四川贸易新闻网-权威门户网站

第四范式亮相NeurIPS “NeurIPS 2018 AutoML挑战赛”圆满落幕

发布时间:2018-12-05 05:12:29 投稿人 : 四川贸易新闻网 围观 :22次

  近日,人工智能顶级会议NeurIPS 2018在加拿大蒙特利尔召开,由第四范式、ChaLearn、微软和阿卡迪亚大学联合承办的“NeurlPS 2018 AutoML 挑战赛”经过四个月的激烈角逐最终落下帷幕,并公布了比赛成绩:来自印度的Autodidact.ai团队获得全球第一名;清华计算机系朱文武实验室Meta_Learners团队位列第二;浪潮集团联合北京邮电大学、中南大学的团队GrandMasters位列第三。

  本次挑战赛分为反馈(Feedback,代码提交)、AutoML(盲测)两个阶段进行。在挑战赛前期的反馈阶段,微软与北京大学的团队DeepSmart、清华与MIT 的团队HANLAB、南京大学PASA实验室的团队Fong排名前三位。

  

  大赛吸引了全球近三百支队伍参赛,囊括麻省理工学院、加州大学伯克利分校、德州农工大学、清华大学、北京大学、北京邮电大学、南京大学、埃因霍芬理工大学等世界顶尖高校和微软、腾讯、阿里巴巴等科技行业巨头,以及Autodidact.ai、Rapids.ai,AIDA Tech等新兴创业公司,Auto-sklearn、Auto-keras等著名AutoML开源框架的作者团队也参与了比赛。

  

  与之前的AutoML竞赛相比,此次比赛聚焦在更贴近实际应用的终身自动机器学习(AutoML for Lifelong Machine Learning),设定了计算效率、多种特征类型、概念漂移(Concept Drift)、终身机器学习设定等诸多挑战。对此,该赛事负责人之一、第四范式资深机器学习架构师涂威威认为:“概念漂移和终身学习的环境使得自动化机器学习变得更为困难,自动化机器学习不再是解决一个满足独立同分布的、只有一个训练集和测试集的静态问题,而是解决一个更加贴近实际业务、数据分布会发生变化的动态环境问题。由于数据不断的增加,资源有限,就需要选手设计更加精巧的算法进行更好地迁移学习。参赛者们从样本、特征和模型的角度做了很多改进,比如做时序特征、样本选择、模型迁移等。此外,复杂的特征类型使得特征工程变得更加复杂和困难。在很多实际业务中,特征工程往往也是开发过程中更重要的部分。本次竞赛的获奖者们在自动特征工程上也带来了非常多的创新。”

  近年来,人工智能应用已在诸多领域取得了成功,但在这些成功的应用中,人工智能专家参与了机器学习的所有阶段起到了关键作用。受制于人工智能专家的稀缺性和成长周期的客观影响,未来人工智能应用规模化发展和落地将遭遇瓶颈,AutoML等前沿技术能够降低人工智能对专家的依赖,所以受到了学术界、工业界的广泛关注,使得NeurIPS、PAKDD等学术顶会都相继举办此类赛事。

  作为本次大赛的组织方之一,第四范式从2015年开始关注并深耕AutoML领域,从解决客户业务增长需求的角度出发,构建了反欺诈、个性化推荐等业务场景下的AutoML,并赋能给企业的开发人员,帮助其取得了接近甚至超过数据科学家的业务效果。目前,第四范式已经研发了自动特征组合(FeatureGo)、自动时序特征(TemporalGo)、自动深度稀疏网络DSN(Deep Sparse Network)等AutoML支撑技术。近期,第四范式对外发布了Auto-SSL(自动半监督学习)与多保真度优化两项技术论文,其中Auto-SSL将AutoML推向半监督学习领域,应用场景更加贴合AI落地现状;多保真度优化更是大规模AutoML优化问题走向实际应用的关键技术。

  未来,第四范式希望与更多有志于AutoML技术的研究者和团队开展深入的合作与交流,共同推动前沿技术的发展与落地实践,为AutoML的应用普及提供新的思路和动力。