AutoML：未来“让 AI 学习设计 AI”
AutoML：未来“让 AI 学习设计 AI”
机器学习的兴起带动了这一波人工智能的浪潮。而自动机器学习 AutoML 则有可能引领下一代潮流。
AutoML 是一套用于自动化神经网络设计和训练的 AI 工具套件，它通过减少对 AI 专业知识的依赖，降低企业的准入门槛，使技术更民主化。通常，构建表现优良的机器学习应用，需要非常专业的数据科学家和领域专家。而 AutoML 的目标则是在即使没有统计学和机器学习方面的广泛知识的情况下，也能自动构建机器学习应用。
“神经网络的设计非常耗时且对专业要求很高，为此，我们创建了一种名为 AutoML 的方法，希望让神经网络自己设计神经网络。”谷歌 CEO 桑达尔·皮查伊（Sundar Pichai） 在博文中写道。于是，谷歌于 2017 年正式为此创造了 “ AutoML”。
（来源：谷歌）
而自谷歌提出这一概念后，用于 AI 设计的 AutoML 工具，包括数据准备、训练、模型搜索及特征工程的采用率一直在逐渐增加。如 Waymo 最近与谷歌合作，使寻找最佳神经网络架构的过程自动化，从而使自动驾驶汽车能够从激光雷达（光检测和测距）数据识别树木、行人和车辆。谷歌云 AutoML 还可用于计算机视觉、视频处理、翻译和 NLP 任务。初创公司还为企业提供即插即用的解决方案。
同时，中国也出现了不少相关研究，称能够解放算法工程师，让 AI 自动化。在去年的数据挖掘领域顶会 PAKDD 的 AutoML 挑战赛上，中国公司深兰的 DeepBlueAI、微软&北航团队、清华大学等团队都有上榜。
其中，深兰科技团队设计的机器学习框架通过融合不同时期的数据以及结合 DNN 和 Light GBM 的训练来自适应概念漂移，并引入了自适应采样来缓解类别不平衡，同时在一定时间间隔上让模型重复训练以适应概念漂移，实现终身机器学习。
关键词
人才短缺
在 AI 专家严重短缺的现实情况下，AutoML 能帮 AI 知识不足的企业将技术民主化。
成本和复杂性
即使对于专家而言，设计神经网络也是一个耗时的手动过程。AutoML 可创建更好的解决方案，并降低与试错相关的计算成本。
https://blog.csdn.net/weixin_42137700/article/details/104279062
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69946223/viewspace-2675300/ ，如需转载，请注明出处，否则将追究法律责任。
