圖丨智鈾科技創(chuàng)始人、CEO及首席科學(xué)家 夏粉

來源：數(shù)據(jù)猿 記者：小北

目前，AI行業(yè)的發(fā)展已走過了最初的技術(shù)積累窗口期，進入到各方選手都在拼商用的深水區(qū)，大家都開足馬力極力探索與行業(yè)深度耦合的商用之路。而另一邊的眾多傳統(tǒng)行業(yè)選手，也正如同垂垂老矣的遲暮英雄，急急地等著吮吸新鮮的血液以尋求新生。

但血液滴下來，他們卻遲遲接不住——高昂的技術(shù)門檻、AI人才的缺乏，AI與行業(yè)的融合都困難重重。

“能否用AI來訓(xùn)練AI，用算法來優(yōu)化算法，通過機器自動化學(xué)習(xí)，來解決這一痛點呢？”夏粉告訴數(shù)據(jù)猿記者，其實早在百度任職期間，他就萌生了這一想法。如今，當(dāng)AI商用遇到瓶頸期之時，他立志要用自己的實際行動踐行，解決這一行業(yè)發(fā)展問題。之后，夏粉從百度離職，創(chuàng)立智鈾科技，公司僅僅成立半年，估值就達(dá)4億元人民幣。

夏粉，中科院自動化所機器學(xué)習(xí)博士，期間在機器學(xué)習(xí)頂級會議雜志JMLR，ICML, NIPS等發(fā)表多篇文章；2008年至2010年留校任復(fù)雜系統(tǒng)和智能科學(xué)實驗室助理研究員；2010年進入百度，先后任百度聯(lián)盟研發(fā)部廣告點擊率預(yù)估團隊技術(shù)負(fù)責(zé)人、百度研究院大數(shù)據(jù)實驗室超大規(guī)模機器學(xué)習(xí)團隊負(fù)責(zé)人、資深科學(xué)家（高校教授入職百度的級別）；2017年6月創(chuàng)立智鈾科技，任CEO兼首席科學(xué)家。

看到如此資深的簡歷，大家一定沒想到，在大學(xué)中，他曾是同學(xué)眼中的“差生”。

01 當(dāng)初考5分的那個差生成了百度科學(xué)家

在大學(xué)同學(xué)十年聚會上，大家都說：“沒想到當(dāng)初線性代數(shù)只考了5分的夏粉，竟然成了科學(xué)家。”

從小學(xué)到高中，夏粉一直都是那個“不用太費力就能考第一”的別人家孩子，然而上了大學(xué)，沉溺于游戲的他學(xué)業(yè)逐漸荒廢，在一次考試中線性代數(shù)竟然只考了5分，給大家留下了“差生”的印象。

但這個“差生”最終還是在本科的最后一年幡然醒悟，用三個月時間補齊所有課程，考上了中科院自動化所的研究生，開始當(dāng)時還算冷門的機器學(xué)習(xí)研究，師從機器學(xué)習(xí)泰斗王玨。

王玨，中國自動化研究所研究員、博士研究生導(dǎo)師，《自動化學(xué)報》編輯委員會顧問委員，原973項目首席科學(xué)家、中國自動化學(xué)會第四屆智能自動化專業(yè)委員會副主任、中國計算機學(xué)會人工智能與模式識別專業(yè)委員會副主任、主任，《自動化學(xué)報》副主編，復(fù)雜系統(tǒng)國家重點實驗室學(xué)術(shù)委員會委員。2014年12月3日，王玨先生因病醫(yī)治無效逝世,享年66歲。

到2008年夏粉博士畢業(yè)的時候，機器學(xué)習(xí)火苗初顯，BAT率先認(rèn)識到了其重要性。當(dāng)時，阿里副總裁劉振飛親自到中科院自動化所，邀請夏粉到杭州，“阿里十八羅漢”之一的吳泳銘還給了夏粉一張自填薪資的offer，“填了這個表，你就是阿里機器學(xué)習(xí)第一人了。”

但當(dāng)時，夏粉一心想留校繼續(xù)在學(xué)術(shù)上深造，沒有選擇做這個“第一人”。直到2010年，在學(xué)術(shù)上達(dá)到自己的目標(biāo)之后，夏粉想：“是時候讓理論應(yīng)用到實踐中去了”。

2010年5月，夏粉進入了具有濃厚工程師文化和不俗技術(shù)實力的百度，先后在百度聯(lián)盟研發(fā)部、大數(shù)據(jù)研究院任職。

在百度聯(lián)盟研發(fā)部期間，夏粉任廣告點擊率預(yù)估團隊負(fù)責(zé)人，主要集中于提升點擊率預(yù)估效果方面的工作。“當(dāng)時主要分為兩個方面，一是提升網(wǎng)絡(luò)廣告的CTR點擊率，二是在提升CTR的過程中，讓建模的代價變得最小。”因此，在數(shù)據(jù)特征、建模、調(diào)參上夏粉帶領(lǐng)團隊做了一系列研發(fā)，在百度數(shù)據(jù)規(guī)模最大的廣告業(yè)務(wù)線——網(wǎng)盟，發(fā)展出了一套AutoML技術(shù)。

2013至2014年，張潼、吳恩達(dá)相繼加入百度研究院，其中張潼負(fù)責(zé)大數(shù)據(jù)實驗室。恰巧此時，夏粉也產(chǎn)生了新的想法，便找到張潼，告訴他自己想做一個機器學(xué)習(xí)的通用平臺，兩人一拍即合。這個產(chǎn)品就是后來的Pulsar,業(yè)界第一個基于萬億規(guī)模的深度學(xué)習(xí)網(wǎng)絡(luò)的機器學(xué)習(xí)平臺。Pulsar被百度各業(yè)務(wù)線廣泛使用，覆蓋公司絕大部分業(yè)務(wù)線，包括鳳巢、網(wǎng)盟、金融和糯米等，在百度所有內(nèi)部平臺中排名第一。

2017年，因戰(zhàn)略發(fā)展差異等問題，夏粉離開百度。“百度的AI重心在無人駕駛和DuerOS，而我一心想打造一款A(yù)utoML型通用產(chǎn)品”。

02 沒想到又成了企業(yè)家，公司成立半年就估值4億

2017年6月，智鈾科技成立。曾經(jīng)沒想到夏粉成為科學(xué)家的朋友們又沒料到，“怎么又成了企業(yè)家”？

夏粉告訴數(shù)據(jù)猿記者，從科學(xué)家到企業(yè)家的轉(zhuǎn)變，是因為他想讓人工智能的影響力擴散到更多領(lǐng)域。正如公司名“智鈾”：“智”為人工智能，“鈾”是一種能產(chǎn)生原子能的放射性元素，能夠核裂變散發(fā)出巨大的能量。

目前，智鈾科技已經(jīng)完成兩輪融資。Pre-A輪由洪泰基金領(lǐng)投，投后估值達(dá)4億人民幣。

成立半年就估值4億，夏粉認(rèn)為：“首先是Auto ML的賽道選擇，真正切中了行業(yè)痛點”。

業(yè)界存在這樣的共識，機器學(xué)習(xí)已經(jīng)成為大數(shù)據(jù)時代數(shù)據(jù)處理的基礎(chǔ)工具，是數(shù)據(jù)驅(qū)動公司標(biāo)配，然而，全世界只有極少數(shù)科學(xué)家能創(chuàng)建先進的機器學(xué)習(xí)模型，企業(yè)擁有適應(yīng)人工智能和機器學(xué)習(xí)高速發(fā)展所需的人才和資金預(yù)算也有限，因此，少數(shù)的資深機器學(xué)習(xí)科學(xué)家基本都在BAT這樣的一流互聯(lián)網(wǎng)公司中。其他大多數(shù)企業(yè)，尤其是傳統(tǒng)領(lǐng)域的企業(yè)盡管擁有數(shù)據(jù)，卻缺乏處理數(shù)據(jù)的人才和技術(shù)，數(shù)據(jù)化、智能化之路異常艱難。

事實上，很多前沿科技公司都看到了這一痛點，去年5月，谷歌發(fā)布了Auto ML, 這一基于強化學(xué)習(xí)的算法（Reinforcement Learning Algorithms），先用一種控制器神經(jīng)網(wǎng)絡(luò)提議一個“子”模型架構(gòu)，然后針對特定任務(wù)進行訓(xùn)練與質(zhì)量評估；而反饋給控制器的信息則會被用來改進下一輪提議。重復(fù)這個過程數(shù)千次生成新的架構(gòu)，然后經(jīng)過測試和反饋，讓控制器進行學(xué)習(xí)。最終，控制器將學(xué)會為好的架構(gòu)分配高的概率，以便在延續(xù)的驗證數(shù)據(jù)集上實現(xiàn)更高的準(zhǔn)確性，并且對于架構(gòu)空間的差異很小。

與谷歌相比，智鈾科技開發(fā)的全自動機器學(xué)習(xí)平臺“EBRAIN”具備第四代機器學(xué)習(xí)能力，有以下幾個主要優(yōu)勢：

·數(shù)據(jù)量：千億樣本、千億特征

·模型：從淺層到深層靈活支持

·DNN：萬億鏈接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

·調(diào)研：自動化特征學(xué)習(xí)&參數(shù)調(diào)節(jié)

·時效性：模型在線更新

·評估：可視化模型&數(shù)據(jù)分析

在產(chǎn)品上，智鈾科技對標(biāo)谷歌，但從公司類型上，夏粉覺得智鈾更像DeepMind，“自動化學(xué)習(xí)本身涉及很多算法，需要很多優(yōu)秀的科學(xué)家，跟DeepMind一樣，我們致力于聚集國內(nèi)一流的AI科學(xué)家；其次，我們也是通過技術(shù)驅(qū)動研發(fā)自動化產(chǎn)品，再通過自動化促進產(chǎn)品化，最終服務(wù)到更多的人”。

其次是難以跨越的技術(shù)門檻：

自動化機器學(xué)習(xí)讓AI去訓(xùn)練AI，可謂AI之上的AI，是機器學(xué)習(xí)科學(xué)的最前沿。“這不僅需要有相當(dāng)強的技術(shù)實力，更需要在算法和實踐上有深厚的積累，能夠做到這一層的AI科學(xué)家寥寥無幾。”

夏粉具有超過15年的機器學(xué)習(xí)經(jīng)驗，在學(xué)術(shù)和工業(yè)界都有很深的積累，在擁有海量數(shù)據(jù)的互聯(lián)網(wǎng)場景實踐多年。智鈾科技團隊其他成員也都是來自于阿里、微軟的資深科學(xué)家。

“自動化機器化學(xué)習(xí)最難的是優(yōu)化問題。”夏粉告訴數(shù)據(jù)猿記者，“一個目標(biāo)函數(shù)，需要找到一個點使目標(biāo)函數(shù)最小，對此有很多方法求解，但自動化機器學(xué)習(xí)中目標(biāo)函數(shù)不可導(dǎo)，反饋機制不明確，計算復(fù)雜度高，所以要全部試一遍，成本非常高。把不可導(dǎo)變成可導(dǎo)的優(yōu)化問題出來，就要求近似”。

人工智能打敗國際象棋大師是在上世紀(jì)80年代，通過暴力搜索對每一步棋都進行評估，選取分?jǐn)?shù)最好的一步。但是到圍棋，因為復(fù)雜度太高，窮搜搜索不出來，所以要做近似問題，把不可解問題近似成可解的問題，找目標(biāo)函數(shù)，使目標(biāo)函數(shù)以很大的概率覆蓋每個解，同時求解的復(fù)雜度降低。

智鈾科技在以上方面創(chuàng)新了很多算法（人和機器都沒有辦法找最優(yōu)解，機器范圍大、效率高，所以效果比人好），以前象棋每步搜索2億次，現(xiàn)在只需要做3000萬次，因為做了優(yōu)化。目前，智鈾科技已經(jīng)為金融、醫(yī)療、物聯(lián)網(wǎng)等多個行業(yè)的公司提供服務(wù)，產(chǎn)品的應(yīng)用場景涵蓋點擊率預(yù)估、反欺詐偵測、市場精準(zhǔn)營銷以及個性化推薦等。

以內(nèi)容推薦應(yīng)用為例，醫(yī)藥公司會通過微信、郵件等方式為醫(yī)生推送內(nèi)容（即文章）， 推送后醫(yī)生會對文章有閱讀或點贊行為?，F(xiàn)在需要根據(jù)醫(yī)生的特征和歷史閱讀、點贊記錄預(yù)測其感興趣的內(nèi)容，從而進行內(nèi)容的精準(zhǔn)推薦。
 
常規(guī)的做法是：對醫(yī)生和文本提取大量特征，進行特征選擇和變換，選擇合適算法和對應(yīng)的超參數(shù)，訓(xùn)練模型。通過在驗證集上效果，挑選最優(yōu)的特征、算法和超參數(shù)。所有的選擇過程由人工完成，耗費大量人力和計算資源。
 
對此，智鈾在文本結(jié)構(gòu)化處理的基礎(chǔ)上，利用云計算提供的大量計算能力，通過EBRAIN在很短的時間內(nèi)自動構(gòu)建客戶興趣模型，并提供內(nèi)容推薦核心服務(wù)能力。最終，根據(jù)醫(yī)生的興趣進行信息推薦，按照行業(yè)標(biāo)準(zhǔn)預(yù)估客戶內(nèi)容訪問量提升50%以上。

Auto ML幫助普通工程師提高生產(chǎn)力，也幫助傳統(tǒng)企業(yè)更快速地?fù)肀I。但這并不是夏粉的終極目標(biāo)，“智鈾科技未來的愿景是讓人人都能用上AI。正如互聯(lián)網(wǎng)科技滲透到人們生活的方方面面一樣，AI也終將從高端走向大眾。就像美圖秀秀讓沒有PS基礎(chǔ)的人也能隨意地切換濾鏡、調(diào)整色彩；Windows讓沒有計算機基礎(chǔ)的人也能操作電腦；傻瓜相機讓不懂?dāng)z影的人也能拍照一樣。”（文/小北）

來源：數(shù)據(jù)猿