|
1、首先需要采集训练模型所需要的数据，这些数据有可能来自业务系统本身，如CTR预估任务中的用户点击数据、用户下单数据等；也有可能来系统外部，公开购买或自主爬取，如图片分类任务中的图片、NLP任务中的语料等。
2、这些数据被收集起来后，经过清洗、加工，被存储起来，因为毕竟不是只用一次。一般是存储在分布式存储设备（如HDFS）或云端，多数公司还会建立自己的数据平台，保存在数据仓库中，长期积累下来。
3、需要使用的时候，先进行数据筛选，选择合适的特征数据，然后经过数据预处理，送入到算法模型中。模型的搭建可选的技术框架很多，可以是基于spark mllib，也可以是sklearn、tensorflow、pytorch等。然后经过训练、评估和调参，完成模型的构建工作。
4、最后模型要应用到线上的具体业务中，完成分类、回归某一具体任务。在部署过程中，有可能是将模型打包，将预测模型直接部署到业务系统（客户端）中；也有可能是直接提供一个在线RESTful接口，方便跨语言调用。
总结一下，经过数据采集、加工处理、特征选择、数据预处理、模型训练、模型评估、模型应用几个环节，数据跨过业务系统、数据平台、算法模型三个系统，形成一个闭环，最终又应用到业务系统中，这就构成了整个AI架构的核心。
是否需要AI架构，如何衡量这套技术架构方案的可行性？我认为，主要是看以下三个要素。
1. 场景
我们讨论架构的可行性，是否适合业务及业务发展是第一衡量准则，AI架构也不例外。
回顾那些经典的、已经广泛应用的机器学习场景，比如推荐、搜索、广告等，这些场景都具有这样的特点：场景相对封闭、目标单一、可控。
究其原因，无论算法模型多么复杂，其最终都要落实到损失函数上的，而后者一般都是单目标、单优化任务。或追求极值（损失最小化）、或达到某种对抗上的平衡（比如GAN）。在这种情况下，无论业务如何建模，还是要落地到算法模型和损失函数的，最终也就限制了场景和目标上的单一。
因此，看一个业务是否适合AI架构，就要先看这个业务场景目标是否单一、可控。或经过业务建模和架构拆解后，每个环节的场景是否单一。
举个例子，同程艺龙酒店系统为酒店商家提供了上传酒店图片的功能，在这个场景下，除了要审查图片的合法性，还要给图片打上分类标签，如“大堂”、“前台”、“客房”、“周边”等。为了能正常使用AI架构，就必须对场景内的各目标进行拆分，训练不同的分类器。具体流程如下：
人工智能这几年发展的如火如荼，不仅在计算机视觉和自然语言处理领域发生了翻天覆地的变革，在其他领域也掀起了技术革新的浪潮。无论是在新业务上的尝试，还是对旧有业务对改造升级，AI这个奔涌了60多年的“后浪”，正潜移默化的影响着我们传统的技术架构观念。
AI架构（尤其是以机器学习和深度学习为代表的架构方案）已经成为我们技术架构选型中的一个新的选项。
你是否需要AI架构的解决方案？AI架构选型的主要依据是什么？这是我们今天主要讨论的问题。
我们先来看一个典型的AI架构：
此外，如果用星链的卫星对导弹进行实时控制，可以精确打击目标。这样导弹设备将完全依赖星链卫星，导弹造价也会大大降低。
简单来说，星链广覆盖、低延时的通信能力，对未来作战形态带来重大影响。
说得更直接一点，卫星互联网是国家安全实力的一部分。
中国在2018年也开始了自己的“星链“工程：“虹云工程”和“鸿雁星座”计划。
“虹云工程”由中国航天科工集团第二研究院承担，规划建设由156颗卫星组成的星座，在距离地面1000公里的轨道上组网运行，构建一个卫星宽带全球移动互联网络，建成后将实现全球无死角的互联网接入服务。
“鸿雁星座”计划由中国航天科技集团主导，是由300颗低轨道小卫星组成的具有全天候、全时段且能在复杂条件下实时双向通信能力的全球系统，能实现对海域航行船舶的监控和管理、对全球航空目标进行跟踪和调控，以保证飞行安全，还能增强北斗导航卫星系统，提高北斗导航卫星定位精度。
两个低轨卫星星座计划背后的力量均是国企，其作用不只是提供移动互联网服务，还有对航空目标的跟踪调控、提高导航精度。
看上去在民用生活领域没有优势的卫星互联网，在国家安全领域却有着举足轻重的作用。
（编辑：南通站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
