第四范式 先知公有云版:实现AI转型只需30天

2016年11月18日，人工智能代表企业第四范式在第三届世界互联网大会上，发布了国内首个支持部署在多公有云上的人工智能应用开发平台――第四范式?先知公有云版(以下简称“先知公有云版”)。先知公有云版面向不同阶段互联网公司，它聚合了先进的AI技术以及“部署即可用”的公有云产品形态，利用先知公有云版完成AI业务应用仅需一人月。第四范式希望以一种互联网思维，为互联网公司提供构建专属人工智能系统的能力。

　　 专为机器学习而生的计算框架：极致运行速度、超高模型维度

区别于普通大数据应用，机器学习的计算任务具有小批量、多步迭代、通信频繁、逻辑复杂等特点，传统的 ETL式 计算并不能够满足机器学习计算任务的要求。为此，第四范式的科学家们开发了专为机器学习而生的计算框架――先知公有云版核心框架GDBT(General Distributed Brain Technology)，GDBT在计算、通讯、存储、灾备等方面针对机器学习任务进行了深入优化，兼顾了开发效率和运行效率。

GDBT计算框架最主要的特点是对分布式支持数据并行化和计算并行化，即通过优化算法和机制，实现了机器与机器之间的协作而不是简单地分工，以减少无效的数据传输过程。实际结果表明，在3000万条大数据环境下，GDBT的速度较Spark提升416 倍，帮助用户节省了99.76%的数据处理时长，而随着数据量的增大，GDBT的这一优势会更加明显，当数据量大到其它开源工具已无法工作的时候，GDBT的计算时间依然呈线性增长。

其次，GDBT计算框架能够同时支持连续、离散这两种数据的融合训练，将描述事件的特征由几十个提升至上百亿之多，保证模型可以充分利用对某件事情产生影响的最多特征数量。众所周知，高维度机器学习是机器学习的发展方向，人工智能巨头公司正在使用足够多的特征、更复杂的模型来提升AI的行业应用效果。但对于普通互联网公司来说，高维度的模型意味着巨大的资源与人力投入，因此不得不在效果和成本之间进行取舍。而专为机器学习而生的GDBT计算框架，能够实现超高维度的机器学习模型，将只有巨头才能拥有的万亿级特征量模型分享到每一家互联网公司，并能成熟应对巨大模型上线的工程挑战。此外，得益于优秀的模型效果，先知公有云版对数据量的要求惊人地降低到十万级别，让小数据也能产生强人工智能，这也是先知公有云版的核心优势所在。

　　 丰富的应用场景：助力大部分互联网企业用人工智能创造未来

互联网公司最常见的业务场景，个性化推荐位居其一。以个性化推荐业务为例，利用先知公有云版搭建AI系统只需完成几个步骤。首先要定义问题，比如该模型是为了解决预估用户点击量或者是阅读时长等问题;在明确目标和所需数据后，便可以基于先知公有云提供的API进行数据闭环搭建，启动数据采集过程;用户也可以直接上传已有历史数据。因为先知公有云版拥有专利级的免清洗算法技术，对无效数据的容忍度极高，所以能够节省80%的数据处理时间;在此之后先知公有云版开始自动完成只有AI专家才能攻克的任务――算法调优和模型评估，并能够一步部署完训练好的模型、供业务使用。最后，先知公有云会建立完整的数据链路，让数据从线上到线下流畅地运转，帮助模型实时接收反馈、不断变强。可见，先知公有云版的使用步骤非常智能，目前的门槛只需充分理解业务与目标、并拥有一定量的数据。值得一提的是，日常使用中公有云版自带运维，进一步为互联网企业节约巨大的维护成本。

除了个性化推荐之外，先知公有云还适用于精准营销、风险管理等众多互联网应用场景，在实践中帮助企业赢得了优异的终端用户体验和更强的收益能力。

　　 零门槛的机器学习平台：封装顶尖AI专家能力、高效构建AI系统

机器学习是一项新兴技术，拥有专业背景知识与研究经验的人才非常稀缺，而想要培养一个合格的AI人才需要6-10年。因此很长一段时间，人工智能都是巨头的独舞。与此相对的，是目前层出不穷的各开源工具，这些开源工具看似高效先进，但实际上，一个背景知识扎实的人使用起来都比较困难，需要完成大量学习、开发、试错的工作，这本身就是一个较大的门槛。

先知公有云版的开发目标，是让没有相关背景的人也可以创建出工业水准的机器学习模型，极大地降低人工智能的应用门槛，基于此，先知公有云版提供非常易用的操作方式。一方面，先知公有云版通过容易理解的交互界面来建模，保证普通的业务人员都可以理解每一个步骤。另一方面，先知公有云版通过更灵活的部署方式，提供的一键部署到云端的实时预估服务，稳定无缝地嵌入到客户的业务系统中，且无需人工干预。

第四范式希望借助于先知公有云版，未来的互联网公司不需要花费高昂的人力成本去争抢稀缺的AI人才，不需要花费巨大的代价从0构建AI基础设施，也能参与人工智能时代的进程，分享人工智能的价值，共同实现“AI for everyone”的最终目标。