自动化AI开发训练平台,让算法开发周期降至小时级

　　另一方面,AI开发的门槛较高。从数据标注、模型训练、参数调节、模型部署、芯片适配、性能优化等AI算法开发的全链条中,不仅环境众多,且每一步都非常依赖于AI开发人员的主观经验和能力水平。因此,企业即便投入大量的人力物力,最终的应用效果也可能无法达到预期。
　　在AI的单点应用阶段,由于通用性强、需求量大,企业尚可采用“堆人头”的方式进行定制化开发。但随着海量碎片化细分场景的出现,这种定制化开发路线的弊端逐渐凸显,面对各种不确定性和超高门槛,很难在成本、质量和效率上做到完美的平衡。只有完成从手工作坊式向自动化流水线方式的升级,让每一个企业随时都可以根据自身需求,低门槛、高效率、灵活地自行开发AI算法,才能够真正实现AI的规模化。
　　以解决视觉AI规模化应用需求的新兴AI企业,正在掀起AI的第二波商业化浪潮,成立于2020年3月的共达地便是其中的引领者。凭借对AI发展趋势的准确预判和率先布局,其基于全新的自动化机器学习(AutoML)核心技术打造的GoodAIdea零代码自动化AI开发训练平台(下文简称共达地AI平台),以零代码自动化方式,高效率、低门槛地完成端到端的AI开发,破解AI规模化需求带来的多重挑战。
　　作为业界领先的计算机视觉领域的自动化训练平台,共达地AI平台由数十名算法科学家共同参与,深刻理解并剖析算法开发在每个环节的业务痛点,从数据标注、数据质量分析、算法建模、芯片适配、算法迭代各个环节实现技术优化,将原本需要数十名专业技术工程师耗费数月完成的算法开发工作,优化为算法的零代码全自动化生产的小时级工作。
　　有效的数据处理是实现高质量、高效率AI算法开发的前提,但也是一直以来最为消耗人力的环节。共达地AI平台可以根据需要,对海量数据进行快速自动标注,结合人工复检的方式,让数据标注更高效。同时,平台还可以针对不同需求对数据进行多维度自动分析,提升数据分析效率近百倍。
　　在算法层面, 首先在AI模型开发的结构搜索设计环节,传统的开发模式需由工程师花费至少一周时间对每个模型结构进行芯片适配,以寻求最佳的模型结构,而共达地AI平台可以自动寻求最佳模型搜索结构,将整个流程时间压缩到小时级。其次模型的预训练环节则非常依赖工程师的经验,加之数据集极其庞大,整个过程通常需要耗费1～2个月时间,共达地AI平台有效地融合了大量工程师的多年实践经验,可以快速、精准地提升预训练模型的效果,省去试错环节,使算法开发效率倍增