文／李信

編輯／子夜  

華為天才少年鐘釗爆火后，AutoML也順勢獲得了廣泛關(guān)注。

AutoML（Automated Machine Learning，自動化人工智能），通俗來說就是讓AI去學習AI，從而減少人工的參與，讓機器完成更復雜的工作。

在鐘釗來到華為工作之前，華為諾亞方舟實驗室已經(jīng)在進行AutoML方向的相關(guān)研究。在這基礎之上，鐘釗團隊實現(xiàn)了業(yè)內(nèi)首個AutoML大規(guī)模商用。

鐘釗本人也在知乎上親自回應了最近的熱議。他表示“手機拍照團隊第一次做大規(guī)模驗證的業(yè)務。簡單說是計算攝影／AI－ISP，就是用AI方法對RAW圖處理，來替換加強傳統(tǒng)圖像處理的過程。這個是端側(cè)功耗和速度要求最高的任務，一方面我們有DXO評分（DXOMARK，評估智能手機鏡頭與相機的商業(yè)測評網(wǎng)站）和消費者效果的壓力，另一方面要維持消費者的是否卡頓和發(fā)熱基礎體驗。”

鐘釗在知乎回應，圖源知乎截圖

盡管鐘釗在知乎上表示“自己并不是天才，這個title帶來了許多壓力。還是希望能低調(diào)一點，真正做點我喜歡的事情”，但他進入華為正是通過“天才少年”計劃被招募進去的。

2019年，華為創(chuàng)始人任正非發(fā)起“天才少年”計劃，旨在吸引頂尖人才。鐘釗正是被招募而來的首批“天才少年”，目前華為已招募17名“天才少年”。鐘釗入職后，正是作為AutoML研究組的領導，帶領團隊研究相關(guān)應用。

據(jù)連線Insight了解，AutoML其實已經(jīng)發(fā)展多年，國內(nèi)外其他科技企業(yè)，在AutoML技術(shù)上也有了相關(guān)成果。谷歌在2018年推出了AutoML Vision平臺，百度也有專門的AutoML平臺——EasyDL，阿里、騰訊等企業(yè)也在AutoML領域有不同的研究方向與應用。

從商業(yè)價值來看，AutoML可以應用在各行各業(yè)，這也是國內(nèi)外科技企業(yè)紛紛入局的重要原因。

華為天才少年，只是揭開了AutoML大規(guī)模商用的序幕，今后在其他領域或能看見更多AutoML應用的場景。

1、華為天才少年，帶火了AutoML

一位天才少年，讓AutoML技術(shù)一夜成名。

據(jù)近期華為內(nèi)刊《華為人》在一篇文章提到，首批“天才少年”鐘釗，在入職不到一年的時間里，與團隊將AutoML技術(shù)應用到了數(shù)千萬臺華為手機上，做到了在業(yè)界第一次將AutoML大規(guī)模商用的突破。

據(jù)鐘釗在自述中提到，他入職后第一個任務就是研究如何用算法彌補光學的不足，以此實現(xiàn)手機拍照超越單反拍照的效果。

“手機拍照的競爭力一直是手機產(chǎn)品線關(guān)注的重點。由于手機上的光源器件很小，但是又需要它達到單反相機的效果，所以我們部門一直在努力研究如何用算法來彌補光學的不足，實現(xiàn)手機拍照超越單反拍照的效果�！辩娽撛谧允鲋刑岬健�

從描述中可以看到，手機拍照的效果要想超越單反拍照，實現(xiàn)難度可想而知，但這就是鐘釗團隊接到的任務。

公開資料顯示，在2019年，華為M系列手機決定要上線鐘釗所在團隊的一個重要的拍照算法，當時M系列手機拍照算法包含有一個很大的AI模型。盡管拍照效果不錯，但在功耗、出圖速度上一直無法達到產(chǎn)品交付標準，進而嚴重影響了整個產(chǎn)品的交付進度。

此時鐘釗所在的團隊，必須要解決這一問題，保證產(chǎn)品的交付進度。而當時鐘釗的導師，也就是所在部門最頂級的專家建議用AutoML技術(shù)來解決這個難題。

從純技術(shù)角度來看，AutoML技術(shù)既可以保證拍照出圖效果，又能將算法簡化，滿足產(chǎn)品功耗、速度等指標要求。

但關(guān)鍵問題是，此前關(guān)于功耗、速度等難題，早就有眾多算法專家研究過，但一直沒能完全解決，初出茅廬的鐘釗與團隊人員能夠解決嗎？

在鐘釗的自述中，他提到當時不僅學術(shù)界沒有任何公開的將AutoML應用在像素級任務上的研究，更不用說是直接商用AutoML的樣例了。

為此，鐘釗與團隊人員是跨過了學術(shù)研究，直接將基礎研究與商用落地同時進行了，通過商用實戰(zhàn)來使用AutoML這個最新技術(shù)，“可以說是在一邊打仗一邊造武器”。

具體做了哪些工作，鐘釗也在知乎上親自進行了回答。他提到早期工作主要是用AutoML自動進行各種成像模型壓縮加速，同時針對華為自研的麒麟芯片，基于硬件在環(huán)反饋，做自動化的模型親和設計，所以最終的模型會和市面上的常見模型有許多細節(jié)不同。這個問題的難點在于不能降低效果，對功耗和速度要求又特別高，同時還沒有很有效的評價方法。

2019年，鐘釗團隊希望整個AutoML應該從自動造數(shù)據(jù)集，覆蓋到最后的量化階段。也就是通過AutoML技術(shù)在保證拍照出圖效果的前提下，把算法簡化下來，滿足產(chǎn)品功耗、速度等指標的要求。

事實證明，鐘釗團隊商用實戰(zhàn)的效果獲得了不錯的突破，如今AutoML這套拍照系統(tǒng)或者說算法在華為M、P系列多款手機中實現(xiàn)了不可替代的作用，這一技術(shù)也應用到了數(shù)千萬臺華為手機。

華為P50 Pro拍攝的圖片，圖源華為官網(wǎng)

據(jù)華為表示，AutoML技術(shù)已成為部門的核心公共能力，也支持了視頻、ARVR、河圖等眾多媒體的關(guān)鍵業(yè)務。

鐘釗也在知乎上表示，目前，很多技術(shù)還沒有完全商用，后續(xù)華為手機視頻效果還有待繼續(xù)提升。

這位華為天才少年，可謂將AutoML技術(shù)徹底帶火了。

2、AutoML還有哪些應用空間？

追溯AutoML的起源，最早源自2012年學術(shù)界提出的一個新觀念——Programming by Optimization（PbO），意思為最優(yōu)化程序開發(fā)，但實際上這是解決程序開發(fā)時人工調(diào)校參數(shù)的問題，即將這部分工作交由機器來做。

理論上，如果機器可以自行調(diào)校參數(shù)，的確可以大幅度解放人力，進而讓人力去干更具有創(chuàng)造性的工作。但如何讓機器擁有自我調(diào)校的能力，這是一個難題。

為此，AutoML的概念提出后，一直沒有太多聲響。直到在2018年谷歌云全球NEXT大會上，谷歌云人工智能和機器學習首席科學家李飛飛宣布谷歌AutoML Vision進入公共測試版，并推出了兩款新的AutoML產(chǎn)品：AutoML Natural Language和AutoML Translation。

這兩款產(chǎn)品的基本原理是可以用AI設計AI，讓更多對機器學習了解有限的人，將Google的AI技術(shù)運用到產(chǎn)品打磨中，從而降低使用機器學習的門檻。

具體來講，AutoML Natural Language可以解析文本的結(jié)構(gòu)和意義，可用于從文本文檔、新聞或博文中提取有關(guān)人物、地點、事件等信息。AutoML Translation則可以使用最新的神經(jīng)機器翻譯技術(shù)將字符串翻譯成任何支持的語言。

也就是從這時開始，AutoML在更大的范圍內(nèi)被世人所知。

Google AutoML發(fā)布后，業(yè)內(nèi)將其稱之為Google Cloud發(fā)展的戰(zhàn)略轉(zhuǎn)型。這是因為一直以來面向機器學習人工智能開發(fā)者的Google Cloud，現(xiàn)在開始服務更為廣大的人群了。

簡單來說，Google AutoML是開發(fā)“利器”。即使是一個對人工智能不太懂的人，在Google AutoML平臺上，上傳標簽數(shù)據(jù)后，也能得到一個定制化的機器學習模型。而從導入數(shù)據(jù)到標記，最后訓練模型完成，都可以通過拖放界面完成。

當時，Google AutoML的服務僅支持計算機視覺模型，但谷歌表示后續(xù)會支持所有標準機器學習模型，包括語音、翻譯、視頻、自然語言處理等。

其實，在谷歌發(fā)布Google AutoML時，迪士尼等企業(yè)已經(jīng)在測試這項服務。

迪士尼消費產(chǎn)品和互動媒體CTO及高級副總裁Mike White曾提到：“Cloud AutoML的技術(shù)能幫我們創(chuàng)建計算機視覺模型，根據(jù)迪士尼的角色、產(chǎn)品類別和顏色來標注我們的產(chǎn)品，這些標注可以整合到我們的搜索引擎中，在shopDisney商店中通過更相關(guān)的搜索結(jié)果、更快地發(fā)現(xiàn)速度和產(chǎn)品推薦，來加強用戶體驗。”

此外，服裝品牌Urban Outfitters也在嘗試使用Google AutoML服務，優(yōu)化客戶購物體驗。

一般來說，服飾品牌產(chǎn)品屬性多樣，這就導致消費者選擇空間很大，而為了能根據(jù)消費者需求推薦相關(guān)產(chǎn)品，以及輸出準確的搜索結(jié)果。Urban Outfitters此前需要創(chuàng)建和維護一組極其細致的產(chǎn)品屬性列表，而通過Google AutoML，可以通過識別花紋、領口樣式等細微差別，自動將產(chǎn)品歸類，幫助消費者更好的發(fā)現(xiàn)適合自己的產(chǎn)品。

可以看到，AutoML的應用場景極為廣泛，不僅可以在視覺領域進行應用，還可在語音、視頻、搜索等領域發(fā)揮所長。

據(jù)谷歌云人工智能研發(fā)負責人李佳曾在博客中透露，目前AutoML的注冊用戶也已經(jīng)超過1．8萬家，服務行業(yè)橫跨媒體、零售、金融、保險、能源、醫(yī)療、環(huán)境等。同時，AutoML超過10％的用戶來自醫(yī)療和生命醫(yī)學行業(yè)，產(chǎn)品也推動了用戶在醫(yī)療影像輔助檢測，以及推動了哮喘、嬰兒猝死綜合征方面的創(chuàng)新。

目前來看，AutoML可以應用在各行各業(yè)，只不過由于當前技術(shù)原因，暫時只適用于某些領域。而AutoML的應用前景如此廣闊，自然也吸引了國內(nèi)外的科技企業(yè)紛紛入局。

3、 國內(nèi)還有哪些企業(yè)在研發(fā)AutoML？

AutoML作為AI技術(shù)中的一份子，其發(fā)展自然也緊跟時代的步伐。

今年6月，知名數(shù)據(jù)公司IDC中國發(fā)布《中國AI公有云服務市場研究報告－2020》，該報告顯示，2020年中國AI公有云服務整體市場規(guī)模達24．1億元人民幣，占比整體AI軟件市場10．4％。預計到2025年，中國AI軟件市場公有云服務占比將達到36．1％。

2020年中國AI公有云服務市場格局上，百度智能云、阿里云、騰訊云、華為云位居前四。在產(chǎn)品上，各大廠商陸續(xù)推出各個技術(shù)領域的自學習平臺，作為不同形式的AutoML產(chǎn)品。

百度多年以來在AI領域的積累，也終于發(fā)揮了重要作用。從報告來看，百度智能云在國內(nèi)AI公有云服務市場份額最高，其AI應用全面開花、多行業(yè)落地。

百度旗下的AutoML平臺名為“EasyDL”，不同于傳統(tǒng)意義上的AutoML，EasyDL是一個專門針對深度學習模型訓練與發(fā)布的平臺。而且在EasyDL平臺之前，百度已經(jīng)有深度學習計算引擎 PaddlePaddle，這是一個專業(yè)級計算平臺，目標群體為具有一定計算機與算法基礎的專業(yè)AI算法工程師。

此外，百度還有AI開放平臺，用戶可以根據(jù)平臺提供的API（應用程序接口）付費調(diào)用百度的AI算法能力，以此實現(xiàn)自己的需求。但是AI開放平臺的算法模型無法覆蓋全領域場景，這就導致很多企業(yè)的定制化需求無法被滿足。

EasyDL的技術(shù)方向，圖源EasyDL官網(wǎng)

基于此，百度推出了EasyDL平臺，目的是為了解決AI賦能行業(yè)的痛點，以及滿足企業(yè)定制化深度學習模型的需求。當前，該平臺有經(jīng)典版、專業(yè)版和零售版，提供圖像識別、文本分類、聲音分類、視頻分類等服務分類。

據(jù)百度EasyDL官方顯示，當前已經(jīng)攜手90多萬用戶，服務20多個行業(yè)場景，在零售、醫(yī)療、農(nóng)業(yè)、工業(yè)等領域得到廣泛應用。

從技術(shù)與應用范圍來看，百度的EasyDL平臺在國內(nèi)外科技企業(yè)中都能夠排在前列。而阿里、騰訊等國內(nèi)知名科技企業(yè)也不甘落后，均推出了相關(guān)服務。

阿里云機器學習 PAI（Platform of Artificial Intelligence）就是一站式的機器學習平臺，其中PAI 提供了從模型自動調(diào)參到一鍵部署，再到線上的流式計算服務等一系列的工業(yè)級模型部署方案。PAI－AutoML也支持幾種調(diào)參方法，如自定義參數(shù)、網(wǎng)格搜索、隨機搜索以及進化算法等，也支持不同情況下的調(diào)參需求。

PAI 自動調(diào)參這一功能，既可以讓不清楚算法原理的入門者也能進行部署，也解放了資深算法工程師的時間，其自定義調(diào)參功能替代了工程師在細節(jié)參數(shù)上的重復性勞動。

除了大廠之外，國內(nèi)獨立AI公司也推出了AutoML平臺，如第四范式對AutoML算法進行了產(chǎn)品化封裝，推出了一款自動化AI生產(chǎn)力平臺Sage HyperCycle ML。

在第四范式的介紹中，其表示HyperCycle ML將原本繁瑣的機器學習應用構(gòu)建過程提煉為行為、反饋、學習和應用四個步驟，用戶只需完成簡單的配置，即可輕松啟動一個自動機器學習圈的持續(xù)學習和預估服務，實現(xiàn)了業(yè)務人員也可以用的AI產(chǎn)品。

當前，第四范式的HyperCycle ML平臺主要應用在精準營銷、逾期預測、反欺詐、反洗錢等領域，客戶則大多為中國工商銀行、廣發(fā)銀行等銀行為主。

在華為天才少年爆火之前，國內(nèi)外科技企業(yè)其實早已在研究AutoML技術(shù)，并且將其應用在了各個領域。

或許，我們現(xiàn)在使用的某個互聯(lián)網(wǎng)服務背后，AutoML正在發(fā)揮著無可取代的作用。