91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

AI的希望是很大的，但是真正要在企業(yè)內(nèi)部構(gòu)建和實(shí)現(xiàn)AI確很有挑戰(zhàn)性。隨著越來越多的企業(yè)學(xué)著在正式的生產(chǎn)環(huán)境里構(gòu)建智能的產(chǎn)品，工程團(tuán)隊(duì)將面對著機(jī)器學(xué)習(xí)開發(fā)過程帶來的復(fù)雜性——從數(shù)據(jù)獲取和清洗到特征工程、建模、訓(xùn)練、部署和生產(chǎn)環(huán)境的設(shè)施等。應(yīng)對這些挑戰(zhàn)的核心是構(gòu)建一個(gè)有效的AI平臺策略，就如Facebook的FBLearner Flow和Uber的Michelangelo那樣。通常，這個(gè)任務(wù)是說起來容易做起來難。構(gòu)建一個(gè)平臺的過程就有它自己的復(fù)雜性，特別是因?yàn)椤捌脚_”這個(gè)詞自身的定義就很寬泛和不明確。在本博文里，我會逐一介紹構(gòu)建一個(gè)適合你的業(yè)務(wù)所需的AI平臺所要考慮的關(guān)鍵點(diǎn)，以及如何避開常見的坑。

誰將使用這個(gè)平臺？

機(jī)器學(xué)習(xí)平臺通常被不正式地宣稱是為軟件工程師和數(shù)據(jù)科學(xué)家共同設(shè)計(jì)的。但是，大部分平臺并不能為兩種角色同時(shí)都服務(wù)好。更糟的是，這些平臺甚至無法給任何一種角色提供對真實(shí)工作足夠有用的價(jià)值。我個(gè)人在構(gòu)建PredictionIO和Salesforce的Einstein AI平臺上的經(jīng)驗(yàn)幫助我理解了這兩種截然不同的用戶，他們的需求集的差異是巨大的。

首先看看數(shù)據(jù)科學(xué)家群體。這些用戶通常有著數(shù)學(xué)和統(tǒng)計(jì)學(xué)的背景，是R、Python科學(xué)計(jì)算包和數(shù)據(jù)可視化這些工具的重度用戶。這個(gè)群體負(fù)責(zé)分析數(shù)據(jù)和調(diào)優(yōu)模型來獲得最精確的結(jié)果。因此他們關(guān)心的是一個(gè)平臺是否能支持特定的算法類，在平臺上他們已經(jīng)熟練使用的工具是否能工作良好，以及是否能和他們使用的可視化工具集成。他們還想知道平臺支持什么特征工程技術(shù)，以及他們是否能在平臺上使用他們自己預(yù)先訓(xùn)練好的模型，諸如此類的需求。

對于軟件工程師群體而言，他們通常很熟悉如何構(gòu)建Web或移動(dòng)應(yīng)用，更關(guān)注于平臺是否能和他們希望的數(shù)據(jù)源集成，以及平臺提供的接口和內(nèi)嵌的算法是否足以構(gòu)建特定的應(yīng)用。他們想知道如何獲取模型產(chǎn)出的結(jié)果，是否支持模型版本化，以及是否有特定的軟件編程模型來使用，諸如此類的需求。

為了能成功地為你的企業(yè)實(shí)現(xiàn)一個(gè)AI平臺，你必須真正地理解你的用戶，并相應(yīng)的去為他們服務(wù)。例如，有很多數(shù)據(jù)科學(xué)家偏好于手工微調(diào)算法的每一個(gè)參數(shù)，但是如果你的用戶是想要一個(gè)能工作的成品回歸算法，自動(dòng)化的模型調(diào)優(yōu)就成為平臺要有的一個(gè)非常重要的技術(shù)。你希望幫助這些用戶來減輕調(diào)整正則化參數(shù)的麻煩，從而讓他們能關(guān)注于他們首要的任務(wù)。

你是要解決簡單性還是靈活性？

你可能想知道為什么構(gòu)建一個(gè)服務(wù)于兩種或多種用戶的單一平臺是如此困難。為什么不在平臺上簡單地提供更多的功能？這個(gè)問題最終就歸結(jié)到對于簡單性和靈活性的艱難選擇上。決定哪個(gè)部分應(yīng)該為了簡單性而被抽象出來以及哪些部分應(yīng)該為了靈活性而被構(gòu)建成可定制化這件事更像是一門藝術(shù)而不是科學(xué)。

對一些用戶而言，一個(gè)理想的平臺是能把所有的數(shù)據(jù)科學(xué)的細(xì)節(jié)抽象掉的平臺。很多軟件工程師開心地使用Salesforce的Einstein深度學(xué)習(xí)API來識別圖像里的物體以及進(jìn)行文字里的情感分類，他們不操心這些AI模型是怎么被構(gòu)建的，或者背后用的是什么算法。

對別的用戶而言，一個(gè)理想的平臺是有著最大程度的靈活性的平臺。也有不少軟件工程師喜歡在Apache PreditionIO上構(gòu)建完全定制化的AI引擎。他們會自己來修改Spark ML管道，并很享受能定制化和微調(diào)每個(gè)組件的自由（從數(shù)據(jù)準(zhǔn)備到模型選擇，再到實(shí)時(shí)的服務(wù)邏輯等），從而能創(chuàng)建一個(gè)獨(dú)一無二的AI應(yīng)用。

你怎么來平衡產(chǎn)品和工程的決策？

隨著AI平臺被越來越多的用戶使用，很多艱難但是有趣的產(chǎn)品和工程的決策浮現(xiàn)了出來。這個(gè)平臺應(yīng)該測量什么？它應(yīng)該提供預(yù)制的指標(biāo)嗎？它能應(yīng)對來自AI研究、開發(fā)和產(chǎn)品部門各種不一樣的需求？它的成本與可擴(kuò)展策略是什么？這個(gè)平臺應(yīng)該是云端不可知的嗎？可視化工具應(yīng)該是這個(gè)平臺的一部分嗎？為了能更有效地回答這些問題，你必須要一次只完全針對一種類型用戶的一個(gè)全應(yīng)用場景，從最高業(yè)務(wù)優(yōu)先級的事情開始。

你的多層級方法是什么？

有些時(shí)候，現(xiàn)實(shí)是你需要為多種類型的用戶構(gòu)建AI能力。在這種情況下，能力的分離就必須是明確的。

例如，Salesforce的Einstein人工智能層有3個(gè)主要模塊。首先是幾個(gè)獨(dú)立的和機(jī)器學(xué)習(xí)開發(fā)相關(guān)的服務(wù)。其中一個(gè)服務(wù)是用于執(zhí)行資源密集型的任務(wù)，并負(fù)責(zé)為每個(gè)任務(wù)智能地調(diào)度和管理分布式計(jì)算單元。另外一個(gè)服務(wù)則是進(jìn)行任務(wù)調(diào)度，管理任務(wù)的依賴包和監(jiān)控狀態(tài)。這些低層次的服務(wù)為數(shù)據(jù)科學(xué)家和軟件工程師提供了最大的靈活性，從而允許他們用自己喜歡的方式構(gòu)建AI解決方案。

其次，需要有一個(gè)應(yīng)用框架來標(biāo)準(zhǔn)化某些常用AI應(yīng)用的設(shè)計(jì)模式——特別在Saleforce的場景里，即多租戶的AI應(yīng)用。用戶將依然需要寫代碼，但是會寫的很少，因?yàn)楹芏喑Ｓ玫墓δ芏急怀橄蟪鰜砹?。通過放棄一些靈活性，平臺為基于其上的AI應(yīng)用提供了彈性和可擴(kuò)展性。

最后，API和用戶接口被提供用于讓用戶只寫很少量的代碼，甚至是不用編程就能構(gòu)建AI應(yīng)用。

結(jié)論

一些沒有想清楚它們的AI策略的公司通常會在不同的方向間搖擺不定。它們是在追逐風(fēng)口。在可見的未來，對能服務(wù)于多種開發(fā)類型的AI平臺的需求必將持續(xù)增加。正確的AI解決方案是既能匹配用戶的技能集而且能解決最高優(yōu)先級業(yè)務(wù)問題的方案。