8月24日，一年一度的亚布力中国企业家论坛夏季高峰会在江西南昌隆重开幕，围绕AI的话题依然成为了本次峰会的热点之一。面对AI泡沫化等各种争议性话题，第四范式联合创始人兼首席研究科学家陈雨强认为：“AI早已脱离了证明自己价值的阶段，而决定AI赋能各行各业的关键在于降低AI的技术及使用门槛。”
此前，业内普遍认为AI存在泡沫化的风险，且AI在落地方面困难重重。针对这些质疑，陈雨强也表达了自己的观点：人工智能其实已经脱离了证明自己价值的阶段。如今，AI已经让很多在做搜索、广告领域的公司成为了佼佼者。所以，人工智能能产生价值无需质疑。而人工智能本身除了应用在这些领域外，还应该在教育、能源等更多的行业里发挥其价值。这个空间是非常大的，其本质在于提升企业的运营效率。
陈雨强进一步指出，制约AI在其他领域遍地开花的瓶颈在于人才和数据。以人才来说，AI相关从业者年薪动则几百万，且十分紧缺。所以，怎样能够把限量供应的事情变成大量供应是一个关键。而第四范式则一直致力于打破AI在人才、技术方面的局限和门槛，能够让更多的人发挥AI的价值。
首先，第四范式通过国际领先的迁移学习技术解决数据量不足的问题。针对于某个特定领域，迁移学习相较于深度学习所要求的数据量较少，同样数据量的前提下，模型效果更加准确，相当于使机器拥有人类“举一反三“、”触类旁通“的能力，能够应用于样本量相对小的领域。迁移学习的发展，有利于扩宽AI的应用领域。在传统的迁移学习技术研究基础之上，第四范式还在不断探索迁移学习技术在实际应用中落地会遇到的各种挑战，例如如何保证迁移的数据安全性、用户隐私、商业机密等问题。
另外，在技术方面，第四范式自主研发了可以让没有AI背景也可以轻松使用的自动化机器学习技术——AutoML。第四范式通过从解决客户业务核心增长的角度出发，构建了反欺诈、个性化推荐等业务场景下的AutoML，并将其赋能给企业的普通开发人员，取得了接近甚至超过数据科学家的业务效果。目前，已经研发了自动特征组合(FeatureGo)、深度稀疏网络DSN(Deep Sparse Network)等AutoML支撑技术。其中，FeatureGo算法，实现了机器自动组合特征的功能，有效解决了人为添加组合特征门槛高、耗时长等问题。FeatureGo也增加了模型的可解释性，提升易用性，进一步降低了机器学习的应用门槛。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
