互联网高科技公司领导AI工业化，MatrixGo加快人工智能落地
发布时间：2022-03-04 14:53:53 所属栏目：大数据 来源：互联网
导读：AI（人工智能）工业化与AI工程化正在引领人工智能的大趋势。AI工程化主要从企业CIO角度，着眼于在企业生产环境中规模化落地AI应用的工程化举措；而AI工业化则从AI供应商的角度，着眼于以规模化方式为企业用户提供AI技术、方案和服务，从而在企业生产环境中
|
AI（人工智能）工业化与AI工程化正在引领人工智能的大趋势。AI工程化主要从企业CIO角度，着眼于在企业生产环境中规模化落地AI应用的工程化举措；而AI工业化则从AI供应商的角度，着眼于以规模化方式为企业用户提供AI技术、方案和服务，从而在企业生产环境中能够规模化落地AI应用。AI工业化和AI工程化相当于一个硬币的两面，一面是AI技术供给和供应链的规模化，一面是AI技术使用和落地的规模化。 AI工程化已经连续两年入选Gartner的2021年及2022年重要战略科技趋势报告。在2021年，Gartner指出只有53%的项目能够从AI原型转化到生产环境，AI项目的扩展难度很大。而在2022年报告中，Gartner预测到2025年，10%建立了AI工程化最佳实践的企业，将比余下90%的企业实现至少高三倍的收益。AI工程化不足之处，AI工业化补足。作为AI模型生命周期高质量数据服务供应商，澳鹏中国高级产研总监张童皓指出：数据优化为AI推理带来的效果提升，要远比代码优化的效果强很多，企业到了建立AI数据供应链的时机。 AI工业化与AI工程化都包括了DataOps、ModelOps和DevOps三大实践，统称为AIOps。其中ModelOps和DevOps已经有众多成熟的自动化工具与平台以及相应的从业人员，而DataOps正处于快速上升期，AI数据标注是DataOps中的一个关键领域。2022年1月，澳鹏中国推出了MatrixGo高精度AI数据标注平台企业版，专门面向企业本地部署环境，帮助CIO们以高度自动化、标准化和规模化方式建立AI标注数据供应链。 近年来，人工智能领域在第三次浪潮爆发后经历了快速的发展，许多特定领域的专用人工智能算法已经大幅度超越了人类的水平，并在工业生产和社会生活中得到了广泛应用。目前，深度学习算法的本质是海量数据驱动的统计学习，是随着计算机算力和大数据可及性的快速提升而出现的产物。特别是近两年出现超大规模预处理自然语言模式，例如北京智源人工智能研究院的人工智能大模型“悟道2.0”参数规模就达到1.75万亿[1]。 既然深度学习算法是算力与大数据的产物，那么深度学习算法模型的工业化优化，也就需要AI数据供应链的工业化。所谓“工业化”，即以自动化、标准化和规模化可扩展方式为标志。澳鹏Appen是一家有着超过25年历史的人工智能训练数据服务公司，澳鹏Appen近期发布的《2021年人工智能与机器学习现状调查报告》显示，随着深度学习算法越来越成熟，模型算法本身的迭代优化已经不能带来明显的效果，而AI数据的高质量优化是模型效果提升的下一个关键。AI数据即需要经过人工标注后的数据，才能用于AI模型的训练和推理及优化。此前，AI标注数据的供应基本以作坊式为主，难以保证AI标注数据的高质量供给，接下来AI标注数据的供给将迎来工业化爆发。 随着互联网高科技企业等越来越大规模地将AI嵌入到自己的商业运营、产品与服务等方方面面，大规模的AI项目对标注数据的快速和持续供给需求已经越来越迫切。以互联网高科技企业为代表的AI用户已经率先与外部的数据服务供应商合作，以解决持续的AI标注数据外包、数据准备、数据质量评估以及数据供给等挑战。但在AI标注数据的规模化供给方面，自动化、标准化和规模化可扩展仍然是需要解决的关键问题。 （编辑：源码网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
