人工智能行業(yè)現(xiàn)狀
人工智能已經(jīng)歷十幾年的快速發(fā)展，尤其是近些年，人工智能在大數(shù)據(jù)、大模型的深度學(xué)習(xí)之路上一路高歌猛進(jìn)，目前已經(jīng)形成了用大數(shù)據(jù)代替經(jīng)驗、用算法挖掘知識、用并行計算確保模型訓(xùn)練的可行性的基本范式。
現(xiàn)在有大量的基于感知能力的AI模型已經(jīng)廣泛應(yīng)用于各行各業(yè)，但是目前人工智能還只是“弱人工智能”，很多核心問題依然沒有解決，比如如何讓模型具備真正的理解能力。
從技術(shù)上看，人工智能的應(yīng)用呈現(xiàn)出工程化的趨勢。由于多元的人工智能應(yīng)用場景日益增多，用戶體驗要求越來越高，對于迭代速度的要求也有所提升，傳統(tǒng)的開發(fā)方式已經(jīng)無法滿足企業(yè)客戶的需求，同時由于遷移能力的限制，不同場景的問題仍需要大量的定制模型的開發(fā)。
為適應(yīng)人工智能工程化的需求，人工智能勢必將和數(shù)據(jù)有更加緊密的聯(lián)系。現(xiàn)在70%-90%的AI工程師把時間和精力都用在數(shù)據(jù)而不是模型代碼上，模型已經(jīng)不再是工程應(yīng)用方面的最大瓶頸，而訓(xùn)練數(shù)據(jù)已成為機(jī)器學(xué)習(xí)工程師全新的挑戰(zhàn)。
與此同時，新算法不斷涌現(xiàn)，預(yù)訓(xùn)練模型正在蓬勃發(fā)展，推動了技術(shù)效果不斷提升，雖然降低了標(biāo)注數(shù)據(jù)的門檻，但計算成本有所上升。另外，大規(guī)模模型近年也成為研究熱點之一，模型參數(shù)規(guī)模指數(shù)從億級發(fā)展到萬億級的增長，算法模型大量開源，使得云計算的成本下降，而人力成本逐漸飆升。
Data-Centric MLOps
在這樣一個大背景下，倍賽科技CTO劉世林博士應(yīng)邀在第四屆智能制造創(chuàng)新高峰論壇活動中，進(jìn)行了以“打造Data-Centric MLOps基礎(chǔ)設(shè)施，助力AI提效”為主題的演講分享，總結(jié)了企業(yè)在人工智能工程應(yīng)用方面的兩大實踐方向。
一個是基于中小型的模型，配合較多的“好數(shù)據(jù)”和較低的計算資源；另一個方向則是使用大模型，用較少的“好數(shù)據(jù)”和較多的計算資源。可以看出，兩個實踐方向的核心都離不開“好數(shù)據(jù)”，所以，劉世林博士推薦企業(yè)AI的工程實踐圍繞Data-Centric MLOps的應(yīng)用策略展開，更加便捷、高效地實現(xiàn)人工智能落地應(yīng)用和產(chǎn)品交付。
Gartner預(yù)測：“到2025年，人工智能和數(shù)據(jù)科學(xué)平臺市場將以21.6%的復(fù)合年增長率增長到超過100億美元，基于Data-Centric MLOps的巨大市場潛力，倍賽科技重新定義了企業(yè)戰(zhàn)略方向，將面向全球提供AI賦能的Data-Centric MLOps軟件基礎(chǔ)設(shè)施，從數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、數(shù)據(jù)治理、模型驗證和模型開發(fā)的各個環(huán)節(jié)，提供了一體化、全方位的技術(shù)軟件與服務(wù)體系，使用AI的能力加強(qiáng)軟件實力的同時，加強(qiáng)高質(zhì)量數(shù)據(jù)的處理和生產(chǎn)，幫助客戶快速完成數(shù)據(jù)與模型迭代，高質(zhì)量、高效率實現(xiàn)AI場景落地。
作為公司實施Data-Centric MLOps戰(zhàn)略的第一步，倍賽科技重新設(shè)計并研發(fā)了新一代多模態(tài)數(shù)據(jù)標(biāo)注平臺X1。X1平臺集成了大量的AI能力，提供了完整且功能強(qiáng)大的“數(shù)據(jù)標(biāo)注工具集”， 可同時滿足自動駕駛、遙感、醫(yī)療等精細(xì)化、高量級的數(shù)據(jù)需求，工具集及AI質(zhì)檢及預(yù)標(biāo)注模塊可提升至少30%的效率。同時，平臺內(nèi)置了數(shù)十套模型庫，一鍵訓(xùn)練及部署模型，打破從數(shù)據(jù)到模型的技術(shù)鴻溝，底層海量存儲及傳輸積累了大量原創(chuàng)技術(shù)，成為建模業(yè)務(wù)堅實產(chǎn)品基礎(chǔ)，助力企業(yè)AI快速落地，落地周期縮短75%，成本節(jié)省65%。
目前倍賽科技已經(jīng)完成了從“標(biāo)注平臺”到“一體化AI基礎(chǔ)設(shè)施方向”的晉階，后續(xù)會在練好“產(chǎn)品功”的基礎(chǔ)上，探索更上層的“垂直解決方案”，構(gòu)建最易于訪問的Data-Centric MLOps，用于連接人、模型和數(shù)據(jù)。
免責(zé)聲明：市場有風(fēng)險，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
關(guān)鍵詞：
