白话大模型③ | 我们为何需要机器学习运营平台?

白话大模型系列共六篇文章,将通俗易懂的解读大模型相关的专业术语。本文为第三篇:我们为何需要机器学习运营平台?

作者:星环科技 人工智能产品部

在人工智能、尤其是其机器学习子领域里,“没有免费的午餐”(No Free Lunch Theorem)效应也很显著,简单的说:

1.减少了人工去做各类特征提取(比如测量人的瞳距),就需要大量“不同”的数据,来训练模型,得到“映射关系”,至于“什么是不同,怎么不同,要的量多少,现实中这种不同很少,能不能合成或生成?”,都是必需要考虑的,技术方案不同造成的优劣差距极大。

2.比较难达到“一个模型适应所有场景”的状态,比如即便在“人脸识别”技术发展到如此高度的今天,在 2020 年初,原本好用的手机人脸解锁,面对带口罩的人脸,也是无能为力的,不得不重复刚才映射关系步骤来提升能力。那么,在人工智能领域“头疼医头脚疼医脚”的打补丁做落地可以么?短期可以,长期不可以。

•实验性质或概念验证性质,可以,比如说,我们需要一个“人脸识别”小工具,我们可以采集一些数据,训练一个模型,然后使用;

•投入市场长期运营的产品,不可以。需求、数据、环境在不断扩大、变化,以机器学习和神经网络这类“数据驱动”的人工智能的运行逻辑,导致每次更新(更新大小并不是人认知的模糊的大小,而是机器能处理的数量化后的大小),都需要重新训练模型,重新采集数据,重新标注数据,重新建立模型,重新验证模型,重新上线,这个过程重来一遍是非常耗时耗力的;

•事实上,绝大部份企业里面,存在大量的智能化应用,不单单是一个“人脸闸机”这么一个,于是更加不能零散管理。一个不恰当的比喻,现代企业很多软件、数据的搭建,就类似一个小城市的规划建设,而不是一个房子的建设,这个时候,我们需要的是一个城市规划师和一整套环卫、治安、电力、医疗等班底,而不是一个临时小楼的包工头的草台班子。于是,为了满足消费者(或者企业用户)不断变化和增长的需求,才有了市场才对“智能数据分析平台”这样的软件有需求(我们下节会描述“数据分析”是什么):

要能处理和管理刚才建立映射用的图像样本(即:“数据”);要能建立和管理上面从图像到向量“映射”(即:模型或“算法”);要能管理和调度图到向量,以及图查图耗费的计算资源(即:“算力”)。这些都是“智能数据分析平台”需要做的事情。

如同城市管理假设有管理中心,为了保障智能软件的长期平稳运行,也要有一个指挥、监控、运维中心:

•要能统一的管理、监控“数据”、“模型”、“算力”的存储、管理、调度、使用

•要能统一根据新问题、新需求,改进“映射”(即:“模型持续提升”)

•要能统一解释“映射”和效果之间的关系:如是否符合常识、是否法律法范、是否公平公正。这个中心,就被称作“智能数据分析平台运营平台”(或者符合国际惯例:“机器学习运营平台”, Machine Learning Ops Platform, i.e. MLOps platorm),特质就是“六个统一”。

不管是否是“大模型”厂商,只要致力于“将模型从实验室和原型验证推向真正生产实践”,都需要这样的平台。比如 2022 年以来最成功大模型供应商 OpenAI,在其官网的最佳实践中,就明确写了 MLOps 的重要性,与我们上面的描述几乎如初一辙(但“大模型”要求更高)。

你可能感兴趣的:(数据库)