#Digital
2018.07.19
0 LIKE
200 VIEW
-
-
- 메일 공유
-
https://stories.amorepacific.com/zh/%e7%ac%ac21%e7%af%87-%e5%88%9b%e9%80%a0%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e7%9a%84%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bdau
第21篇 创造人工智能的人工智能——AutoML
专栏作家Choi Moongyu
Amorepacific Digital IT Innovation Team
什么是AutoML？
谷歌、亚马逊AWS、微软等全球科技巨头均领先一步研发和提供人工智能技术，它们所追求的目标之一就是"人工智能的普遍化"或"人工智能的大众化"。时至今日，人工智能（AI）技术是只有少数的统计与技术专家使用的高新尖端技术，很多企业依然难以应用机器学习，即使需要机器学习（Machine Learning）模型以提供专属公司的AI服务，仍缺乏能够开发服务的专业人才，而且还要花费大量时间与成本经过许多复杂的程序。因其难以把握的挑战，人们开始对人工智能持怀疑态度，科技公司与普通公司在应用这项技术方面的差距也变得越来越大。为了让普通开发者或数据专家，甚至商业分析师也能轻松应用，以加大AI技术的推广力度，谷歌推出了"AutoML"。
AutoML是创造人工智能的人工智能
迄今为止，机器学习模型开发实际由商务负责人、数据专家以及开发机器学习代码的工程师参与。开发流程为"获取数据（Fetch）→ 整理数据（Clean）→ 预处理（Prepare）→ 模型训练（Train Model）→ 模型评估（Evaluate Model）→ 模型部署（Deploy to production）→ 监控（Monitoring）"。最后为了提高机器学习模型的准确率，还要重复训练模型，以得出最佳结果。
AutoML的特点在于能够帮助人们轻松使用机器学习技术。机器学习开发者当开发模型时，要利用训练数据选择最佳算法、训练过程以及训练时所需的变数，而若想得出很好的结果，需要丰富的经验和雄厚的技术实力。 可如果使用AutoML，加上开发人员拥有一定程度的人工智能开发经验，就可以快速轻松完成任务。
AutoML的特点在于能够帮助人们轻松使用机器学习技术。机器学习开发者当开发模型时，要利用训练数据选择最佳算法、训练过程以及训练时所需的变数，而若想得出很好的结果，需要丰富的经验和雄厚的技术实力。 可如果使用AutoML，加上开发人员拥有一定程度的人工智能开发经验，就可以快速轻松完成任务。
-
SageMaker开发流程图
AutoML的优点
创造人工智能的人工智能之所以能够实现，是因为采用了机器学习技术"迁移学习（Transfer learning）"与"学会学习（Learning2learn）"。其原理在于自动再利用已完成的人工智能模型，进而更快、更简单地解决新问题。
AutoML的优点总结如下：
第一，准确率极高。AutoML利用事先学习好的模型来学习机器学习模型，可以更准确、更简单地学习机器学习模型。
第二，制作速度快。现有人工智能模型开发需要短至几周、长至几个月的时间，而使用AutoML可以大大缩短开发时间。
第三，用户界面简单。比起现有复杂的编程界面，可以利用直观易理解的用户界面（GUI）轻松开发机器学习模型。
第一，准确率极高。AutoML利用事先学习好的模型来学习机器学习模型，可以更准确、更简单地学习机器学习模型。
第二，制作速度快。现有人工智能模型开发需要短至几周、长至几个月的时间，而使用AutoML可以大大缩短开发时间。
第三，用户界面简单。比起现有复杂的编程界面，可以利用直观易理解的用户界面（GUI）轻松开发机器学习模型。
AutoML发展现状
1) 谷歌为帮助用户轻松开发机器学习，推出了"Cloud AutoML"服务。谷歌CEO桑达尔•皮查伊展望了美好未来：大约5年内，不懂编程或计算机语言，也能根据自己的需要设计机器学习程序。
资料来源 : https://www.blog.google/products/google-cloud/cloud-automl-making-ai-accessible-every-business/
2) 亚马逊AWS也推出了人工智能开发平台SageMaker。它能够让用户轻松建立机器学习开发环境，提供基于亚马逊.com开发经验获得验证的算法及各种机器学习平台，以便自动开发简单稳定的服务。
3) 微软也更新现有的"Machine Learning Studio"，推出能够轻松创建人工智能与服务的完整管理型服务"Azure AI"。
拯救人工智能的AutoML
在人工智能领域，人才缺口非常严重。
2017年底有关人工智能现状的报道显示，人工智能人才需求在全球范围内呈井喷式增长，全世界AI相关企业所需的专业人才数量估计达100万人，但实际仅有30万，而且这30万中10万是研究人员，因此人工智能专业人才实际缺口约80万。加之，由于AI专家培养不易，人才短缺情况无法在短时间内改变，而且每年培养出来的人才仅为2万人左右，因此人才供应远低于市场需求。
【来源：腾讯《2017全球人工智能人才白皮书》】
韩国企业计划在5年内聘用AI高端人才9049名，但人才供应量仅为1781名，企业面临着不足7268名的人才短缺危机。
【来源：《电子新闻》 http://www.etnews.com/20180427000267】
就韩国而言，NAVER由Clova AI研究团队带头在国内外学术大会上发表研究成果，仅在今年第一季度招聘AI人才超过1500名，致力于确保人才以提高在AI行业的实力。三星已在美国、英国、加拿大、俄罗斯成立全球人工智能研究中心，并在韩国AI中心的带领下，计划到2020年将人工智能研发人员增至1000人以上。
【来源：《中央日报》 http://news.joins.com/article/22446495】
在不易确保人工智能高端人才的情况下，对一般企业来说，确保AI人才更是困难重重。当开发人工智能时，如果企业自主开发或者使用开放源代码，可以将人工智能技术内部化，但是由于技术开发需要投入大量人力、成本和时间，导致存在因速度过慢而在竞争中落后的风险。
在"AI Everything"的人工智能时代，将人工智能融入商业化应该是所有企业必须解决的课题。AutoML正是帮助缺乏人工智能开发能力的企业也能够将人工智能适用到服务领域的技术，这将给商业领域带来深刻变化。
爱茉莉太平洋目前所处情况应该和其他公司差不多，期待AutoML能带给我们现实性的解决方案。
在"AI Everything"的人工智能时代，将人工智能融入商业化应该是所有企业必须解决的课题。AutoML正是帮助缺乏人工智能开发能力的企业也能够将人工智能适用到服务领域的技术，这将给商业领域带来深刻变化。
爱茉莉太平洋目前所处情况应该和其他公司差不多，期待AutoML能带给我们现实性的解决方案。
亚马逊数码慧超与AutoML
我在今年3月被选为主题慧超后，正参与"亚马逊数码慧超"项目。5月中旬被派遣到人工智能研究最活跃的美国西雅图，大约一个半月与亚马逊及其技术专家一起学习机器学习，并参与将其实际应用到商业领域的项目。
-
第一天，亚马逊总部 / 第一天，亚马逊总部前台
在这里通过基础课程、高级课程与实习课程，学习利用亚马逊的AutoML即SageMaker开发机器学习模型的方法，提高人工智能开发能力。幸运的是，我拿到向亚马逊技术伙伴（Dimensional Mechanics）学习AutoML工具的机会，这家公司正推进AutoML升级项目，将亚马逊的现有SageMaker发展成更强大的"创造人工智能的人工智能"。值得一提的是，创造人工智能的人工智能的知识库（Knowledge Base）叫Oracle，Oracle会随着经验的累积，变得越来越聪明，因此未来可以更轻松、更高效地解决各种难题。这对想使用AutoML的企业来说应该很有吸引力。
-
Dimensional Mechanics标志
-
Neopulse标志
-
在DM接受neopulse CEO培训
-
Neopulse开发过程
才刚起步的机器学习开发虽然很难，但我亲身体验到如果使用AutoML，可以快速轻松完成简单的课题。
我在写这篇文章的时候，正前往旧金山准备与亚马逊的机器学习解决方案研究室（Machine Learning Solution Lab）参与使用SageMaker开发机器学习模型的项目。
我在写这篇文章的时候，正前往旧金山准备与亚马逊的机器学习解决方案研究室（Machine Learning Solution Lab）参与使用SageMaker开发机器学习模型的项目。
-
ML Solution Lab
我的目标是以亚马逊数码慧超经验为参考，回到韩国之后，成为推动人工智能商业化与普及的爱茉莉太平洋人工智能专家（CoE，Core Of Excellence），助公司一臂之力，而且与其他同事分享AutoML的应用及实践经验，为提高爱茉莉太平洋的人工智能实力做出贡献。我会成功完成亚马逊数码慧超任务，望多支持！
-
喜欢
0 -
推荐
0 -
赞赏
0 -
支持
0 -
想看后续
0