疫情給全球市場帶來了震蕩，但對人工智能(AI)企業(yè)的資本投資持續(xù)增長。CB Insights的一項新研究顯示，2021年，該行業(yè)正在打破融資記錄，僅在今年上半年，人工智能公司吸引了380億美元的新投資。超過了2020年全年在這個領(lǐng)域360億美元的融資。
但是大規(guī)模人工智能部署面臨的一個新障礙——技術(shù)債務(wù)問題——威脅著人工智能應(yīng)用開發(fā)的持續(xù)增長和采用。
所謂技術(shù)債務(wù)是指為了保證項目在承諾的交付日期前按時完成，軟件中一些開發(fā)工作被省略或推遲，即使所有功能在發(fā)布前還沒有完成。
對于人工智能來說，技術(shù)債務(wù)更加復(fù)雜，因為人工智能本身存在很大的未知性，為了迅速部署，許多工作被忽視了，但它是項目成本上升和延誤的關(guān)鍵催化劑。
構(gòu)建和部署傳統(tǒng)的應(yīng)用程序和軟件系統(tǒng)是一個確定性的、單向的正向迭代過程，隨后是必要的更改。在每個版本中，會預(yù)測、計劃和減少過程中的技術(shù)債務(wù)。由于這種形式的技術(shù)債務(wù)是可預(yù)測的，它像任何其他支出一樣被納入預(yù)算。
但人工智能技術(shù)債務(wù)并非如此，它有不同的構(gòu)成。
什么是人工智能技術(shù)債務(wù)?
企業(yè)和人工智能初創(chuàng)企業(yè)的決策者們正在通過人工智能開發(fā)——比如聊天機器人、面部識別、智能語音助手和自動文本撰寫——追求新的業(yè)務(wù)能力，他們必須意識到人工智能技術(shù)的差異，并采取措施消除和防止它。
人工智能開發(fā)的目標是發(fā)現(xiàn)、訓(xùn)練和部署準確可靠的預(yù)測模型。然而，人工智能技術(shù)債務(wù)包括實現(xiàn)這一切所需的復(fù)雜流程和程序的成本。在人工智能中，技術(shù)債務(wù)不是人類決策的結(jié)果，而是實現(xiàn)所需智能水平和軟件的功能要求的結(jié)果。
特別是在深度學習(DL)中，使用神經(jīng)網(wǎng)絡(luò)和Transformer（前序編解碼預(yù)測器）算法進行自然語言處理(NLP)、機器視覺、聲音識別和合成等，模型的復(fù)雜性使得有效管理技術(shù)債務(wù)比應(yīng)用程序開發(fā)困難得多。
這些功能性和程序性需求通常通過添加、特別編碼和人工方式在循環(huán)任務(wù)中滿足，這些任務(wù)用于管理和確保開發(fā)和部署AI模型的過程。問題在于，對于具有數(shù)十億參數(shù)和潛在數(shù)百萬美元訓(xùn)練成本的新一代深度學習模型而言，以這種方式管理深度學習的人工智能技術(shù)債務(wù)是不可持續(xù)的。風險太大了。
避免AI技術(shù)債務(wù)
深度學習的復(fù)雜性迅速增加，導(dǎo)致人工智能技術(shù)債務(wù)激增，為了應(yīng)對這種情況，企業(yè)需要幫助。這就是AI編排和自動化平臺（AI OAP-AI Orchestration and Automation Platform）動態(tài)軟件基礎(chǔ)設(shè)施可以提供幫助的地方。
研究公司Gartner將此類平臺定義為為企業(yè)提供規(guī)劃、自動化以及可生產(chǎn)準備和AI管線的能力。同時還提供企業(yè)級治理，包括可復(fù)用性、再現(xiàn)性、發(fā)布管理、沿繼、風險和法規(guī)遵循管理以及安全控制。這些平臺還可以統(tǒng)一開發(fā)；混合、多云和物聯(lián)網(wǎng)交付；以及操作流和批處理上下文。
傳統(tǒng)機器學習有很多人工智能編排和自動化平臺(AI OAP)，但只有少數(shù)支持深度學習的獨特需求，提供多云透明性的就更少了。
三大超大型云服務(wù)提供商——亞馬遜（AWS）、谷歌云平臺（Google Cloud）和微軟Azure——各自都提供自己專有的編排和自動化服務(wù)。對于使用單一云處理所有深度學習工作負載的企業(yè)，這些產(chǎn)品可以帶來巨大的技術(shù)債務(wù)減免。但對于許多出于經(jīng)濟和監(jiān)管原因而使用多云和混合云的公司來說，采用多個OAP會帶來操作復(fù)雜性，從而大大降低其對人工智能技術(shù)債務(wù)的作用。
幸運的是，現(xiàn)在出現(xiàn)了一批新興的AI OAP提供商，他們使用與云無關(guān)的產(chǎn)品和服務(wù)來解決多云和混合云用戶的深度學習需求，這些產(chǎn)品和服務(wù)提供單用戶界面和跨所有環(huán)境的通用功能。
這些平臺的潛在用戶會發(fā)現(xiàn)，這些平臺在如何平衡人工智能從業(yè)者、管理人員和利益相關(guān)者對易用性、問責制和價值實現(xiàn)時間的需求方面存在差異。這些都是AI技術(shù)債務(wù)的關(guān)鍵因素，它們會因用戶組織的不同而不同，因此選擇最佳AI OAP解決方案意味著采取一種協(xié)作方式，以確保服務(wù)和整個組織之間的最佳契合。與AI技術(shù)債務(wù)斗爭是一項團隊運動。
隨著深度學習繼續(xù)成為各行業(yè)創(chuàng)新的重要工具，控制人工智能技術(shù)債務(wù)變得越來越緊迫，因為它很容易將一個有前途的計劃埋葬在意外增加的成本中。AI OAP有助于消除AI技術(shù)債務(wù)，提高投資回報率，加快實現(xiàn)價值的時間，并確保廣泛的深度學習需求符合法規(guī)要求。考慮到這些好處，這種類型的基礎(chǔ)設(shè)施應(yīng)該是每個公司未來AI戰(zhàn)略的一個基本元素。
