【IT168 評論】在由亞歷克斯·普羅亞斯執導的電影《先知》中，身為教師的主人公解讀了一個來自過去的時間囊，上面寫著對未來世界的預言，整個故事就在知曉命運和與命運抗爭的過程中發生了。所謂先知者先覺，先知在大多數文化中都是「先於眾人而得知」的意思，在古代，那些「知天命」的老者通常也會被稱為「先知」，而今天要介紹的這位先知卻是一個科技產物。
▲胡時偉
本期訪談嘉賓：胡時偉，來自第四範式，現帶領第四範式技術團隊打造國內首款人工智慧全流程平臺「第四範式·先知」。他曾在百度和鏈家網任職，在百度任職期間主持了百度商業客戶運營、鳳巢新興變現、「商業知心」搜索、阿拉丁生態等架構設計工作。作為鏈家網創始團隊，從0開始完成了鏈家網整體架構設計以及研發團隊的建設管理。
當大家都在找梯子的時候，第四範式在嘗試搭梯子!
在PC和移動網際網路時代，中國在作業系統和晶片生產方面從未掌握過主動權，這種局面沒準有望通過深度學習領域的發展而出現改變。從企業分布不難看出，不少廠商開始琢磨起晶片、計算平臺和傳感器等等，第四範式·先知平臺也算是開啟了國內人工智慧全流程平臺的研發之路。
當大家都在找梯子的時候，第四範式卻在搭梯子!當眾多企業都在想著如何應用深度學習來解決問題，第四範式想到的是如何為企業和用戶提供一個足以降低人工智慧準入門檻的全流程平臺。胡時偉透露，當初團隊之所以會決定做這樣一件事出於三方面考量：一是人工智慧領域的技術專家成本高昂;其次，通過該平臺解決客戶被固定服務商綁架的問題，使客戶擁有對模型和應用的控制能力;最後，團隊成員主要來自於網際網路公司，希望產出效率更高的產品以更先進的方式解決問題。
據悉，「先知」平臺目前引入了更優的工程優化和算法，進一步降低了機器學習的門檻，比如最新算法Feature Go，能夠自動計算最佳特徵組合，有效解決機器學習中最繁瑣耗時的特種工程環節。
產品上，目前版本的先知平臺分為三大子平臺，調研平臺、自學習平臺和預估平臺。調研平臺供業務人員或者數據科學家通過簡單拖拽的方式尋求最合適的從原始數據產生模型的路徑，覆蓋了數據引入、清洗、拼接、特徵工程、模型訓練、特徵解釋、模型評估等完整環節，調研平臺的產出是一個機器學習的Pipeline。自學習平臺是生產系統裡的離線部分，負責將源源不斷產生的新數據輸入到機器學習的Pipeline裡，從而使模型具備自我進化能力。預估平臺則負責將不同算法訓練出來的模型方便的轉化為可伸縮的在線服務(API)，對接下遊系統。
從系統架構上，先知平臺分為UI與API層、分布式調度層、分布式計算引擎、在線預估引擎四大部分。在分布式計算引擎層面上，第四範式採用自主研發的分布式機器學習框架GDBT和統一高性能特徵工程框架。
市面上有很多開源產品，巨頭企業也開源了眾多產品，為何還要用商業產品呢?這件事判斷起來其實很簡單，胡時偉表示，開源不等於免費，相反有時更貴。人才、機器、試錯成本、時間成本、最終效果都是要考量的因素。對企業經營者來說，要重視投入產出比以及時間成本，而要做出效果是一個系統工程。引入機器學習，需要明白哪些是企業要做的，哪些可以藉助外部力量來做。
深度學習的意義在於將AI從實驗室帶向了實踐場景!
當眾多開發者開始通過調用接口的方式來實現深度學習，我們不禁感嘆人工智慧準入門檻的降低，這是不是深度學習帶來的最大好處呢?胡時偉認為，深度學習的更大意義在於它的技術突破將AI從實驗室研究帶向了具體實踐場景。
而對於產業界如何降低實現人工智慧的門檻，胡時偉認為，要解決的是AI發展的五大必要條件。這五大條件分別是Big data(過程數據)、Response(反饋數據)、Algorithm(高維算法)、Infrastructure(計算資源)和Needs(明確需求)，我們會發現首字母拼起來其實是「BRAIN」。其中，涉及了人才門檻，未來人工智慧的貢獻者不會只是科學家，而應該是大眾。其次還有數據獲取門檻，機房、硬體等軟硬體一體化設計門檻等，這些都是現階段人工智慧發展必須要解決的問題。第四範式在做的就是將這五大條件中對技術層面的要求進行產品化，以將人工智慧的門檻減少到業務層面、甚至是降到更低。
根據多年從業經驗，胡時偉也對AI從業者提出了自己的建議。他認為，對初學者來說，在沒有很多機會接觸到實際應用的前提下，要先把AI方法論搞清楚。從理論層面了解機器學習為什麼會產生效果，而不是簡單的讀代碼看Demo。
對AI從業者來說，一定要關注目標導向。在問題定位清楚、提升空間分析完備之前，最好不要全身心投入到模型調試工作中。前期要更關心模型是不是能解決企業的實際問題，或者企業解決該問題的數據完備程度是否達到等。