把看不懂的演算法做成產品，「智鈾科技」讓 AI 小白也能上手機器學習

本文來自鈦媒體專欄「800字，讀懂一家 AI 公司」

[每篇 3 分鐘，鈦媒體帶你讀懂人工智慧］

在 AI 領域，「機器學習」是較難理解的概念之一。

在談論機器學習之前，我們有必要以具象的方式解釋下演算法，為了方便理解，北京郵電大學信息學博士、前百度技術管理部首席專家李敏就以數學公式的形態給鈦媒體舉例：

當我們為機器學習設定一個目標：比如讓互聯網廣告被點擊的頻率增加，演算法科學家就會基於經驗與實踐形成一個初步的演算法模型，假設為：

F(x)=a+bx+cx2+dx3+……

這個公式就可以被視作極簡的一種演算法。其中，F(x) 就是互聯網廣告被點擊的概率，x 是我們常說的用戶畫像和搜索關鍵詞，諸如年齡、性別、喜好等維度都會以數值的形式被代入公式，而 a、b、c、d……就是所謂的參數。科學家們整日實驗操作的，就是想方設法通過參數的調整，讓F(x)的數值達到理想化的狀態。

當然，在真實的機器學習場景中，演算法的形態要比上述「公式」複雜數倍，調參的標準也需基於不同業務的特性。而在演算法的性能得到提升並趨於穩定後，機器就能利用這套打磨好的演算法，實現自動化的評估和判斷，這就形成一個「全自動機器學習平台」。

這也是李敏正在做的事情。

2017年6月，李敏與前百度資深科學家夏粉等人成立「智鈾科技」。夏粉是百度大規模機器學習平台 Pulsar 創立者，在百度的各業務線中，Pulsar 被廣泛應用，舉個例子：百度的搜索結果成千上萬，而機器學習就能對用戶畫像、廣告標籤進行演算法處理，讓搜索結果既滿足用戶需求，也能具備潛在的營銷機會。

機器學習在互聯網廣告場景下的應用

為了將 Pulsar 這樣的機器學習平台擴展至更多領域，「智鈾科技」推出了更為通用的 「Ebrain」平台，用機器來取代人工的模型調參，實現自動建模，而在產品商用落地的過程中，降低 Ebrain 的使用門檻是智鈾開發產品的首要目標。

憑著此前在百度的積累，智鈾在演算法調參、建模等方面較為擅長，包括怎麼梳理客戶的數據特徵；怎麼提煉用戶畫像和業務維度；如何調整參數讓 F(x) 的效果更好，智鈾可以將這些需要演算法科學家完成的工作打包成一個 PC 端的產品，工程師只要將已有的數據導入「Ebrain」系統，就可實現機器的自主學習與判斷。

「比如信用卡盜刷事件的響應與預防。信用卡公司將之前出現盜刷案例的時間、頻次、盜刷 pos 機類別等規律性特徵給我，就能通過 Ebrain 進行學習後對之後的盜刷情況進行識別和預警。」李敏用金融行業的產品落地為鈦媒體舉例。

目前，智鈾科技已與部分基因、金融行業客戶進行合作試點，並計劃在6 月上旬正式推出商用產品，2018年初智鈾曾獲由洪泰基金領投的 Pre-A輪融資，投後估值達4億元。（本文首發鈦媒體，作者/蘇建勛）

更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！