesi, Nanjing Üniversitesi, Carnegie Mellon Üniversitesi, Seul Üniversitesi, Freiburg Üniversitesi, Hannover Üniversitesi ve yurtiçi ve yurtdışındaki diğer tanınmış sınır bilimsel araştırma kurumlarından geldi. Teknoloji şirketleri toplamda 2.600'den fazla başvuru yaptı.

Sonunda, Çinli AI start-up şirketi, derinlemesine istihbarat ikili etkinliğinin toplam puanında birinciliği kazandı ve şampiyonluğu kazandı. İkinci ve üçüncü olan, aynı zamanda Çin'den, yani Şangay merkezli AI girişimi Shenlan Technology ve Inspur.

Şampiyon şeması

Deep Intelligence'ın tanıtımına göre, temel teknolojisi, bağımsız olarak geliştirilen Tam Otomatik Makine Öğrenimi (Tam Otomatik ML / tam otomatik makine öğrenimi) sistemindedir.

Bu sistem, AI üretiminin tüm bağlantılarını nicelendirir.Tam otomatik ve uçtan uca tam süreçli AI üretebilir.Önceki AI tasarımının çok fazla insan deneyimi gerektirdiği ve hızlı bir şekilde uygulanması zor olan kısıtlamalardan kurtulabilir.

Bir insan YZ mühendisinin birkaç yıl boyunca tek bir alanda çalışması ve keşfetmesi gerekiyor. İletişim veri setlerinin artması, uzmanlık becerilerinin artması ve genel sürecin birikimiyle, tek bir alanda daha iyi sonuçlar elde edebilir.

İnsan yapay zeka mühendislerine benzer şekilde, Full-AutoML'nin farklı görevlerdeki ortak ve özel becerilerde ustalaşmak için daha fazla öğrenme görevine maruz kalması gerekir.

Bunların arasında MetaAI alt sistemi, insan yapay zeka mühendislerinin öğrenme sürecini simüle eder ve mevcut görevlerin veri manifoldunu ve strateji etkilerini gözlemleyerek tam otomatik keşif optimizasyonu gerçekleştirir.

Gözlemden sonra, MetaAI farklı görev bilgilerini iyi bir şekilde özetleyebilir ve başlangıçta birkaç yıl süren AI yapım sürecini en kısa onlarca saniyeye kısaltabilir.

Dahası, bu sistem aynı zamanda Few-shot Learning dahil olmak üzere otomatik veri keşfi, otomatik veri işleme, otomatik özellik mühendisliği, otomatik model arama, otomatik model tasarımı, otomatik model sıkıştırma, otomatik hiperparametre optimizasyonu, otomatik entegrasyon gibi çok sayıda temel bileşene sahiptir. Küçük örneklemli öğrenme, Zayıf denetimli öğrenme zayıf denetimli öğrenme, Transfer Öğrenimi transfer öğrenimi, Ensemble Learning entegre öğrenme ve diğer özellikler.

Böylece, bu yarışmada yapılandırılmış ve yapılandırılmamış verileri içeren sınıflandırma görevlerini daha iyi idare edebilir.

Şu anda, bu sistem derinlemesine akıllı hale getirilmiştir.AutoDist (otomatik arama sistemi AutoSearch ve otomatik öneri sistemi AutoRecsys dahil) ve otomatik karar sistemi AutoTables, ilgili senaryolarda zaten bir rol oynamıştır.

Xiamen'den yapay zeka girişimleri

Deep Zhizhi, 2019'da kuruldu ve Xiamen'de bulunuyor ve müşteriler için AI geliştirme maliyetini azaltmak için esas olarak AutoDL teknolojisini kullanıyor. E-ticaret platformları için iniş yapay zeka çözümü sağladı.

Kurucu ve CEO Wu Chenglin, Tencent'ten geliyor ve ekibi, 100 milyar kullanıcı ölçeğine ve 100 milyar veri ölçeğine sahip öneri sistemleri, arama motorları, kullanıcı portreleri, doğal dil işleme, bilgi grafikleri ve diğer sistemleri tasarlamaya ve uygulamaya yönlendirdi.

Kasım 2019'da şirket, Xunlei ve Yuanwang Capital'in kurucusu Cheng Hao, Flow Capital'in kurucusu Lai Yunqi ve Tencent e-ticaret Maizuo.com'un kurucusu Wang Xing tarafından yatırım yapılan multi milyon yuan tohum finansman turunun tamamlandığını duyurdu.

O zamanlar DeepFaith'in yaklaşık 20 kişilik bir ekibi vardı ve çekirdek üyeler, Tencent, Google, Baidu ve Huawei gibi son teknoloji şirketlerden kıdemli araştırmacılar ve mimarlardı.

Şimdiye kadar, Deep Intelligence ve akademik ekibi işbirliğine dayalı öğrenme / NAS / derin pekiştirmeli öğrenme alanlarında 100'den fazla makale yayınladı.

Ve KDD 2019 AutoML / ACML 2019 AutoSpeech / PKDD 2019 AutoCV2 / ACML 2019 AutoWSL gibi en iyi uluslararası AI yarışmalarında, ilk olarak tek öğe / toplam puanı kazandı.