通过技术赋能千行百业是诸多技术厂商近几年挂在嘴边的口号,但这件事到底如何启动、如何复制、如何落地,似乎从结果上来看尚无明确的结论。
11月10日,旷视科技进一步讲解算法量产理念背后的思考,所谓算法量产是旷视提出的关于AI算法生产的理念,并非指单一产品,而是对AI生产模式的理念革新和生产力进化。采访中,旷视研究院算法量产负责人周而进对第一财经记者表示,算法量产平台是基于旷视内部需求而诞生、先经过内部考验再对外服务客户的平台。
包括旷视在内的厂商,在推进AI落地过程中,仍会遇到AIoT市场高质量算法供给的难题,包括行业数据匮乏、算法通用性低、IoT设备数量及种类剧增、算法供给质量参差不齐等。当然行业也据此进行了相应的应对,如根据需求进行算法定制化开发,为客户提供VIP服务,但这种方式成本较高、算法交付质量参差不齐;预训练大模型能为算法带来良好的泛化性,但其背后需要大量算力支持,且难以解决具体的细分场景问题;提供能够解决部分问题的云端AI开发平台,虽然易上手、零代码,但只实现了流程数字化,对策略选择自动化等进阶功能的支持有限。
因此可以说,在一定程度上,每种算法生产方式都有各自的优缺点,综合多年的项目实践经验,旷视最终提出了算法量产的理念。将AI生产过程标准化,降低算法生产门槛,让更多的人能够加入到算法生产的工作中,提升算法生产效率。
为此,旷视推出了适配算法量产的AI基础设施——算法生产平台AIS(AI Service)。AIS基于旷视Brain++体系,构建了一套覆盖数据处理、模型训练、性能分析调优、推理部署测试等算法生产全链路的零代码、自动化的生产力工具平台。
此外,目前AIoT市场上,高质量的AI算法供给仍严重不足,如何解决算法生产及落地
应用挑战,让人工智能在海量场景中发挥更大的作用,是人工智能企业在AIoT时代需要解决的难题。
周而进表示,算法生产的过程并不是模型训练这么简单的一个环节,为了让模型算法能够解决实际问题,它包含了需求分析、数据处理、模型训练、上线部署、以及最后的应用落地,其中的每个环节都可能需要反复多轮的算法打磨,这整个过程才真正是一个完整的算法生产的过程。因此可以说,算法的复杂性本身可能就是其中最大的问题。为此,周而进对记者表示,旷视的算法量产平台要做的就是将算法生产过程中的每个环节解耦、定义,达成组合乘法的效果。量产背后的思维模式就是做标准化,才有可能让算法生产的所有环节实现自动化。
至于目前刚刚推出的算法量产平台到底先做行业铺广还是纵深,周而进对记者表示,第一步先做宽,例如目前旷视通过算法量产已帮助能源、教育、零售、运动健身等行业的客户在日常生产与经营中运用AI技术。而铺向千行百业过程中的独特性问题,在周而进看来,其本质仍是算法生产过程中的解耦与定义,将行业特殊性问题拆解为不同模块,但终态一定是为了将算法生产过程变高效,才有可能做出更准确的算法。