本文经AI新媒体量子位授权转载（公众号ID：QbitAI），转载请联系转载来源。人工智能顶级会议NeurIPS举办的AutoDL2019-2020系列赛落下帷幕，来自中国的一家AI初创公司包揽冠亚军。与往年相比，本次比赛的难度进一步加大。大赛不局限于单一的技术领域，而是要求参赛选手设计开发一套全自动的多标签分类系统，能够解决包括图像、视频、语音、文本和结构化表格数据在内的多模态、多领域，以及探索自动深度学习技术落地。经过四个月的角逐，来自中国厦门的DeepWisdom团队获得冠军，并在GitHub上开源。这不是一场简单的比赛，不仅因为参赛选手实力雄厚，更因为题目极具挑战性。中国人工智能创业锦标赛挑战赛分为反馈阶段和决赛阶段。在反馈阶段，参赛选手基于24个训练数据集离线开发AutoDL程序，实现训练数据处理、模型结构设计、参数调整等过程。然后将AutoDL程序代码上传至竞赛平台，并通过另外5个在线私有数据集测试，获得程序性能的即时反馈。在最后阶段，竞争对手的AutoDL程序在10个私人数据集上进行了评估，没有任何人工干预。决赛阶段多轮评估的平均排名将决定获胜者。大赛以ALC（AreaunderROCLearningCurve）作为评价指标，模拟真实场景中低成本、快速应用、高精度的需求。这对参赛者的解决方案提出了一系列挑战，如“如何在不同的数据中自动发现有效信息？”、“如何提高解决方案的通用性？即如何保证解决方案在不同数据中的适用性”。未知任务？”、“如何控制计算和内存成本？”等。参赛选手分别来自清华大学、北京大学、南京大学、卡耐基梅隆大学、首尔大学、弗莱堡大学、汉诺威大学等知名大学——国内外前沿科研机构，以及谷歌、微软、阿里、腾讯、浪潮等大型科技公司，总计超过2600个commit，最终中国人工智能创业公司以深度智能两项总分第一，亚军和季军同样来自中国，分别是深蓝科技和上海AI创业公司浪潮。n、冠军计划的核心技术在于其自主研发的全自动机器学习（Full-AutoML/全自动机器学习）系统。该系统对人工智能生产的各个环节进行量化，可以全自动、端到端地生产全流程人工智能。它可以摆脱以往人工智能设计需要大量人类经验且难以快速实施的束缚。一个人类人工智能工程师需要在一个领域内进行多年的研究和探索。随着接触数据集的增加，技能掌握的增加，以及整体流程的积累，他可以在单一领域取得更好的成绩。与人类AI工程师类似，Full-AutoML需要接触更多的学习任务，以掌握不同任务的通用和特定技能。其中，MetaAI子系统模拟人类AI工程师的学习过程，通过观察现有任务的数据流形和策略效果，进行全自动探索性优化。经过观察，MetaAI可以很好地总结不同任务的知识，将原本需要数年的AI构建过程缩短到最短的几十秒。此外，该系统还具有自动数据探索、自动数据处理、自动特征工程、自动模型搜索、自动模型设计、自动模型压缩、自动超参数优化、自动集成等诸多核心组件，包括Few-shotLearning小样本学习、Weaklysupervisedlearning弱监督学习、TransferLearning迁移学习、EnsembleLearning集成学习等类型特征。这样，它可以更好地处理本次比赛涉及的涉及结构化和非结构化数据的分类任务。目前该系统已深度赋能，核心产品自动信息分发系统AutoDist（包括自动搜索系统AutoSearch、自动推荐系统AutoRecsys）和自动决策系统AutoTables已在相应场景发挥作用。来自厦门的AI创业公司深圳赋智，成立于2019年，位于厦门。主要利用AutoDL技术降低客户的AI开发成本。为电商平台提供落地AI解决方案。创始人兼CEO吴成林来自腾讯，带领团队设计并实现了千亿用户规模、千亿数据推荐系统、搜索引擎、用户画像、自然语言处理、知识图谱等系统。2019年11月，公司宣布完成数百万元种子轮融资，由迅雷创始人程浩、远望资本、源流资本创始人赖云起、腾讯网创始人王兴投资。电子商务麦座网。当时，深度智能拥有近20人的团队，核心成员是来自腾讯、谷歌、百度、华为等前沿企业的资深研究员和架构师。截至目前，深度智能及其学术团队已在协同学习/NAS/深度强化学习领域发表论文100余篇。并在KDD2019AutoML/ACML2019AutoSpeech/PKDD2019AutoCV2/ACML2019AutoWSL等国际顶级AI竞赛中获得个人/总分第一名。传送门冠军程序开源地址：https://github.com/DeepWisdom/AutoDL
