連日來人工智能正在改變企業(yè)的工作方式和創(chuàng)新方式向來一不斷的有小伙伴關(guān)注，不僅如此還衍生出了各大相關(guān)話題，那么跟著小編來看看人工智能正在改變企業(yè)的工作方式和創(chuàng)新方式以及它的相關(guān)資訊吧！

2018年12月14日，IBM公布了NeuNetS，這是一項(xiàng)全新的功能，可解決在廣泛的業(yè)務(wù)領(lǐng)域中開辟最新AI模型的技能差距。NeuNetS使用AI比以往更快，更輕松地自動(dòng)綜合深度神經(jīng)網(wǎng)絡(luò)模型，從而擴(kuò)大了公司和中小企業(yè)對(duì)AI的采納。通過完全自動(dòng)化AI模型的開辟和部署，NeuNetS同意 非專業(yè)用戶在不犧牲準(zhǔn)確性的情況下，僅花費(fèi)今天的一小部分就為特定任務(wù)和數(shù)據(jù)集構(gòu)建神經(jīng)網(wǎng)絡(luò)。

自動(dòng)化需求

人工智能正在改變企業(yè)的工作方式和創(chuàng)新方式。人工神經(jīng)網(wǎng)絡(luò)可以說是當(dāng)前可用于數(shù)據(jù)科學(xué)家的最強(qiáng)大的工具。但是，盡管惟獨(dú)一小部分?jǐn)?shù)據(jù)科學(xué)家具有創(chuàng)建高性能神經(jīng)網(wǎng)絡(luò)所需的技能和經(jīng)驗(yàn)。從無到有，同時(shí)需求遠(yuǎn)遠(yuǎn)超過了供應(yīng)。結(jié)果，即使在概念驗(yàn)證階段，大多數(shù)企業(yè)都在努力快速有效地獲得新的神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上是定制設(shè)計(jì)的，可以滿足其特定應(yīng)用程序的需求。因此，通過自動(dòng)設(shè)計(jì)給定數(shù)據(jù)集的神經(jīng)網(wǎng)絡(luò)架構(gòu)來彌合這種技能差距的技術(shù)越來越重要。NeuNetS引擎將AI引入了這一渠道，以快速跟蹤結(jié)果。使用AI進(jìn)行AI模型開辟會(huì)為AI技術(shù)的開辟帶來新的且迫切需要的可擴(kuò)展性。

在NeuNetS的引擎蓋下

NeuNetS在帶有Kubernetes的IBM Cloud上部署的完全容器化環(huán)境上運(yùn)行。該體系結(jié)構(gòu)旨在最大程度地減少人機(jī)交互，自動(dòng)執(zhí)行用戶工作負(fù)載并改善使用率。用戶無需編寫代碼或具有現(xiàn)有深度學(xué)習(xí)框架的經(jīng)驗(yàn)：從數(shù)據(jù)集的提取和預(yù)處理到架構(gòu)搜索培訓(xùn)和模型部署，一切都是自動(dòng)化的。隨著AI自動(dòng)化領(lǐng)域的快速進(jìn)展，系統(tǒng)需要能夠采納最新方法，并且對(duì)運(yùn)行服務(wù)的影響最小。因此，我們將NeuNetS框架設(shè)計(jì)為靈便且模塊化的，以便可以隨時(shí)包含新的強(qiáng)大算法。NeuNetS利用了現(xiàn)有的IBM資產(chǎn)，例如DLaaS，HPO和WML。

前沿研究技術(shù)

NeuNetS算法旨在創(chuàng)建新的神經(jīng)網(wǎng)絡(luò)模型，而無需重新使用預(yù)先訓(xùn)練的模型。這使我們能夠探究廣闊的網(wǎng)絡(luò)體系結(jié)構(gòu)配置空間，同時(shí)針對(duì)用戶提供的特定數(shù)據(jù)集微調(diào)模型。

NeuNetS算法產(chǎn)品組合包括最近公布的作品的增強(qiáng)版本，例如TAPAS [3]，NCEvolve [4]和HDMS [5]，以及細(xì)粒度的優(yōu)化器引擎。這些算法相對(duì)于文獻(xiàn)和實(shí)踐中的最新技術(shù)向前邁進(jìn)了一步，解決了諸如數(shù)據(jù)集通用性和性能可伸縮性等基本問題。TAPAS是一種非常快速的神經(jīng)網(wǎng)絡(luò)合成器，它依靠預(yù)生成的地面真相和智能預(yù)測(cè)機(jī)制來執(zhí)行接近傳遞學(xué)習(xí)的方法。NCEvolve綜合了性能最高的網(wǎng)絡(luò)，從而最大限度地減少了培訓(xùn)時(shí)間和資源需求。HDMS將改進(jìn)版本的超頻帶與強(qiáng)化學(xué)習(xí)相結(jié)合，以合成針對(duì)不太常見的數(shù)據(jù)集量身定制的網(wǎng)絡(luò)。最后但并非最不重要的，

NeuNetS的未來

基于多種優(yōu)化算法和模塊化體系結(jié)構(gòu)，NeuNetS可以適應(yīng)各種模型綜合方案。下一步是使用戶不僅可以更新數(shù)據(jù)，還可以決定為模型綜合分配多少時(shí)間和多少資源，以及可選地模型的最大大小和目標(biāo)部署平臺(tái)。在這方面，物聯(lián)網(wǎng)和時(shí)間序列分析工作負(fù)載將發(fā)揮重要作用。為了使用戶能夠有效地使用綜合模型，我們正在創(chuàng)建創(chuàng)新的可視化功能，以比較關(guān)鍵模型特征，包括性能，尺寸和類型。為了在模型部署后繼續(xù)為用戶提供幫助并增強(qiáng)他們對(duì)AI的信任，我們正在研究可改善在AI生命周期中對(duì)模型結(jié)構(gòu)和行為的可見性的技術(shù)。

立即嘗試NeuNetS

NeuNetS beta作為IBM OpenCloud產(chǎn)品的一部分，可以在IBM Cloud的Watson Studio中獲得。該第一版提供了用于圖像和文本分類的模型合成，其性能類似于手工神經(jīng)網(wǎng)絡(luò)。在過去的十年中，視覺工作負(fù)載向來是激烈的研究，開辟和競(jìng)爭(zhēng)的主題，因此代表著一個(gè)艱苦的基準(zhǔn)。相比之下，文本的高精度模型今天還沒有廣泛使用，NeuNetS將幫助非專業(yè)用戶從該領(lǐng)域的最新技術(shù)中獲利。