用AI制作AI,「深度赋智」用Full-AutoML赋予客户开箱即用的AI能力

2020-05-08
谈及创立深度赋智的初衷,吴承霖告诉创业邦,一方面是技术驱动,一方面是“商机”使然。

吴承霖与AI的故事始于2010年。

此时的他还在厦门大学计算机系读大三,课余时间,他利用遗传算法(自动机器学习的雏形)和神经网络技术搭建了一个道琼斯股指的量化模型,在带杠杆的情况下,双边交易可以做到年化40%,不带杠杆可以达到年化12%。

利用这个系统,他赚够了几年的生活费。

毕业后,他顺利进入华为,一边做底层产品研发,一边做开源,成为了60来人团队中的第三个技术专家。

这期间,吴承霖也混迹在国际各大开源社区内,写下的开源代码曾被打包卖出十几亿美元高价,经常被周围亲友调侃为“身家过千万美元”。

2014年,凭借技术优势,吴承霖加入了腾讯,带领团队设计与实现了亿级用户规模、千亿级数据规模的用户画像、搜索引擎、自然语言处理等系统,平均年产值可达到十几亿元到几十亿元。

在27岁这年,他成为了部门最年轻的“T3.3”高级研究员,并进入了部门专家组。

2018年离开腾讯后,吴承霖选择来到一家B轮初创企业笨鸟社交担任首席科学家,除了将AI中台内容理解和分发业务整合落地,还积累了初创企业的运作管理能力。

2019年,蓄力了近10年的吴承霖带着「深度赋智」正式入局AI中台市场。

主要通过其独立研发的全自动机器学习系统(简称Full-AutoML),帮助企业客户实现全自动、端到端地自主推荐、搜索、决策、训练学习,为互联网B端客户提供普惠式的通用型AI中台解决方案,助力其降本提效。

据悉,同年11月,深度赋智便完成了数百万元种子轮融资。

谈及创立深度赋智的初衷,吴承霖告诉创业邦,一方面是技术驱动,一方面是“商机”使然

具体来说,AutoDL(自动深度学习)与AutoML(自动机器学习)技术近年来发展迅速,包括谷歌、亚马逊、微软在内的大厂纷纷入局掘金。

2018年年中,谷歌发布了NLP预训练模型BERT,将AI技术标准化正式推向高潮,进一步证实了其方向潜力巨大。

在落地过程中,深度赋智的首选以电商为代表的交易平台客户,这是由于此类客户亟需开源节流,以提升分发、决策效率,解决转化率低、获客成本高等核心痛点,而实施成本低、效果优的人工智能中台是交易平台节本增效的关键突破口。

以最常见的精准营销为例,企业为了完成用户和具体产品的匹配,通常会应用一些简单AI算法,不过始终效果平平。

而有了深度赋智的AI中台,客户只需将全部数据接入云API,即可将搜索、推荐、决策精度大幅提升,整体可提升转化率40%~60%

从行业角度来看,深度赋智与大部分云厂商技术路径类似,不过,后者还没有在此大规模布局,正面对标的企业为国外DataRobot和H2O.ai。

相比而言,深度赋智已经在技术方面建立了自身竞争壁垒。

近期,人工智能顶级会议NeurIPS 2019 AutoDL(自动深度学习)比赛刚刚落幕,聚焦在使用一套方案,在任意时间、任意领域、在5个不同模态(图像、视频、语音、文本、表格)下的学习效果对比。

据悉,在10个未知模态盲测数据集上,深度赋智以7个数据集第一名的优势大幅领先其他队伍,并夺得了世界冠军。

同期参赛方包括Google、微软、阿里、腾讯、清华、南大等机构,以及来自美国、瑞典、日本、韩国等全球各地的队伍。

吴承霖透露,以往基于人类 AI 工程师的简单 AI 生产过程需要3~6个月复杂AI生产过程需要1~2年

深度赋智最短只需要几十秒钟,就可以构建出一套近似最优的端到端AI,并且随着线上反馈数据,可不断对AI持续优化。

相比传统AI,可直接将复杂AI领域的人力成本降低到1%,整体效率提速百倍

这得益于深度赋智核心团队过硬的综合素质。

成立一年,团队已有20多人规模,涵盖了腾讯、百度、华为等头部公司的资深研究员、架构师,拥有十亿级用户的云、端AI经验,技术基因强大。

“在商业模式上,深度赋智短期按项目付费,后续逐步开始按SaaS付费。”吴承霖坦言。

未来,公司还将拓展至金融、娱乐等其他强需求、强付费行业,继续规模化扩张,最终实现其目标:赋予客户开箱即用的AI能力。

文章图片来源于深度赋智,经授权使用。本文为创业邦原创,未经授权不得转载,否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问,请联系editor@cyzone.cn。

来源:原创