首页 > 专题

共达地自研AutoML,实现AI算法自动化生产

2022-11-24 20:37:45 责任编辑:AIauto 来源:中企网 点击数:7264

  过去十年,AI算法的落地集中在人脸识别、车牌识别等社会治理领域,安防、交通是AI技术最快实现产业化、市场化的行业应用。

  但其实,AI在更广阔的领域,比如工业、教育、医疗、农业等领域,还有很大的市场空间正待开发,未来各行各业将涌现出大量的AI算法生产需求。

  然而,AI算法开发生产过程周期长、专业门槛高、成本高的问题,一直是制约AI成功落地的一大因素。一个AI算法从提出规划想法,到模型最终上线,需要10-15人的开发团队,整个开发周期长达数月,其效率和成本都无法应对未来大规模AI场景落地的需要。

  目前,各行业的软件开发商或系统集成商,在实际项目中都需要定制化开发AI算法。共达地高级市场总监李苏南认为,作为软件开发商,为了完成项目的定制化开发,花费巨资、人力和时间,组建、培育自己的AI开发团队,这明显是不现实的,对比项目落地的实际产出,投资回报往往并不理想。

  据统计,AI领域的人才缺口在2022-2024年将达到150万,专业算法工程师的培养门槛、培养成本极高。另一方面,目前行业主要通过“堆人头”的方式进行算法训练,效率低、周期长,导致AI超大规模与精细化的商业落地陷入瓶颈。

  为了解决这个行业痛点,基于AutoML建立的AI自动化训练平台,推动算法生产自动化,成为不少软件开发商和系统集成商的睿智之选。

0代码,成本低,精度高

  近日,共达地高级市场总监李苏南在接受OFweek维科网·电子工程编辑采访时表示,通过AutoML自动化AI训练平台,把AI算法的开发效率,从过去以月为单位,缩短至以小时为单位,整个项目不需要AI工程师参与,不需要写一行代码,而且算法精度高于行业平均水平。

  AutoML自动化AI训练平台就是通过“AI生产AI”,实现算法生产自动化,解决过去AI落地难、算法生产周期长、成本高等问题,已成为行业公认的解决方案。

  李苏南认为,AI算法“场景定制化”的特点,决定了AI算法不太可能被标准化,但我们可以做到AI算法生产流程的标准化,通过AutoML自动化机器学习,用AI训练AI,把算法生产过程中十几个步骤用自动化的方式,标准化地进行训练,包括自动超参调节、自动的神经网络选择、自动模型压缩和裁剪,自动的迁移学习、知识蒸馏等技术。

  AutoML平台把这些技术封装平台当中,用户只需要做到AI场景的定义和数据的采集,随后整个模型的训练和生产过程都可以由AutoML平台自动化的去完成。简单来说,就是“进去的是数据,出来的是算法”。

  目前,共达地自主打造的AutoML自动化AI训练平台,通过全自动数据工程,可以在数小时内完成AI模型训练,面向行业提供规模化的AI算法定制能力。过往实践经验显示,共达地AuotML自动化AI训练平台可在1周内从0到1定制算法并完成交付,精度超出行业平均水平。

  在算法精度方面,共达地的算法超市提供5000+种“即买即用”的AI算法,算法精度达到92%以上,可以媲美8年以上经验的算法工程师。

  李苏南认为,算法要做到高精度,无非是需要更多的精确适配场景的数据,以及持续的、高频次的优化迭代。AutoML的自动化机器学习可以24小时“不眠不休”进行自我优化和训练,效率会高很多,最终呈现的算法精度也会更高。

  在算法落地部署方面,共达地的AI自动化训练平台,可以快速适配行业90%以上的主流芯片和硬件,比如华为昇腾、Intel、高通、英伟达等主流厂商的芯片和硬件设备,共达地都进行了预先的适配,算法落地部署做到灵活、快速。

  据了解,共达地目前已适配100多款芯片,对比行业平均水平,在适配性上有相当大的优势,在项目落地的时候,让客户可以更主动更宽泛地选择硬件设备。

解决AI大规模商业化落地难题

  共达地成立于2020年,是国内领先的人工智能自动化训练平台服务商,专注于通过AutoML自动化机器学习实现AI的大规模商业化落地。

  李苏南表示,共达地是行业首个实现了“端到端”自动化机器学习的服务商,推出第一个“端到端”的AutoML平台。所谓“端到端”,是指从需求定义开始,一直到模型的下发,整个过程实现了自动化,不需要人工参与,也不需要写任何一行代码,共达地在行业中第一个做到了这一点。

  在产品理念上,李苏南认为,要真正把行业的门槛降低,让更多人可以使用和创造AI,就需要做到“端到端”,做到AI算法开发全流程的自动化,不需要算法工程师的参与。

  目前,共达地已与智慧城市、智能制造、智慧农业以及AIoT行业的诸多企业达成合作。

  李苏南介绍,共达地主要面向行业提供三类服务:

  1.平台服务:客户可通过共达地AutoML自动化AI训练平台自行建设算法生产能力,适用于算法需求量较大,对训练效率要求较高的客户;

  2.算法定制服务:主要面向算法需求不常见或需求量较少、完全不具备AI能力的客户;

  3.算法商城服务:即市面上的主流算法需求,可通过共达地算法商城直接采买,一天内即可部署;

  以平台服务为例,共达地与一家专注于计算机视觉深度研发的人工智能公司合作,对方使用共达地AutoML自动化AI训练平台快速生产算法,并通过其深耕多年的行业渠道,将算法集成为行业解决方案交付给终端客户。

  基于自动化AI训练平台,该公司将算法开发周期从原本数月缩短至了数小时内,并且在常规数据集下算法精度可媲美人类工程师。两家的合作已入选信通院2022“人工智能平台应用优秀案例”,同样入选的还有中国联通研究院、中国移动通信集团天津有限公司、华为云计算技术有限公司、百度网讯科技有限公司等十八家企业。

  在智慧交通的应用场景中,湖南省某市的交通管理部门在建设相关项目时,便使用了共达地的AutoML自动化AI训练平台,定制了“行车未系安全带识别”、“行车打电话识别”等有关安全驾驶的一系列相关AI视觉算法。在几乎没有投入AI算法工程师的情况下,两周之内便完成了各类复杂交通场景下的AI算法模型训练。

  并且,基于共达地自动化AI训练平台对于芯片的广泛适配,快速将算法部署到基于其芯片的硬件设备之中,仅用三周时间便完成算法定制开发和下发部署整套流程。

  除此之外,基于这次合作,通过共达地自动化AI训练平台训练出来的定制化算法,也被用于智慧城市监控、智慧金融网点安防等场景。

  李苏南认为,城市管理是非常典型的超大规模AI应用的场景,其中业务场景非常复杂,算法数量非常多,算法开发需要精细化适配各种场景,用AutoML自动化AI训练去解决这种问题,就显得非常有必要,对客户来说也能产生最大的价值。

下一步规划

  提及下一步的规划,李苏南回答,共达地首先会把客户服务好,同时提升平台的易用性,提升算法输出的完善度和可靠度,以及把硬件生态伙伴“朋友圈”建的更加完善。帮助现有客户解决他们的痛点问题。

  目前,共达地AutoMl自动化AI训练平台已经支持99%以上的视觉场景,包括检测、分割、分类、动作识别、单目3D等等。未来,共达地会引入更多更新的视觉场景,比如包括3D点云、事件识别等,这些都会放在未来的产品规划当中。

  李苏南称,世界上能够用肉眼去解决的视觉问题,都可以用自动化机器学习平台做出AI算法,这是我们的一个纵深的目标。

  此外,共达地将会大力发展生态社区,让AI从业者,甚至是各行各业对AI有兴趣的人都可以参与进来的社区,大家通过算法生产能力标准化的平台,用自己的行业知识与AI技术相结合,不断创造出新的AI算法,让AI应用到更广阔的千行百业,解决更广泛的问题,创造更核心的价值。