2020年伊始，全球領(lǐng)先的研究和咨詢(xún)機構Gartner發(fā)布了《2020年十大戰略性技術(shù)趨勢：民主化》報告，系統闡述了“AI民主化”在企業(yè)智能化轉型過(guò)程中的意義，以及AutoML對實(shí)現AI民主化的關(guān)鍵作用。在該份報告中，第四范式獲得了Gartner的認可，被列入了AutoML技術(shù)代表性廠(chǎng)商。為此，第四范式聯(lián)合Gartner發(fā)布了全球首個(gè)針對AutoML的系列白皮書(shū)——《AI for Everyone，AutoML引領(lǐng)AI民主化》以及《AutoML成就指數級增長(cháng)：感知、認知、決策算法布局提升企業(yè)決策水平》。

AutoML是支撐AI民主化的關(guān)鍵技術(shù)。Gartner在《2020年十大戰略性技術(shù)趨勢：民主化》報告中提出，“盡管過(guò)去企業(yè)構建機器學(xué)習應用難度高、效率低，但近年來(lái)企業(yè)對機器學(xué)習技術(shù)的需求仍在快速增長(cháng)，期望通過(guò)機器學(xué)習落地更多AI應用，這對AutoML技術(shù)帶來(lái)巨大需求。Gartner認為，AutoML能夠減輕人員負擔，降低技術(shù)門(mén)檻，推動(dòng)AI民主化實(shí)現。

在《AutoML成就指數級增長(cháng)：感知、認知、決策算法布局提升企業(yè)決策水平》白皮書(shū)中，全面展示了AutoML技術(shù)和算法全景，以及圍繞提升企業(yè)決策能力的各類(lèi)AutoML應用，在決策質(zhì)量決定企業(yè)管理水平、進(jìn)而深刻影響企業(yè)發(fā)展的當下，詮釋了AutoML如何幫助企業(yè)全面提升決策水平，決勝數字化時(shí)代。

自動(dòng)化決策能力助推企業(yè)指數級增長(cháng)

近年來(lái)，大量成長(cháng)速度遠超同行的互聯(lián)網(wǎng)巨頭公司不斷涌現，通過(guò)卓越的效率實(shí)現了指數級增長(cháng)，成為各個(gè)細分領(lǐng)域的領(lǐng)頭羊。而對經(jīng)營(yíng)體系更為復雜、業(yè)務(wù)覆蓋更為分散的傳統企業(yè)而言，該如何改善公司治理，實(shí)現指數級增長(cháng)?

憑借多年幫助海量客戶(hù)提升業(yè)務(wù)價(jià)值的經(jīng)驗，第四范式發(fā)現，企業(yè)實(shí)現高速增長(cháng)的核心在于更優(yōu)的業(yè)務(wù)決策，以決策帶動(dòng)企業(yè)治理水平與業(yè)務(wù)價(jià)值提升。

著(zhù)名軍事學(xué)家John Boyd于1977年提出 OODA Loop決策周期理論，該理論目前已被廣泛應用于指導企業(yè)決策。他認為，決策過(guò)程是由“觀(guān)察(Observe)- 判斷(Orient)- 決策(Decide)- 行動(dòng)(Act)”四個(gè)環(huán)節組成的相互關(guān)聯(lián)、相互重疊的循環(huán)周期?！坝^(guān)察”，即企業(yè)需要全面觀(guān)察經(jīng)營(yíng)環(huán)境信息，為決策提供充足的信息依據；“判斷”，即企業(yè)需要通過(guò)觀(guān)察，精準的判斷所處現狀及未來(lái)發(fā)展，為決策提供可靠的參考結論；“決策”，即制定較優(yōu)的決策方案，為整個(gè)決策流程走好最終的關(guān)鍵一步。而行動(dòng)則是基于前三步的成果采取相應措施。在整個(gè)決策周期中，能否理想的完成觀(guān)察、判斷及決策環(huán)節，將決定該業(yè)務(wù)決策的整體質(zhì)量和效果。

以決策為核心的全棧AutoML算法布局，第四范式構成完整智能決策

為實(shí)現全面觀(guān)察、精準判斷和更優(yōu)決策的目標，第四范式建立了以提升整體決策水平為核心，包含感知類(lèi)、認知類(lèi)及決策類(lèi)的全棧AutoML算法布局，為企業(yè)真正帶來(lái)決策水平的全面提升。

感知類(lèi)算法加持觀(guān)察環(huán)節，實(shí)現全面觀(guān)察

企業(yè)業(yè)務(wù)場(chǎng)景中的圖像、文本、語(yǔ)音等非結構化數據爆炸性增長(cháng)，提升了企業(yè)實(shí)現全面觀(guān)察的難度。如何有效處理海量多模態(tài)數據，最大程度激活并發(fā)揮其潛在數據價(jià)值，是企業(yè)在觀(guān)察環(huán)節面臨的關(guān)鍵挑戰。

第四范式AutoCV、AutoNLP、AutoSpecch等感知類(lèi)AutoML算法全面支持圖像、文本、語(yǔ)音等主流多模態(tài)數據處理，通過(guò)挖掘各類(lèi)數據價(jià)值，充分滿(mǎn)足企業(yè)全面觀(guān)察需求。為解決傳統AI感知類(lèi)模型搭建門(mén)檻高、效率低等問(wèn)題，第四范式感知類(lèi)AutoML算法自動(dòng)化自適應數據增強及網(wǎng)絡(luò )架構搜索、自學(xué)習調參等模型構建流程，助力企業(yè)低門(mén)檻、高效率構建感知類(lèi)AI應用。此外，通過(guò)遷移學(xué)習為長(cháng)尾場(chǎng)景提供預訓練模型，企業(yè)僅需少量自身業(yè)務(wù)數據即可高效啟動(dòng)長(cháng)尾場(chǎng)景，進(jìn)一步加速全業(yè)務(wù)場(chǎng)景的感知能力提升。

認知類(lèi)算法助力判斷環(huán)節，實(shí)現精準判斷

伴隨著(zhù)消費升級，消費者需求趨于多樣化、個(gè)性化，企業(yè)業(yè)務(wù)的復雜度激增，業(yè)務(wù)現狀洞察以及未來(lái)趨勢預判的難度顯著(zhù)提升。企業(yè)亟需在變化多端的外部市場(chǎng)環(huán)境下，構建高準確率的AI認知模型以實(shí)現精準判斷，洞察現狀、預判未來(lái)。

認知模型是基于歷史數據訓練得到的，在其訓練過(guò)程中，需要對歷史數據進(jìn)行清洗處理，提取其中的有效特征，并基于場(chǎng)景特性選取適配的模型，進(jìn)行調優(yōu)訓練。然而，其中的數據、特征、模型三大要素均存在特定難點(diǎn)，且過(guò)程復雜、效率低下。

第四范式認知類(lèi) AutoML算法全面覆蓋了三大要素的關(guān)鍵技術(shù)難點(diǎn)，可幫助企業(yè)構建滿(mǎn)足精準判斷需求的AI模型，助力企業(yè)獲得理想認知能力，在各業(yè)務(wù)場(chǎng)景中實(shí)現精準業(yè)務(wù)判斷及預測。

目前，第四范式AutoML正在多項認知類(lèi)競賽中挑戰人類(lèi)數據科學(xué)家。據世界知名的Kaggle機器學(xué)習競賽結果顯示，全世界平均每50位數據科學(xué)競賽選手才有1位擊敗第四范式AutoML。相比Google AutoML(優(yōu)于46%的數據科學(xué)家)，第四范式在認知類(lèi)問(wèn)題上體現出顯著(zhù)優(yōu)勢（優(yōu)于98%的數據科學(xué)家）。

決策類(lèi)算法賦能決策環(huán)節，實(shí)現更優(yōu)決策

市場(chǎng)競爭激烈動(dòng)蕩，市場(chǎng)環(huán)境千變萬(wàn)化，企業(yè)越來(lái)越難以通盤(pán)考量諸多影響因素，及時(shí)做出更優(yōu)決策。一方面，企業(yè)需要以低成本對各方案結果進(jìn)行準確預判，從而避免在現實(shí)中驗證方案帶來(lái)的高實(shí)驗成本和長(cháng)反饋周期，這要求企業(yè)具有高保真度的決策模擬器。另一方面，企業(yè)的實(shí)際業(yè)務(wù)環(huán)境極其復雜，海量因素之間相互制約影響，這要求企業(yè)能夠在決策中充分考慮各類(lèi)因素及其相互關(guān)系。

第四范式推出AutoEL（自動(dòng)環(huán)境學(xué)習）及AutoRL（自動(dòng)強化學(xué)習）兩大決策類(lèi)算法，形成完整的智能決策解決方案。該解決方案基于企業(yè)業(yè)務(wù)邏輯，全面評估潛在的決策影響因素，并在高度還原的虛擬業(yè)務(wù)環(huán)境不斷試錯，獲取更優(yōu)方案， 助力企業(yè)真正實(shí)現更優(yōu)的智能決策。

交互式AutoML框架，全面實(shí)現模型效果

除了全面提升企業(yè)決策水平的全棧AutoML算法布局外，第四范式同樣關(guān)注如何通過(guò)充分發(fā)揮科學(xué)家的領(lǐng)域經(jīng)驗，進(jìn)一步提升AI模型效果上線(xiàn)效果。為此，第四范式推出Interactive AutoML的交互式機器學(xué)習框架，使科學(xué)家能夠在目標設定、搜索空間配置等技術(shù)環(huán)節介入AI開(kāi)發(fā)，以自身領(lǐng)域知識優(yōu)化機器學(xué)習進(jìn)程，幫助AutoML達成更優(yōu)的模型結果。

總結來(lái)說(shuō)，傳統AI應用構建的門(mén)檻高，嚴重依賴(lài)科學(xué)家，而AutoML技術(shù)打破了AI對人的依賴(lài)。第四范式作為全球領(lǐng)先的AutoML技術(shù)廠(chǎng)商，構建了包括自動(dòng)化的感知、認知、決策三大類(lèi)算法，并由機器自動(dòng)完成模型構建的全棧算法體系，助力企業(yè)低門(mén)檻、高效率實(shí)現AI的規?；?，全面提升企業(yè)決策水平。同時(shí)，第四范式將復雜的開(kāi)發(fā)流程和算法組合產(chǎn)品化、自動(dòng)化，打造了Sage AIOS、Sage HyperCycle ML、天樞等AI產(chǎn)品，為企業(yè)提供一站式?jīng)Q策平臺，助力企業(yè)規?；涞?AI 應用，全面提升治理能力，實(shí)現指數級增長(cháng)。

完整報告限時(shí)免費獲取通道已開(kāi)通，點(diǎn)擊鏈接獲取。

https://www.gartner.com/technology/media-products/pdf.jsp?g=4Paradigm-1-241XZE6V-CHS