首页 >> 动态 >

【2020年CIO必看趋势5】AutoML成主流AI服务标配客製模型门槛更容易了

2021-02-15 18:01:48 来源：用户：

就连云端龙头AWS也在2019年底的re:Invent大会上，重磅宣布在机器学习整合环境Amazon SageMaker Studio中，新增机器学习流程自动化功能AutoPilot，押宝AutoML产品。（摄影／李宗翰）

2020年，AI依然是个关键字，但不同的是，实现各种AI应用背后的关键模型，其开发和训练门槛变得更低、支援的类型将更广，甚至不懂程式开发的领域专家，都能自己动手快速建立ML模型。关键就是，去年Google发表的AutoML机器学习自动化服务类型，现在成了各大主流公云的标準配备，连云端龙头AWS在2019年12月刚推出的AI整合开发工具Amazon SageMaker Studio中，都主打机器学习自动化功能AutoPilot，只要上传表格型资料，就能自动建立可用的机器学习预测模型。

AutoML从先前的少数独有，到现在变成了主流机器学习服务的标準配备，也大多朝向网页化介面、免程式开发特性、工作流程视觉化管理的共同趋势发展，可说是进入新的AutoML 2.0阶段。

这意味着，更多分析人力不足的中小型企业能够受惠。IBM在2019年初的报告指出，一家企业光是优化、管理机器学习模型，就需要1至6名资料科学家。而爆发式的AutoML 2.0产品，让这些缺乏人才的中小型企业，也能自己打造客製化的机器学习模型，提供更贴近产业特性的应用。

回顾过去，2018年，云端巨头以自家丰厚的云端资源，相继推出低门槛的模型自动化开发与训练服务。最典型的例子，就是年初最先登场的Google Cloud AutoML，一次瞄準影像辨识（Vision）、翻译（Translation）和自然语言（Natural Language）等三大领域，支援CNN、RNN和LSTM三种演算法，让企业能用自己的资料，来打造客製化AI模型。

进一步来说，Google Cloud AutoML的特别之处，在于能自动挑选演算法、调整超参数，透过不断优化找出最合适的模型。另一主打特色，是不用撰写程式码，或简称No Code（免程式码），透过配置档或参数设定，上传训练用的资料，就可开始进行模型训练。以影像辨识为例，使用者只要上传数十或数百张照片，就能训练出专属的AI模型，大幅降低AI开发门槛。Cloud AutoML的影像辨识、翻译和自然语言服务，随后也在隔年11、12月正式上线。

Google Cloud AutoML的特色，成为自动化机器学习服务的蓝本。2018年底，微软也在Azure Machine Learning中，正式推出自动化机器学习服务（Automated ML），支援迴归、分类和预测等演算法，其中一些功能也在2019年正式上线。这项服务，虽然仅支援结构化资料作为训练资料，但仍是企业无程式码机器学习服务的另一选择。

更多大厂投入，AutoML遍地开花

自此，更多大厂争相加入AutoML战局，纷纷跨出第一步，发表简易、自动化程度更高的机器学习开发服务。

IBM就是其中之一。比如，2019年第二季时，IBM在自家机器学习服务Watson Studio中，正式推出可自动调校模型的无程式码机器学习功能AutoAI，提供自动化资料预处理、特徵工程，以及超参数调整等功能。不过，相较于Google Cloud AutoML，AutoAI只支援迴归和分类演算法，在资料类型上，也仅支援结构化资料的CSV格式，档案大小限制为100MB。

另一方面，数据分析龙头SAS也加入AutoML战局。2019年第四季，SAS宣布在自家云端开发环境平台Viya中，正式新增自动化机器学习功能。同样主打简易操作，新功能可自动执行资料整理、特徵工程，以及演算法挑选等流程，并支援分类和回归演算法。

这股AutoML风潮，也吹进由Apache Spark技术团队创办的资料科学公司Databricks，2019年8月，正式在自家整合分析平台中，推出自动化机器学习工具套件（AutoML Toolkit），支援迴归与分类演算法，可自动处理特徵工程、调校超参数、模型搜寻，以及模型部署。有趣的是，它同时也提供细緻的控制功能，让资料科学家可手动微调。

採取类似作法的，还有云端龙头AWS，瞄準企业资料科学家和没受过机器学习训练的业务，于2019年底，在机器学习整合开发环境Amazon SageMaker Studio中，新添自动化机器学习功能AutoPilot，除了自动进行模型训练，还会产生Python程式码，来告诉使用者AutoPilot如何预处理资料；对资料科学家来说，可作为日后手动修改的参考。

AI模型开发成工厂作业，2020年迎来应用大爆发

自Google发表Cloud AutoML以来，开启了AutoML百家争鸣的时代， ML门槛一再降低，连没有资料科学团队的企业，都可快速训练模型、开发AI应用，使AI模型开发成为工厂作业，可快速大量训练和客製化生产。不论何种产业，都更容易发展各自的产业AI应用，2020年将带来另一波企业AI应用的大爆发。