0
| 本文作者： AI科技評論 | 編輯：谷磊 | 2017-03-29 22:24 | 專題：2017云棲大會·深圳峰會 |
雷鋒網AI科技評論按：3月29日，阿里云在云棲大會·深圳峰會上重磅亮相了阿里“NASA”首個武器——機器學習平臺PAI2.0 ，而后阿里云首席科學家周靖人做了《ET 智慧工廠- 阿里云機器學習》的主題演講。文末附雷鋒網整理的阿里云人工智能科學家閔萬里對于PAI平臺的采訪問答。
阿里“NASA”首個重磅武器亮相：機器學習平臺PAI2.0：
全面兼容TensorFlow、Caffe和MXNet深度學習框架
集成100余種算法組件
3月29日，阿里云在云棲大會深圳峰會上正式發布機器學習平臺PAI2.0。相比1.0版本，PAI 2.0有多項重大更新，除增加了100余種算法外，更重要的是對主流深度學習框架TensorFlow、Caffe和MXNet的全面兼容。
3月初，阿里巴巴董事局主席馬云宣布啟動內部代號為“NASA”的計劃，將面向未來 20 年組建強大的獨立研發部門，建立新的機制體制，為服務 20 億人的新經濟體儲備核心科技。 同時，馬云還動員阿里巴巴全球兩萬多名工程師投身“NASA”計劃。在技術大會上，機器學習、芯片、IoT、操作系統、生物識別被明確提及，智能化的產業基礎和應用被放在了突出位置。
兩年前，阿里云對外發布國內首個機器學習平臺PAI。此次版本的重大升級，標志著阿里云在構建AI核心技術能力上又進一步。據悉，阿里“NASA”計劃將為PAI平臺使用者提供強大的技術后盾。
1、全面擁抱開源
PAI2.0編程接口完全兼容深度學習框架：Tensorflow、Caffe以及MXNet，用戶只需要將自己本地編寫的代碼文件上傳至云端就可以執行。
Tensorflow、Caffe和MXNet是目前全球主流的深度學習開源框架。Tensorflow開源算法和模型最豐富；Caffe是經典的圖形領域框架，使用簡單；MXNet分布式性能優異。
對于底層計算資源，PAI2.0提供了強大的云端異構計算資源，包含CPU、GPU、FPGA。在GPU方面，PAI2.0可以靈活實現多卡調度。
借助這些框架以及強大的計算資源，用戶能非常方便地就可以將計算任務下發到對應的分布式計算機群上，實現深度學習模型訓練與預測。
2、更豐富的算法庫
PAI2.0提供100余種算法組件，涵蓋了分類、回歸、聚類等常用場景，還針對主流的算法應用場景，提供了偏向業務的算法，包含文本分析、關系分析、推薦3種類別。
“算法全部脫胎于阿里巴巴集團內部的業務實踐，所有算法都經歷過PB級數據和復雜業務場景的錘煉，具備成熟穩定的特點”，阿里云首席科學家周靖人說。
3、支持更大規模的數據訓練
PAI 2.0 新增了參數服務器（Parameter Server）架構的算法。不僅能進行數據并行，同時還可將模型分片，把大的模型分為多個子集，每個參數服務器只存一個子集，全部的參數服務器聚合在一起拼湊成一個完整的模型。
其創新點還在于失敗重試的功能。在分布式系統上，成百上千個節點協同工作時，經常會出現一個或幾個節點掛掉的情況，如果沒有失敗重試機制，任務就會有一定的幾率失敗，需要重新提交任務到集群調度。PS算法支持千億特征、萬億模型和萬億樣本直至PB級的數據訓練，適合于電商、廣告等數據規模巨大的推薦場景。
阿里云首席科學家周靖人說，在過去的一年時間里我們協助客戶落地了多項重大的人工智能應用。但人工智能要想真正成為成為普惠科技，需要一款更加通用的生產工具。PAI2.0正是為此而生。
人工智能綜合了多門學科的技術，對人才要求極其高，除了懂統計學中各種復雜的機器學習算法，還要懂實現邏輯以及分布式架構理論。PAI可以大幅的降低人工智能的門檻以及開發成本。
從操作界面來看，PAI沒有繁瑣的公式和復雜的代碼邏輯，用戶看到的是各種分門別類被封裝好的算法組件。每一個實驗步驟都提供可視化的監控頁面。在深度學習黑箱透明化方面，PAI也同時集成了各種可視化工具。
PAI的基礎設施和計算框架建立在阿里云飛天計算平臺之上，通過云的模式大幅降低了計算成本，支持MR、SQL、MPI、PS、GRAPH等多種分布式計算框架，對于底層的CPU和GPU計算機群可以靈活調用。
兩年時間里，PAI在阿里巴巴內部已經被廣泛使用。以淘寶搜索為例，搜索結果會基于商品和用戶的特征進行排序。通過使用參數服務器，淘寶可以把百億個特征的模型，分散到數十個乃至于上百個參數服務器上，打破了規模的瓶頸。
在阿里云的客戶當中，廣東省氣象局對PAI的使用最具代表性。他們使用PAI對臨近預報(0-3小時內)的降雨量進行建模預測。通過拖拽操作就完成了數據清洗、特征工程，非線性機器學習算法訓練以及結果評估的工作。
PAI還被應用在各種前沿科技領域。華大基因聯合阿里云科學家，正使用PAI對肺腺癌患者基因進行分析，試圖尋找到導致肺腺癌病發的關鍵基因突變。
提問：各所之間都是一個小數據庫在里面，但是同時，它又想享受整個鏈條的東西，所以整個過程當中，比如說三汽重工跟阿里云合作以后，通過智能總結分析，阿里是承諾我們只把三汽重工用于三汽重工上，但是它的同行共性的部分，共性的東西通過阿里公共云服務來做？
閩萬里：這一點很重要，就取決于配方共用到什么程度而且又是隱私的，用什么工具方法論，比如說PAI2.0的哪一些函數找最優配方，我把我找這個最優配方的工具組合，用了什么類型的數據，用了多少的數據配合起來，數據是你的，是他的還是他的，自己去搞。有一點像打獵，第一步是在哪里？把這些東西抽象出來。最后成了一個什么呢？形象全行業的解決方案，就是怎么找到給你這一臺機器的東西。怎么找到你這一臺機器的東西。這因為量身訂作。
商業上來說，這個難度很大，但是這個行業你做成龍頭企業，那就非常厲害了。因為畢竟它智能機器和過程這一塊是大有可為，在協鑫光伏做了以后，我在中測那邊只用了一個月，在協鑫光伏那邊用了六個月。為什么呢？因為到協鑫光伏做的東西抽象出來跨行業還能用，為什么能跨行業呢？因為這九及行業都有一個共同形成，流程制造，一環扣一環，所以我們做成了抽象，然后做出來的東西就有可復制性，我的編輯成本就越來越小。
提問：現在PAI在NASA體系中的重要性如何？
閩萬里：我們希望它對NASA的體系影響越小越好，打一個比方說，比如說今天我要燈上火星，如果你的技術深度依賴某一個火箭就出問題了，可能這個火箭沒有跑到那個地方就會出問題，任何一個這么大的戰略規模都不能依賴于某一個產品甚至是某一組產品，因為它也有可取代的東西，事實上講，沒有不可取代的東西，我從技術的角度，負責任的角度是這樣講。但是目前的這個情況下，PAI是我們內部的工程師自己去經常用的東西。
提問：PAI2.0是首次對外開放嗎？ 具體開源到什么程度呢？
閩萬里：1.0模式主要是自己在用，我們都是不斷的在演化不斷在做。就像我剛才講到PAI2.0和NASA來說是微不足道，開源手段來說也是微不足道的，就是一定不是在一個平臺上來做，所以我覺得更加重要我們的貢獻是什么呢？我們要告訴大家有了好的人工智能可以產生積聚的價值。今天有一個武功秘籍，你可以去做各種各樣的事情。你有了這些功能以后，你朝這個方向走會產生價值，而且能夠可執行，可以產生。這樣的力量。這個對于我們來說是客戶價值。談到協鑫光伏這個案例，我不會說我們用PAI2.0做協鑫光伏，我們想讓更多人知道如果協鑫光伏這一類的企業嫁接到人工智能的話是會更加有發展。
提問：有很多工藝是有特殊性的，同時我們講數字化緊接著智能化，過去數字化的時候有很多應用，比如說中測橡膠，有管理性，還有徐工有自己的運營的系統，我們從IaaS到PaaS的時候，針對廠商與傳統供應系統的是不是不愿意合作？
閩萬里：我們特別希望跟他們合作。在協鑫光伏我們花了相當長的時間，因為有人不愿意合作，所以我們又要去整合他們的數據，這就像我們做城市大腦一樣，過去智慧城市的建設，各個局、各位委，各個不部門都有自己的數據中心，都很難打通。所以對于我來說是數據沒有打通，這個就希望可以跟他們合作，然后在它的機器上然后可以外接進去。但是現在沒有辦法，沒有辦法怎么辦呢？我們的方式是我不看它的機器內容，只讀讀數。我就自己寫一些代碼兼容它的OPC協議，然后把這個協議兼容以后，就能讀它的數，從機器供應商變成工藝供應商，要提升它的工藝管理，這是一個常態化的需求。就可以變成一個服務商，所以合作商也是一樣的。
提問：有很多工藝是有特殊性的，同時我們講數字化緊接著智能化，過去數字化的時候有很多應用，比如說中測橡膠，有管理性，還有徐工有自己的運營的系統，我們從IaaS到PaaS的時候，針對廠商與傳統供應系統的是不是不愿意合作？
閩萬里：我們特別希望跟他們合作。在協鑫光伏我們花了相當長的時間，因為有人不愿意合作，所以我們又要去整合他們的數據，這就像我們做城市大腦一樣，過去智慧城市的建設，各個局、各位委，各個不部門都有自己的數據中心，都很難打通。所以對于我來說是數據沒有打通，這個就希望可以跟他們合作，然后在它的機器上然后可以外接進去。但是現在沒有辦法，沒有辦法怎么辦呢？我們的方式是我不看它的機器內容，只讀讀數。我就自己寫一些代碼兼容它的OPC協議，然后把這個協議兼容以后，就能讀它的數，從機器供應商變成工藝供應商，要提升它的工藝管理，這是一個常態化的需求。就可以變成一個服務商，所以合作商也是一樣的。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
