传统上,企业部署AI应用,一般通过单点开发的方式,即“烟囱式”架构部署AI应用。海量AI应用场景爆发使得原来传统的“烟囱式“AI开发流程无法跟上业务的快速变化,开发速度慢、周期长。
越来越多的企业开始采取工程化的建设思路以应对这一问题,通过建设统一的AI底层平台,实现上层AI应用的自动开发,以此缩短AI应用开发的周期,增强对业务响应的敏捷性,并降低总体AI开发的成本。
AI工程化建设可划分数据治理和AI模型工程化两大环节,在全生命周期中都可利用AI技术提升效率,而以工程化的建设思路可在多个环节中实现流程自动化,加速AI模型的快速、批量搭建。
建模流程自动化的实现主要依赖AI中台的搭建。一般而言,厂商提供的AI中台产品包括四大模块:开发平台层、资产层、业务逻辑层、平台管理层。
开发平台层:主要负责数据处理、模型训练与发布。数据处理主要包括访问数据中台、数据库或其他数据存储系统的数据,并提供数据清洗、数据标注、数据分析和特征工程等能力;模型训练提供多种建模方式,如可视化拖拉拽建模、Notebook建模等。
资产层:包括算法库&样本库,内置特征工程、机器学习、深度学习和NLP等AI算子和大量AutoML模块。企业可将算法封装称独立算子,可供直接调用。
业务逻辑层:主要是指根据对业务需求的理解,提供可复用的建模方案模板、服务编排等能力。业务逻辑层能够将算法能力包装称AI组件。
平台管理层:负责角色权限管理、账户管理、资源统一管理等功能。
数据治理后,在特征工程、模型训练、模型评估、模型管理等环节中,以AI中台的思路可助力整个建模流程实现自动化。如在特征工程环节,基于AI中台,可内置实时特征计算引擎技术,提供自动特征组合、可视化特征重要性评估等;在模型训练环节,可实现拖拉拽流程建模以及自动模型调参;在模型评估环节,可实现可视化模型效果展示;在模型管理环节,模型中心提供对平台开发模型的统一管理能力。
互联互通社区
互联互通社区专注于IT互联网交流与学习,旨在打造最具价值的IT互联网智库中心,关注公众号:互联互通社区,每日获取最新报告并附带专题内容辅助学习。
方案咨询、架构设计、数字化转型、中台建设、前沿技术培训与交流,合作请+微信:hulianhutongshequ
标题名称:AI中台架构模型解析-创新互联
标题URL:http://lswzjz.com/article/depoce.html