“Y=F（X）。”第四范式云业务负责人王敏用函数的抽象表示向钛媒体描绘了她眼中的AI。

“Y”代表“预测目标”，“X”代表“影响因素”，抽象函数关系“F”代表的“AI模型”，而AutoML（自动机器学习）则是第四范式的杀手锏——“通过AutoML自动的将F（AI模型）制作出来。”

举个简单的例子，若将目标人群三年之后患糖尿病的概率作为业务预测的最终目标，那么此时的X则演进为目标人群的体检相关数据，而AutoML技术通过三个环节：对大量的数据X进行自动预处理（数据自动清洗、线性分型技术）；自动特征处理以及自动算法选择和配置，最终得到性能度量的指标。

而据此与瑞金医院所推出的瑞宁知糖（一款预测糖尿病患病率的产品），在糖尿病预测的准确性上较基于临床标准的预测提升了3倍左右，这也第四范式在AI落地真实场景的成功实践。

人工智能最早于1956年的Dartmouth 学会上提出，但由于相关基础理论研究结果的匮乏、硬件与软件的落后以及实际落地场景不足，让AI像沉寂在海底的活火山亟待喷发。

根据《美国2019:国家人工智能研发战略计划》披露：“当前AI技术的一个关键缺口是缺乏可预测性能的方法。”这份计划在指明当下AI的天花板的同时，也从侧面暗示了当下AI的发展已正式步入到一个新的关键时期，即市场真实场景驱动之下的方法论构造成熟时期。从辩证思维逻辑来看，缺乏“可预测性能的方法”是AI企业的天花板，也是突破口。诚然，这也是第四范式的护城河所在。

溯源第四范式AutoML

AI应用规模化和普世化的前提是以ROI（投资回报比）最优为目标的低门槛AI技术，核心在于AI智能化和自动化，而当下的关键技术则是AutoML（被列为MIT2018十大突破性技术）。简单的说，就是要让机器取代人工专家完成建模、自动调参的工作，进而让整个机器学习过程更加自动化。

往深层次更近一步分析你会发现这是一个极为宏大的愿景，即“让机器从业务中自主发现规律，进而服务企业的增长和创新。”无独有偶，相关人工智能业内专业人士对钛媒体表示，“第四范式走的不是普通的道路，而是想做AI中的AI，即通过自主创建一个AI引擎，外层包裹针对各行业的解决方案。”

与此同时，这也是一条全球性的赛道。

亚马逊、谷歌、微软以及百度都在此押注。值得一提的是，第四范式自2015年年初起便深耕AutoML，较于谷歌2018年正式发布AutoML领先了三年有余。除此之外，第四范式也是继中国银联之后，第二家倍中国五大行联合投资的公司，投资方还包括红杉资本、创新工场等多家明星投资机构，从某种意义上来说，第四范式是名副其实的“国家队”。

资本看好的背后不仅仅缘于时间维度上的领先，第四范式在三年时间内先后将AutoML应用于金融、银行、零售、保险、证券、医疗、能源、安防以及媒体等众多领域，实现了AI的多场景落地。

以AI落地金融为例，当具体应用于某国有银行线上的B2C的交易欺诈防控时，第四范式首先对银行所提供的大量用户的流水数据进行数据预处理以及特征扩充，包括卡的信息、商户信息、用户信息等，进而通过构建亿级别维度的高维度机器学习模型进行深度训练，最终通过AI对可疑交易案宗进行排序。

而在此之后的直接益处是较专家规则提升了近316%，达到了83%的防控精准性，与此同时该工具比专家规则多识别欺诈交易58.8%，同时也减少了将近30%审核成本。从某种程度上来说，AI进一步解放了专家的生产力。目前，第四范式的金融机构资产总规模超过50万亿，头部金融客户占有率超过70%。

这一效果在“AI+媒体”上的融合更为明显。众所周知，内容分发决定了媒体流量和利益的分配，于此之下，个性化推荐则成为媒体价值实现的关键所在。

“先荐”是第四范式基于深度学习技术研发的一套集内容上传、内容管理、内容分发、推荐干预以及前端渲染于一体的一站式推荐服务可视化平台，支持PC、WAP、APP全平台接入。目前，第四范式已服务超过1000个客户，生产出超过2000个推荐场景。通过机器学习的训练，国内第三大官方媒体环球网点击率提升了近5倍，而国内最大的单机游戏媒体游民星空点击率更是达到了19倍的提升，在收益增长方面国内最大程序员社区CSDN在应用之后广告收入提升了1.5倍。

AutoML的价值在哪儿？

企业应用AI的门槛较高，首当其冲的便是认知（不知道如何构建AI能力，什么是关键的成功因素）和操作门槛（建模+业务的复合型人才的缺失，开源机器学习框架使用门槛、维护成本过高），这也是AI所一直为人诟病的“过于黑盒化”。