如何讓人工智能更智能

譚清寬

在新型冠中病毒疫情全面爆發(fā)之后，眾多在校學生開始在家中參與網(wǎng)課，但事實證明這樣的隔空授課方式確實無法與常規(guī)課堂相媲美。人們還普遍意識到，現(xiàn)實中面對面交流問題、討論思路、明確團隊挑戰(zhàn)并以小組形式達成目標的整個過程，確實可以帶來更好的學習效果。沒錯，不然的話我們要學校干什么？

但同樣的互連互用技術，能否幫助計算機在構建數(shù)據(jù)驅動型人工智能（AI）知識庫與軟件驅動型分析引擎時，也達成更好的“學習”效果？

機器學習中的開放性

最近，業(yè)界涌現(xiàn)了不少開放式AI用例。比如，2020年6月，Databricks就憑借其開源機器學習成果正式加入Linux基金會。Databricks方面將項目命名為MLflow，旨在體現(xiàn)以端到端流程的形式提供機器學習功能的基本定位，并希望該項目能夠貫穿整個開發(fā)周期。

在機器學習領域，端到端是一種相當流行的表達方式，主要強調軟件工具從開發(fā)周期的一端持續(xù)作用至另一端的全面涵蓋能力。

而如果從術語的角度出發(fā)，端到端則對整個數(shù)據(jù)流程做出了如下要求：準備階段（包括解析數(shù)據(jù)以及重復數(shù)據(jù)刪除）；實驗階段；將代碼打包為“可重復運行”形式（可在操作系統(tǒng)中以智能模塊的形式進行自由組合，并實現(xiàn)對應功能的即插即用）；最后進入可靈活共享與協(xié)作的AI模型。

其中最重要的是協(xié)作部分，即通過開放（也是實質意義上的開源）平臺或渠道社區(qū)實現(xiàn)AI與ML數(shù)據(jù)集、處理引擎乃至其他深度學習工具的共享能力。業(yè)界目前普遍相信，這才是生產(chǎn)力更高、且更加自然的機器學習方式。

Databricks的MLflow項目已擁有2年發(fā)展歷史，期間有200多位貢獻者參與。而將其交由Linux基金會打理能保證項目本身形成一條獨立于任何特定廠商之外的發(fā)展路線，同時選擇一套開放的治理模型以擴大成果采用與社群貢獻。

Databricks方面解釋道，他們當年創(chuàng)建MLflow的初衷在于解決機器學習模型開發(fā)流程中“固有的復雜性因素”。相信有從業(yè)經(jīng)歷的朋友都能感受到，這樣一個涉及機器模型構建、訓練、調優(yōu)、部署與管理的流程確實相當令人頭痛。

Linux基金會戰(zhàn)略計劃副總裁Michael Dolan表示：“社區(qū)參與度的穩(wěn)定增長表明，數(shù)據(jù)團隊必須致力于構建起未來的機器學習平臺。采用率的提升也意味著，我們必須采用開源方法以實現(xiàn)機器學習周期的標準化。我們與世界上多個優(yōu)秀開源項目保持著合作關系，相關經(jīng)驗也讓我們意識到，開放治理模型確實可以通過廣泛的行業(yè)貢獻與共識加快技術成果的創(chuàng)新與應用速度。”

推動數(shù)字智能的普及

從某種程度上看，通過開源代碼開發(fā)還可以有力推動數(shù)字智能的普及。2020年6月，Abbyy發(fā)布了NeoML開源代碼庫，專門用于構建、訓練及部署機器學習模型。這家在硅谷、俄羅斯、歐洲以及遠東地區(qū)皆有業(yè)務體系的廠商從事專業(yè)文檔捕捉與管理業(yè)務，但在最近的經(jīng)營范圍擴展之后，他們開始為企業(yè)客戶提供數(shù)字智能技術方案。

NeoML的源代碼已經(jīng)可以通過GitHub輕松獲取，其同時支持深度學習與傳統(tǒng)機器學習算法。作為一套跨平臺框架，它能夠針對云環(huán)境、臺式機以及移動設備上運行的各類應用程序實現(xiàn)智能優(yōu)化。

之前提到的Databricks開放式智能技術，主要用于大數(shù)據(jù)處理與云計算集群管理，而Abbyy的機器學習模型則專門針對圖像處理任務進行優(yōu)化，為運行在任意設備上的預訓練模型提供更出色的推理性能。2個項目分別針對不同的技術用例，也各自擁有不同的智能化水平，但其核心訴求都在于充分發(fā)揮并回饋開放社區(qū)中的貢獻者。

Abbyy公司表示，隨著將開源視為核心任務軟件開發(fā)層面的主要方向，95 %的IT管理者都開始重視這一戰(zhàn)略性趨勢。Abbyy也將通過開源推動其機器學習框架快速發(fā)展，進而支持AI不斷完善。如今，軟件開發(fā)者們可以直接使用NeoML構建、訓練并部署各類模型，借此實現(xiàn)對象識別、分類、語義細分、驗證以及預測等針對不同業(yè)務目標的模型方案。

Abbyy公司AI布道師Ivan Yamshchikov還公布了更多具體用例，銀行可以使用這項技術開發(fā)出管理信貸風險與預測客戶流失的模型；電信企業(yè)可以借此分析營銷活動的具體效果；零售與快速消費品企業(yè)則可建立起包含人臉識別與數(shù)據(jù)驗證功能的遠程客戶標記方案。

Yamshchikov指出，“通過將框架共享給整個開源領域，開發(fā)者們能夠借此實現(xiàn)推理提速、跨平臺功能并充分發(fā)揮移動設備的計算潛力，而他們的反饋與貢獻又將不斷完善并改進這套代碼庫。我們樂于看到AI技術的整體進步，也將努力讓機器學習走進更多更具價值、影響力更強的用例。”

敞開你的心扉

但是，開源真的是實現(xiàn)優(yōu)秀AI智能的唯一途徑嗎？技術領域只有不斷擴展學習交流范圍，甚至直接分享具體學習模型，才有可能真正實現(xiàn)AI技術的大眾化進程。

以Abbyy打造的NeoML項目為例，項技術支持開放神經(jīng)網(wǎng)絡交換（ONNX），這是一套具備可互操作性的機器學習模型全球開放生態(tài)系統(tǒng)。項目主旨在于改善各類工具間的兼容性，保證軟件開發(fā)人員能夠輕松使用正確的工具組合實現(xiàn)預期功能。微軟、Facebook等多家合作伙伴已經(jīng)加入到ONNX開源標準中來，相信未來開放式AI智能將變得愈發(fā)普遍。這可能就是人們常說的“敞開心扉”吧。