IBM (NYSE: IBM）近日宣布推出AutoAI，這是IBM Watson Studio上又一全新功能，旨在幫助企業實現人工智能設計、優化和管理等環節的自動化。如此，數據科學家們便可以騰出更多時間投入到機器學習模型的設計、測試和部署等工作上來。

盡管人們已經意識到人工智能在商業中越來越高的戰略價值，但大多數組織還仍在努力應對基礎信息架構方面的挑戰。尋找、收集和整理零散、孤立的數據，并將這些數據準備好用作分析與機器學習，這些繁瑣的工作往往減慢了人工智能的開發。Forrester[1]近期發表的一篇報告中稱，60%的受訪者表示，管理數據質量是實現人工智能所面臨的最大挑戰之一，另有44%的受訪者將這一挑戰歸結為數據的準備。

對于沒有數據科學家的企業來說，人工智能項目面臨著更大的挑戰。IBM商業價值研究院在一項題為《向企業級人工智能的轉變》（Shifting Toward Enterprise-Grade AI）[2]的研究中指出，63%的受訪者表示，缺乏適當的技術、技能是企業實施人工智能所面臨的主要挑戰。

Watson Studio 全新 AutoAI 功能與 Watson Machine Learning相結合，將能夠幫助企業加速并實現人工智能生命周期中各個步驟的自動化，從而解決上述挑戰。

全新AutoAI功能專門為加速企業人工智能開發而設計，使那些極其耗時的數據準備和預處理環節實現自動化，例如模型開發、功能工程等。目前，企業已可以在基于IBM云的Watson Studio上使用此功能。AutoAI的推出是為了使用戶能夠利用超參數（hyperparameter）優化功能，更輕松地構建數據科學和人工智能模型。此外，AutoAI還包含一套強大的企業級數據科學模型集，如梯度增強樹（gradient boosted trees）等，幫助用戶快速擴展機器學習實驗并完成部署。

IBM大數據與人工智能業務總經理Rob Thomas表示：“IBM始終與客戶保持密切合作，為他們規劃通往人工智能的路徑，而許多客戶面臨的首要挑戰之一便是數據準備，這是人工智能的基礎步驟。我們已經發現，對于一些成熟企業而言，數據基礎架構的復雜性讓人望而生畏，而對于那些幾乎沒有或根本沒有技術資源的企業來說，這種復雜性更是根本無法駕馭的。我們為Watson Studio提供的自動化功能旨在簡化流程，幫助客戶更快地構建機器學習模型和實驗。”

AutoAI系列還包括IBM Neural Networks Synthesis（NeuNetS），這一技術于去年秋天首次亮相，目前在Watson Studio項目中處于公測階段。這一技術能夠使用戶通過人工智能自動合成定制化的神經網絡，快速跟蹤深度學習模型的開發。NeuNetS使用戶能夠在優化速度和精度方面進行選擇，并實時觀察模型的構建并進行自我訓練。

Watson Studio AutoAI利用IBM研究院開發的關鍵技術，基于IBM多年來一直在開發和提供的諸多自動化功能，為包括IBM Watson Assistant，IBM Watson Discovery 與IBM Watson Machine Learning在內的各種解決方案都提供了不同程度的自動化，加快并簡化了極其耗時的任務與環節，使客戶能夠更快地專注于具有更高價值的工作。