巨子 ICON - 財經股票資訊及專家分析
快訊
資訊
    虛擬市場
    專家

    快訊

    資訊

    被華為天才少年帶火的AutoML,到底有多大「錢景」?

    被華為天才少年帶火的AutoML,到底有多大「錢景」?

    華為天才少年鍾釗爆火後,AutoML也順勢獲得了廣泛關注。

    AutoML(Automated Machine Learning,自動化人工智能),通俗來說就是讓AI去學習AI,從而減少人工的參與,讓機器完成更復雜的工作。

    在鍾釗來到華為工作之前,華為諾亞方舟實驗室已經在進行AutoML方向的相關研究。在這基礎之上,鍾釗團隊實現了業內首個AutoML大規模商用。

    鍾釗本人也在知乎上親自回應了最近的熱議。他表示「手機拍照團隊第一次做大規模驗證的業務。簡單說是計算攝影/AI-ISP,就是用AI方法對RAW圖處理,來替換加強傳統圖像處理的過程。這個是端側功耗和速度要求最高的任務,一方面我們有DXO評分(DXOMARK,評估智能手機鏡頭與相機的商業測評網站)和消費者效果的壓力,另一方面要維持消費者的是否卡頓和發熱基礎體驗。」

    儘管鍾釗在知乎上表示「自己並不是天才,這個title帶來了許多壓力。還是希望能低調一點,真正做點我喜歡的事情」,但他進入華為正是通過「天才少年」計劃被招募進去的。

    2019年,華為創始人任正非發起「天才少年」計劃,旨在吸引頂尖人才。鍾釗正是被招募而來的首批「天才少年」,目前華為已招募17名「天才少年」。鍾釗入職後,正是作為AutoML研究組的領導,帶領團隊研究相關應用。

    據連線Insight了解,AutoML其實已經發展多年,國內外其他科技企業,在AutoML技術上也有了相關成果。谷歌在2018年推出了AutoML Vision平台,百度也有專門的AutoML平台——EasyDL,阿里、騰訊等企業也在AutoML領域有不同的研究方向與應用。

    從商業價值來看,AutoML可以應用在各行各業,這也是國內外科技企業紛紛入局的重要原因。

    華為天才少年,只是揭開了AutoML大規模商用的序幕,今後在其他領域或能看見更多AutoML應用的場景。

    華為天才少年,帶火了AutoML

    一位天才少年,讓AutoML技術一夜成名。

    據近期華為內刊《華為人》在一篇文章提到,首批「天才少年」鍾釗,在入職不到一年的時間裏,與團隊將AutoML技術應用到了數千萬台華為手機上,做到了在業界第一次將AutoML大規模商用的突破。

    據鍾釗在自述中提到,他入職後第一個任務就是研究如何用算法彌補光學的不足,以此實現手機拍照超越單反拍照的效果。

    「手機拍照的競爭力一直是手機產品線關注的重點。由於手機上的光源器件很小,但是又需要它達到單反相機的效果,所以我們部門一直在努力研究如何用算法來彌補光學的不足,實現手機拍照超越單反拍照的效果。」鍾釗在自述中提到。

    從描述中可以看到,手機拍照的效果要想超越單反拍照,實現難度可想而知,但這就是鍾釗團隊接到的任務。

    公開資料顯示,在2019年,華為M系列手機決定要上線鍾釗所在團隊的一個重要的拍照算法,當時M系列手機拍照算法包含有一個很大的AI模型。儘管拍照效果不錯,但在功耗、出圖速度上一直無法達到產品交付標準,進而嚴重影響了整個產品的交付進度。

    此時鐘釗所在的團隊,必須要解決這一問題,保證產品的交付進度。而當時鍾釗的導師,也就是所在部門最頂級的專家建議用AutoML技術來解決這個難題。

    從純技術角度來看,AutoML技術既可以保證拍照出圖效果,又能將算法簡化,滿足產品功耗、速度等指標要求。

    但關鍵問題是,此前關於功耗、速度等難題,早就有眾多算法專家研究過,但一直沒能完全解決,初出茅廬的鐘釗與團隊人員能夠解決嗎?

    在鍾釗的自述中,他提到當時不僅學術界沒有任何公開的將AutoML應用在像素級任務上的研究,更不用說是直接商用AutoML的樣例了。

    為此,鍾釗與團隊人員是跨過了學術研究,直接將基礎研究與商用落地同時進行了,通過商用實戰來使用AutoML這個最新技術,「可以說是在一邊打仗一邊造武器」。

    具體做了哪些工作,鍾釗也在知乎上親自進行了回答。他提到早期工作主要是用AutoML自動進行各種成像模型壓縮加速,同時針對華為自研的麒麟晶片,基於硬件在環反饋,做自動化的模型親和設計,所以最終的模型會和市面上的常見模型有許多細節不同。這個問題的難點在於不能降低效果,對功耗和速度要求又特別高,同時還沒有很有效的評價方法。

    2019年,鍾釗團隊希望整個AutoML應該從自動造數據集,覆蓋到最後的量化階段。也就是通過AutoML技術在保證拍照出圖效果的前提下,把算法簡化下來,滿足產品功耗、速度等指標的要求。

    事實證明,鍾釗團隊商用實戰的效果獲得了不錯的突破,如今AutoML這套拍照系統或者說算法在華為M、P系列多款手機中實現了不可替代的作用,這一技術也應用到了數千萬台華為手機。

    據華為表示,AutoML技術已成為部門的核心公共能力,也支持了視頻、ARVR、河圖等眾多媒體的關鍵業務。

    鍾釗也在知乎上表示,目前,很多技術還沒有完全商用,後續華為手機視頻效果還有待繼續提升。

    這位華為天才少年,可謂將AutoML技術徹底帶火了。

    AutoML還有哪些應用空間?

    追溯AutoML的起源,最早源自2012年學術界提出的一個新觀念——Programming by Optimization(PbO),意思為最優化程序開發,但實際上這是解決程序開發時人工調校參數的問題,即將這部分工作交由機器來做。

    理論上,如果機器可以自行調校參數,的確可以大幅度解放人力,進而讓人力去幹更具有創造性的工作。但如何讓機器擁有自我調校的能力,這是一個難題。

    為此,AutoML的概念提出後,一直沒有太多聲響。直到在2018年穀歌雲全球NEXT大會上,谷歌雲人工智能和機器學習首席科學家李飛飛宣佈谷歌AutoML Vision進入公共測試版,並推出了兩款新的AutoML產品:AutoML Natural Language和AutoML Translation。

    這兩款產品的基本原理是可以用AI設計AI,讓更多對機器學習了解有限的人,將Google的AI技術運用到產品打磨中,從而降低使用機器學習的門檻。

    具體來講,AutoML Natural Language可以解析文本的結構和意義,可用於從文本文檔、新聞或博文中提取有關人物、地點、事件等訊息。AutoML Translation則可以使用最新的神經機器翻譯技術將字符串翻譯成任何支持的語言。

    也就是從這時開始,AutoML在更大的範圍內被世人所知。

    Google AutoML發布後,業內將其稱之為Google Cloud發展的戰略轉型。這是因為一直以來面向機器學習人工智能開發者的Google Cloud,現在開始服務更為廣大的人群了。

    簡單來說,Google AutoML是開發「利器」。即使是一個對人工智能不太懂的人,在Google AutoML平台上,上傳標籤數據後,也能得到一個定製化的機器學習模型。而從導入數據到標記,最後訓練模型完成,都可以通過拖放界面完成。

    當時,Google AutoML的服務僅支持計算機視覺模型,但谷歌表示後續會支持所有標準機器學習模型,包括語音、翻譯、視頻、自然語言處理等。

    其實,在谷歌發布Google AutoML時,迪士尼等企業已經在測試這項服務。

    迪士尼消費產品和互動媒體CTO及高級副總裁Mike White曾提到:「Cloud AutoML的技術能幫我們創建計算機視覺模型,根據迪士尼的角色、產品類別和顏色來標註我們的產品,這些標註可以整合到我們的搜索引擎中,在shopDisney商店中通過更相關的搜索結果、更快地發現速度和產品推薦,來加強用户體驗。」

    此外,服裝品牌Urban Outfitters也在嘗試使用Google AutoML服務,優化客户購物體驗。

    一般來說,服飾品牌產品屬性多樣,這就導致消費者選擇空間很大,而為了能根據消費者需求推薦相關產品,以及輸出準確的搜索結果。Urban Outfitters此前需要創建和維護一組極其細緻的產品屬性列表,而通過Google AutoML,可以通過識別花紋、領口樣式等細微差別,自動將產品歸類,幫助消費者更好的發現適合自己的產品。

    可以看到,AutoML的應用場景極為廣泛,不僅可以在視覺領域進行應用,還可在語音、視頻、搜索等領域發揮所長。

    據谷歌雲人工智能研發負責人李佳曾在博客中透露,目前AutoML的註冊用户也已經超過1.8萬家,服務行業橫跨媒體、零售、金融、保險、能源、醫療、環境等。同時,AutoML超過10%的用户來自醫療和生命醫學行業,產品也推動了用户在醫療影像輔助檢測,以及推動了哮喘、嬰兒猝死綜合徵方面的創新。

    目前來看,AutoML可以應用在各行各業,只不過由於當前技術原因,暫時只適用於某些領域。而AutoML的應用前景如此廣闊,自然也吸引了國內外的科技企業紛紛入局。

    國內還有哪些企業在研發AutoML?

    AutoML作為AI技術中的一份子,其發展自然也緊跟時代的步伐。

    今年6月,知名數據公司IDC中國發布《中國AI公有云服務市場研究報告-2020》,該報告顯示,2020年中國AI公有云服務整體市場規模達24.1億元人民幣,佔比整體AI軟件市場10.4%。預計到2025年,中國AI軟件市場公有云服務佔比將達到36.1%。

    2020年中國AI公有云服務市場格局上,百度智能雲、阿里雲、騰訊雲、華為雲位居前四。在產品上,各大廠商陸續推出各個技術領域的自學習平台,作為不同形式的AutoML產品。

    百度多年以來在AI領域的積累,也終於發揮了重要作用。從報告來看,百度智能雲在國內AI公有云服務市場份額最高,其AI應用全面開花、多行業落地。

    百度旗下的AutoML平台名為「EasyDL」,不同於傳統意義上的AutoML,EasyDL是一個專門針對深度學習模型訓練與發布的平台。而且在EasyDL平台之前,百度已經有深度學習計算引擎 PaddlePaddle,這是一個專業級計算平台,目標群體為具有一定計算機與算法基礎的專業AI算法工程師。

    此外,百度還有AI開放平台,用户可以根據平台提供的API(應用程序接口)付費調用百度的AI算法能力,以此實現自己的需求。但是AI開放平台的算法模型無法覆蓋全領域場景,這就導致很多企業的定製化需求無法被滿足。

    基於此,百度推出了EasyDL平台,目的是為了解決AI賦能行業的痛點,以及滿足企業定製化深度學習模型的需求。當前,該平台有經典版、專業版和零售版,提供圖像識別、文本分類、聲音分類、視頻分類等服務分類。

    據百度EasyDL官方顯示,當前已經攜手90多萬用户,服務20多個行業場景,在零售、醫療、農業、工業等領域得到廣泛應用。

    從技術與應用範圍來看,百度的EasyDL平台在國內外科技企業中都能夠排在前列。而阿里、騰訊等國內知名科技企業也不甘落後,均推出了相關服務。

    阿里雲機器學習 PAI(Platform of Artificial Intelligence)就是一站式的機器學習平台,其中PAI 提供了從模型自動調參到一鍵部署,再到線上的流式計算服務等一系列的工業級模型部署方案。PAI-AutoML也支持幾種調參方法,如自定義參數、網格搜索、隨機搜索以及進化算法等,也支持不同情況下的調參需求。

    PAI 自動調參這一功能,既可以讓不清楚算法原理的入門者也能進行部署,也解放了資深算法工程師的時間,其自定義調參功能替代了工程師在細節參數上的重複性勞動。

    除了大廠之外,國內獨立AI公司也推出了AutoML平台,如第四範式對AutoML算法進行了產品化封裝,推出了一款自動化AI生產力平台Sage HyperCycle ML。

    在第四範式的介紹中,其表示HyperCycle ML將原本繁瑣的機器學習應用構建過程提煉為行為、反饋、學習和應用四個步驟,用户只需完成簡單的配置,即可輕鬆啟動一個自動機器學習圈的持續學習和預估服務,實現了業務人員也可以用的AI產品。

    當前,第四範式的HyperCycle ML平台主要應用在精準營銷、逾期預測、反欺詐、反洗錢等領域,客户則大多為中國工商銀行、廣發銀行等銀行為主。

    在華為天才少年爆火之前,國內外科技企業其實早已在研究AutoML技術,並且將其應用在了各個領域。

    或許,我們現在使用的某個網路服務背後,AutoML正在發揮着無可取代的作用。

    本文由《香港01》提供

    於本流動應用程式(App)或服務內所刊的專欄、股評人、分析師之文章、評論、或分析,相關內容屬該作者的個人意見,並不代表《香港01》立場。