共计 1346 个字符，预计需要花费 4 分钟才能阅读完成。
文言大模型系列共六篇文章，将通俗易懂的解读大模型相干的专业术语。本文为第三篇：咱们为何须要机器学习经营平台？
作者：星环科技 人工智能产品部
在人工智能、尤其是其机器学习子畛域里，“没有收费的午餐”（No Free Lunch Theorem）效应也很显著，简略的说：
1. 缩小了人工去做各类特征提取（比方测量人的瞳距），就须要大量“不同”的数据，来训练模型，失去“映射关系”，至于“什么是不同，怎么不同，要的量多少，事实中这种不同很少，能不能合成或生成？”，都是必须要思考的，技术计划不同造成的优劣差距极大。
2. 比拟难达到“一个模型适应所有场景”的状态，比方即使在“人脸识别”技术倒退到如此高度的明天，在 2020 年初，本来好用的手机人脸解锁，面对带口罩的人脸，也是无能为力的，不得不反复方才映射关系步骤来晋升能力。那么，在人工智能畛域“头疼医头脚疼医脚”的打补丁做落地能够么？短期能够，长期不能够。
•试验性质或概念验证性质，能够，比如说，咱们须要一个“人脸识别”小工具，咱们能够采集一些数据，训练一个模型，而后应用；
•投入市场长期经营的产品，不能够。需要、数据、环境在不断扩大、变动，以机器学习和神经网络这类“数据驱动”的人工智能的运行逻辑，导致每次更新（更新大小并不是人认知的含糊的大小，而是机器能解决的数量化后的大小），都须要从新训练模型，从新采集数据，从新标注数据，从新建设模型，从新验证模型，从新上线，这个过程重来一遍是十分耗时耗力的；
•事实上，绝大部份企业外面，存在大量的智能化利用，不单单是一个“人脸闸机”这么一个，于是更加不能零散治理。一个不失当的比喻，古代企业很多软件、数据的搭建，就相似一个小城市的布局建设，而不是一个房子的建设，这个时候，咱们须要的是一个城市规划师和一整套环卫、治安、电力、医疗等班底，而不是一个长期小楼的包工头的草台班子。于是，为了满足消费者（或者企业用户）一直变动和增长的需要，才有了市场才对“智能数据分析平台”这样的软件有需要（咱们下节会形容“数据分析”是什么）：
要能解决和治理方才建设映射用的图像样本（即：“数据”）；要能建设和治理下面从图像到向量“映射”（即：模型或“算法”）；要能治理和调度图到向量，以及图查图消耗的计算资源（即：“算力”）。这些都是“智能数据分析平台”须要做的事件。
如同城市治理假如有管理中心，为了保障智能软件的长期安稳运行，也要有一个指挥、监控、运维核心：
•要能对立的治理、监控“数据”、“模型”、“算力”的存储、治理、调度、应用
•要能对立依据新问题、新需要，改良“映射”（即：“模型继续晋升”）
•要能对立解释“映射”和成果之间的关系：如是否合乎常识、是否法律法范、是否偏心公正。这个核心，就被称作“智能数据分析平台经营平台”（或者合乎国际惯例：“机器学习经营平台”，Machine Learning Ops Platform, i.e. MLOps platorm），特质就是“六个对立”。
不论是否是“大模型”厂商，只有致力于“将模型从实验室和原型验证推向真正生产实践”，都须要这样的平台。比方 2022 年以来最胜利大模型供应商 OpenAI，在其官网的最佳实际中，就明确写了 MLOps 的重要性，与咱们下面的形容简直如初一辙（但“大模型”要求更高）。
