德勤咨詢公司近日發(fā)布的一份報告指出，人工智能的黃金時代即將到來，前提是企業(yè)可以實施并維持一種一致的機器學(xué)習(xí)操作（MLOps）方法。

該報告引用了專注于人工智能的Cognilytica進行的市場研究，并指出，到2025年，MLOps平臺市場的年收入預(yù)計將超過40億美元。

已經(jīng)有多家初創(chuàng)公司已經(jīng)專注于提供這些平臺。然而，不太清楚的是，MLOps在多大程度上可能會成為許多企業(yè)今天用來構(gòu)建和部署軟件的DevOps平臺的擴展。

德勤人工智能研究所執(zhí)行董事Beena?Ammanath表示，在新冠肺炎疫情之后，各組織已經(jīng)加快了對人工智能的投資，以推動數(shù)字業(yè)務(wù)轉(zhuǎn)型。這個空間在未來18個月內(nèi)將會升溫。

但是，MLOps與用于IT運營的人工智能（AIOps）不同。前者是指構(gòu)建和部署注入了AI模型的應(yīng)用程序的過程，而后者是指應(yīng)用AI來自動化IT運營管理。

這些MLOps流程不僅擴展到AI模型的構(gòu)建和部署方式，而且擴展到它們的治理和最終淘汰方式。AI模型的主要問題之一是，隨著新數(shù)據(jù)源的可用或業(yè)務(wù)條件的變化超出初始模型的范圍，結(jié)果可能會隨時間推移而變化。這就要求企業(yè)要么更新該AI模型，要么將其完全替換為另一個AI模型。在所有情況下，IT團隊都需要不斷測試和驗證AI模型提出的建議，以確保它們是一致，相關(guān)且在道德準則范圍內(nèi)運作的。

Ammanath說，在數(shù)據(jù)科學(xué)家、開發(fā)人員、數(shù)據(jù)工程師、質(zhì)量保證人員和IT人員的團隊之間協(xié)調(diào)這種水平的活動需要一種高度自律的方法來處理MLOps。

企業(yè)現(xiàn)在面臨的挑戰(zhàn)是，隨著企業(yè)接受數(shù)字業(yè)務(wù)轉(zhuǎn)型，許多現(xiàn)有流程正在變得過時。Ammanath指出，將人工智能模型應(yīng)用于不被廣泛理解的業(yè)務(wù)流程，比將一個多年來一直以相同方式運行的流程自動化更具挑戰(zhàn)性。

幾乎每個應(yīng)用都會在不同程度上被一個或多個人工智能模型增強?，F(xiàn)在的挑戰(zhàn)和機遇是提供平臺，不僅可以大規(guī)模構(gòu)建和部署人工智能模型，而且在必要時還可以在造成永久性損害之前將其撤回。
責(zé)編AJX