近日，由人工智能国际顶级会议NIPS 2019举办的全球首届AutoDL 2019-2020国际系列挑战赛正式落幕。

南京大学PASA大数据实验室代表队PASA-NJU, 经过3个多月、2个阶段的激烈角逐，最终在NIPS AutoDL最后收官之战的挑战赛中，荣获大赛国际第三名的佳绩！

参加本次NIPS AutoDL大赛的PASA大数据实验室团队成员包括：朱光辉博士（队长）以及程锋、许卓尔、邱孟川、汪文杰四位研一硕士生同学。

自2019年5月以来，NIPS 2019前后举办了一系列不同类型的AutoDL自动化深度学习大赛。作为NIPS AutoDL自动化深度学习国际系列挑战赛的收官之战，此次AutoDL Challenge 竞赛从2020年1月开始，历时3个多月，其技术性堪称史上最难，要求参赛队伍研究开发出针对多模态、多领域数据的高效、通用化自动化深度学习方法，能综合解决好包括图像、视频、语音、文本和结构化表格数据的自动化多标签学习和分类问题。

本次竞赛吸引了美国、德国、瑞士、日本、韩国等多个国家的参赛队伍，集结了国内外AutoML/AutoDL领域最具实力的研发团队，包括来自清华大学、北京大学、南京大学、卡内基梅隆大学、首尔大学、弗莱堡大学、汉诺威大学等国内外著名高校，以及 Google、微软、阿里、腾讯、浪潮等国内外IT企业巨头的参赛团队。

NIPS（或NeurIPS），全称“神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems)，是机器学习和人工智能领域的顶级国际会议。此次NIPS会议举办的大赛为全球首届AutoDL挑战赛。对于首届AutoDL大赛的期望,大赛组委会负责人之一、第四范式资深算法科学家涂威威表示：过去AutoML比赛主要集中解决结构化数据的应用问题，本次AutoDL挑战赛参赛者将面临多种结构化和非结构化数据综合学习的新问题,挑战难度更大。比赛不只局限在单一数据类型和技术领域，而是希望构建一套通用化的技术方法和系统，适用于多种数据类型和领域，包括图像、视频、语音、文本和结构化表格数据，以推动AutoDL技术的落地应用及快速发展。

NIPS AutoDL挑战赛历经3个多月，分为两个阶段，包括 Feedback初赛阶段和Final 终赛阶段。

在Feedback初赛阶段，参赛选手基于 24 个训练数据集，离线开发自己的 AutoDL 算法和程序，实现训练数据处理、模型结构设计、参数调优等过程。然后将自己的 AutoDL 算法和程序代码上传到比赛平台上，通过另外 5 个线上私有数据集进行测试，得到程序性能的即时反馈。

在Final 终赛阶段，参赛选手的 AutoDL 程序在无任何人工干预的前提下，通过 10 个私有数据集进行测试评估（其中每个数据类型包含2个数据集）。最终阶段多轮评估的平均排名将决定获胜者。

人工智能已在国内外掀起了巨大的发展浪潮。著名计算机专家李开复预计，到2025年，AI将无处不在，“AI赋能行业”应用模式在未来将迎来高速成长。然而AI在行业应用时，存在着技术门槛高、专业人才短缺、依赖专家经验和手工作坊式生产、费时费力、建模周期长、效率低下的痛点，给行业AI应用落地带来诸多困难。

为此，近几年来，国内外出现了AutoML自动化机器学习技术，其目标是以机器替代人工建模，以AI设计AI。一方面，可以降低人工智能使用门槛，减少对AI专业人才的要求，让普通数据分析师和应用开发者都可以快速完成AI建模，实现AI技术的平民化。另一方面，可以大幅提高AI建模效率，将建模周期从数月时间短至数天，大幅降低AI应用开发周期和成本。由于行业应用对AutoML的巨大需求，Gartner2019 AI技术报告显示，AutoML已成为全球AI领域的技术热点。

近年来，深度学习技术飞速发展，并已在语音识别、图像识别、文本分类等领域取得了重要进展，这也促使了深度学习技术需求量的大幅增加。然而，该技术的实现仍然需要大量的专家经验和人工成本。因此，AutoDL自动化深度学习技术在全球备受关注。

目前，AutoML已经成为大型IT和互联网企业大数据和人工智能系统平台的必备技术，可大幅降低企业AI建模的周期和成本。拥有诸多高水平人工智能专家的大型IT和互联网企业都如此需要使用AutoML技术和工具，诸多缺少AI技术人才的行业/企业，对AutoML会有更大的应用需求。AutoML以自动化和高效易用的方式，将能大幅降低AI建模的技术门槛，提高行业大数据智能化建模效率，支持行业大数据与人工智能应用的快速落地，让人工智能为人人所用！