AutoML derin öğrenme kış teorisini çözüyor, Xia Fen, Xiaobai'ye 5 dakikada makine öğrenimi modellemesi almayı öğretiyor
Craig Xin Zhiyuan bugün
Xinzhiyuan Raporu
Yazar: Craig
Xin Zhiyuan Rehberi Dün, yerli AutoML girişim şirketi Zhiyou Technology, otomatik bir makine öğrenimi ürünü olan "Xiaozhi" yi piyasaya sürdü. Kamuya ait verilere göre, bu, yerel olarak dağıtılan ilk AutoML ticari ürünüdür. Özel bir konuk olarak, Xinzhiyuan'ın kurucusu Bayan Yang Jing, Zhiyu Technology'nin ürün lansman konferansında AI yazılım ve donanımının gelişim durumu ve eğilimi ve AutoML uygulaması hakkında bir açılış konuşması yaptı.
"AI Winter" argümanı değişmeden kalır, ancak AI yazılım ve donanım yeteneklerinin büyümesi tartışılmaz bir gerçektir.
OpenAI tarafından yayınlanan veriler, 2012'den bu yana AI bilgi işlem gücünün her 3,5 ayda iki katına çıktığını ve bu göstergenin altı yılda 300.000 kattan fazla arttığını gösteriyor.
AMD aynı zamanda küresel 7nm işlemli ilk GPU yongası Prototip, donanım yeteneklerinin hala Moore Yasasına karşı yarıştığını gösteriyor.
Bu bağlamda, veri madenciliği ve otomatik modelleme gibi kurumsal düzeydeki hizmetler büyük bir pazar alanını başlattı.AutoML'nin ortaya çıkışı, işletmelerin veri bilimcilerine aşırı derecede güvenmeden yapay zeka uygulamalarına hızlı bir şekilde yatırım yapmasına olanak tanır ve ayrıca geleneksel kurumsal yapay zekayı çözer Yetenek eksikliği, yüksek işçilik maliyetleri ve yüksek zaman maliyetleri gibi sorunlar.
Dün, yerel AutoML girişimi Zhiyou Technology, otomatik bir makine öğrenimi ürünü olan "Xiaozhi" yi piyasaya sürdü. Kamuya açık verilere göre, bu bir yerel Özel olarak dağıtılabilen ilk AutoML ticari ürünü . Özel bir konuk olarak, Xinzhiyuan'ın kurucusu Bayan Yang Jing, Zhiyu Technology'nin ürün lansman konferansında AI yazılım ve donanımının gelişim durumu ve eğilimi ve AutoML uygulaması hakkında bir açılış konuşması yaptı.
Yapay zeka hesaplama gücü 6 yılda 300.000 kat arttı ve yazılım ve donanım yeteneklerinin büyümesi, derin öğrenmenin "kış teorisini" kırdı
Son zamanlarda, bilgisayarla görme uzmanı Filip Piekniewski'nin "AI Kış Yolunda" makalesi ekranı kaydırdı ve derin öğrenmenin popülaritesinin büyük ölçüde düştüğüne ve AI kışının yaklaştığına inanıyordu.
Yang Jing, "Makine Öğrenimini Daha Akıllı Hale Getirmek" konuşmasında "Derin öğrenmenin tavan var mı?" Diye sordu. Şu anda, yüz tanıma veya konuşma tanıma dahil, doğruluk oranı% 98,% 99 seviyesine ulaştı, "Kalan% 1,% 2, iyileştirme için çok az yer olduğu anlamına mı geliyor?"
Xinzhiyuan'ın kurucusu ve CEO'su Bayan Yang Jing
UC Berkeley Üniversitesi Profesörü İzin verirseniz Son zamanlarda Weibo'da, verilerin uydurulmasıyla elde edilen derin sinir ağı modelinin (sınıflandırma, algılama, segmentasyon vb.) Küçük sayısal rahatsızlıklara ve küçük dönüşümlere (hatta çeviri) sahip olduğunu gösteren giderek daha fazla kanıt yayınlandı. ) Sağlam bir yana, kararsızdır.
Dolayısıyla şu anda, derin öğrenmeye dayalı "yapay zeka", ağrısız uygulamalarda kullanılmaktadır. Böyle bir modeli ciddi sorunlara (güvenlik, gizlilik ve güvenilirlik gerektiren konular gibi) uygulamak çok tehlikeli olmalıdır.
Yang Jing, son birkaç yılda gerçekten de derin öğrenme patlaması olduğuna inanıyor, ancak gelecekte, özellikle 2020'de bu kadar patlayıcı bir büyüme oranı olacak mı? Böylece derin öğrenme sorunu ortaya çıktı.
Ancak, akademi dünyasından endüstriye yönelik çabalar, derin öğrenmeyi sürekli olarak patlayıcı hale getiriyor.
OpenAI yakın zamanda AI bilgi işlem gücünün büyüme eğilimi hakkında bir analiz raporu yayınladı. 2012'den beri, AI eğitiminde kullanılan bilgi işlem gücü 3,5 ayda bir ikiye katlandı. 2012'den beri bu gösterge 300.000 arttı. Bundan kat daha fazla, bu Moore Yasasının gelişimini çok aşıyor. Bu hızlı ilerleme, derin öğrenmeyi ve makine öğrenimini sınırsız olanaklar ve patlayıcı büyüme ile dolu hale getirir.
Donanım açısından AMD, yapay zeka ve derin öğrenme için tasarlanmış, 32 GB yüksek bant genişliğinde bellek içeren dünyanın ilk 7 nanometre GPU çip prototipini geçtiğimiz hafta gösterdi. Yang Jing, AI ile ilgili donanımın çok yüksek bir hızda büyüdüğüne inanıyor, bu nedenle aslında derin öğrenmenin geliştirme hızı Mording'inkinden gerçekten daha hızlı.
Veri Madenciliği ve Otomatik Modelleme: Kurumsal Hizmet Pazarında Patlayıcı Fırsatlar
Yapay zeka yazılım ve donanım yeteneklerinin büyüme oranı, kurumsal düzeyde veri madenciliği ve otomatik modelleme gibi bulut hizmetleri için büyük bir pazar alanı getirdi.Amazon, Microsoft ve Google gibi şirketler, kurumsal düzeydeki bulut hizmetlerinde makine öğrenimi için özellikle güçlü desteğe sahiptir.
IDC'nin analizi, yapay zeka donanım ve yazılım kurumsal düzey pazarının ölçeğinin önümüzdeki birkaç yıl içinde dört veya beş kat artacağına işaret etti.Şu anda görülebilen, Amazon'un şu anda AI bulut pazarının% 40'ından fazlasını oluşturduğu Microsoft ve Google yakından takip etti.
Google'ın AI bulut hizmeti pazarındaki ani ortaya çıkışı, AI bulut hizmetlerinde yeni bir yazılım ve donanım entegrasyon çözümü sağlamasıdır.
Bu program TPU, TensotFlow ve AutoML içerir. Trinity kombinasyonu Kurumsal düzeyde bulut yazılımı ve donanımında Google'ın büyük bir avantajını oluşturdu.
Yang Jing, Çinli şirketler için açık kaynak çerçevelerinin ve AI yongalarının çok zayıf olduğuna dikkat çekti, ancak AutoML gerçekten bir boşluk ve fırsattır . "Tıpkı Çin'in çipsiz olduğu gibiyiz. Ayrıca açık kaynak çerçevelerimiz ve otomatik makine öğrenimi için kendi algoritmalarımız da yok. Ancak AutoML açısından en azından Zhiyu Teknolojisinin dört gözle beklemeye değer karanlık bir at olduğunu düşünüyorum."
Aynı zamanda, makine öğrenimi şu anda büyük ölçüde veri bilimcilere dayanıyor ve yetenek eksikliği, yüksek işçilik maliyetleri ve yüksek zaman maliyetleri gibi sorunlarla karşı karşıya. İşletmelerin denetimsiz veya otonom öğrenme için artan bir talebi var.
Doçent, Bilgisayar Bilimi ve Teknolojisi Bölümü, Tsinghua Üniversitesi Zhu Jun Bunun, teknolojiyi sektöre tanıtmak için makine öğrenimi araştırmacılarının çözmesi gereken önemli bir sorun olduğuna inanılıyor. "Alpha Zero daha olumlu bir örnektir, örneğin çevre kurallarının sınırlı olduğu ve açıkça ifade edilebildiği zaman, yeteneği bağımsız öğrenme yoluyla geliştirilebilir."
Wisdom Uranium ilk yerli AutoML ticari ürününü piyasaya sürdü, AI Xiaobai makine öğrenimi modellemesini 5 dakikada tamamlayabilir
Zhiyu Technology dün AutoML ürünü "Xiaozhi" yi piyasaya sürdü.
AutoML kavramı, akademi tarafından 2012 yılında önerilen yeni bir kavramdan doğmuştur - Optimizasyonla Programlama (PbO), bu kavram, kelimenin tam anlamıyla, programlama sırasında parametrelerin manuel olarak ayarlanması sorununu çözmek için program geliştirmeyi optimize etmek anlamına gelir.
Görüntü tanımaya odaklanan Google Cloud AutoML'den farklı olarak, Zhiyu Technology şu anda yapılandırılmış verilere odaklanıyor ve kurumlara tam süreç, otomatik modelleme ve dağıtım yetenekleri getirmeye kararlı ve otomatik bir makine öğrenimi ürünü "Xiaozhi" geliştirdi. Şirketlerin yapay zekanın temelini oluşturmasına ve yapay zeka odaklı gerçekleştirmesine yardımcı olun.
Wisdom Uranium Technology CEO'su Dr. Xia Fen, Çin Bilimler Akademisi Otomasyon Enstitüsü'nden mezun oldu ve makine öğrenimi alanında 15 yıldan fazla araştırma ve uygulama deneyimine sahip. Baidu'da kıdemli bir bilim insanıydı ve Baidu'nun ultra büyük ölçekli makine öğrenimi ekibinden sorumluydu. (Xin Zhiyuan daha önce yalnızca Zhi Uranium Technology'nin finansman durumu hakkında bilgi vermişti)
Wisdom Uranium Technology, AutoML'de uzmanlaşan birkaç şirketten biridir ve aşağıdaki teknik avantajlara sahiptir:
- veri işleme. Orijinal önem örnekleme teknolojisi,% 90 rastgele örnek etkisi elde etmek için% 1 örnek seçin.
- Parametre öğrenimi. Orijinal parametre arama algoritması, manuel parametre ayarlamasının zaman alıcı ve emek harcayan sorununu çözer.
- Model algoritması.
Model algoritması optimizasyonu: Melaleuca model algoritması, LR yakınsama hızı% 60 artırıldı; FGBDT algoritması XGBoost'tan daha hızlı ve daha iyi;
Büyük ölçekli sinir ağı: Yüz milyarlarca numuneyi destekler ve karakteristik veri miktarını aktarır.Model, bin katmandan derin bir katmana esnek bir şekilde desteklenir ve bir trilyon bağlantılı sinir ağı yapısı DNN kurulabilir.
- Özellik öğrenimi. Orijinal özellik mühendisliği algoritması: Birleşik özellik madenciliğinin verimliliği binlerce kez artırılır ve zengin yüksek dereceli özellik çıkarma yöntemleri; etiketlenmemiş verilerden etkili özelliklerin çıkarılması için destek.
Zhiyou tarafından piyasaya sürülen "Xiaozhi" ürünü, yüksek hassasiyetli modelleri otomatik olarak oluşturabilir ve kullanıcılara veri ön işleme, özellik mühendisliği, model parametre ayarı, model değerlendirme, model tahmininden sonuç analizine kadar tek noktadan hizmetler sağlayabilir.
Xiaozhi, orijinal algoritmalarla otomatik modellemeyi gerçekleştirmenin yanı sıra, ürün etkileşiminde basitlik ve kullanım kolaylığı ilkesini de uygular.Sezgisel web arayüzü, herhangi birinin Xiaozhi ile etkileşime girmesine izin verir. AI arka planı gerekmez. Kullanıcılar ayrıca tıklayabilir Tam modelleme, ROC eğrisi ve doğru geri çağırma eğrisi gibi yerleşik görselleştirme efektleri, kullanıcıların işlerini daha derinlemesine anlamalarını sağlayabilir. Xia Fen'e göre: "Genel senaryolarda, sıradan iş personeli Xiaozhi'nin yardımıyla gelişmiş modelciler seviyesine ulaşabilir."
Xiaozhi'nin sektöre ürünler şeklinde sağlanacağı, genel bulut ve SAAS modellerini desteklemenin yanı sıra özelleştirilmiş kurulum da sağladığı bildirildi.
