如何去擴(kuò)大機(jī)器學(xué)習(xí)規(guī)模

推特和臉書可以教會(huì)我們很多和高效的人工智能有關(guān)的東西。

Gartner最近的一項(xiàng)調(diào)查顯示，很多公司才剛剛開始機(jī)器學(xué)習(xí)之旅，而37%的組織已經(jīng)實(shí)施了人工智能。如果你已經(jīng)準(zhǔn)備好接受機(jī)器學(xué)習(xí)，你可能先要評(píng)估十個(gè)問題或評(píng)估人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的完整指南，然后才能對(duì)機(jī)器學(xué)習(xí)進(jìn)行概念驗(yàn)證。

機(jī)器學(xué)習(xí)正在不斷發(fā)展，新的商業(yè)突破、科學(xué)進(jìn)步、框架改進(jìn)和最佳實(shí)踐常常見諸各大媒體。

我們可以從實(shí)施了大規(guī)模機(jī)器學(xué)習(xí)計(jì)劃并將人工智能視為業(yè)務(wù)核心的組織中學(xué)到很多東西。在紐約召開的O‘Reilly人工智能會(huì)議上，我看到了臉書和推特的機(jī)器學(xué)習(xí)計(jì)劃之間的幾股常見趨勢(shì)。

了解業(yè)務(wù)需求和競(jìng)爭(zhēng)因素

臉書將機(jī)器學(xué)習(xí)用于很多領(lǐng)域。在臉書主頁(yè)上，機(jī)器學(xué)習(xí)可以搜索內(nèi)容，翻譯語(yǔ)言，掃描動(dòng)態(tài)消息并識(shí)別用戶上傳的照片中的面孔，以及查廣告展示的內(nèi)容。在幕后，機(jī)器學(xué)習(xí)則用于內(nèi)容理解、語(yǔ)音識(shí)別、內(nèi)容完整性、情感分析、檢測(cè)令人反感的內(nèi)容和欺詐性賬戶。

同樣，推文排名、廣告選擇、搜索功能和用戶推薦等一系列活動(dòng)證實(shí)推特的機(jī)器學(xué)習(xí)正在發(fā)揮作用。機(jī)器學(xué)習(xí)還用來標(biāo)記有污言穢語(yǔ)的推文、垃圾郵件和不適合在工作中使用的圖片。

每次機(jī)器學(xué)習(xí)操作的規(guī)模有多大，這兩家公司以什么方式投資于差異化能力，這不太明顯。

臉書每天為26億用戶執(zhí)行200多萬(wàn)億次預(yù)測(cè)。它的用戶遍布全球（這些用戶在帶寬上受到一定的限制），而且大量的互動(dòng)是由手機(jī)完成的。

這帶來了一些難題，因?yàn)槿蛴?1%的用戶還在用六年前的手機(jī)，甚至更老;只有不到10%的用戶使用最先進(jìn)的智能手機(jī)。臉書的戰(zhàn)略的一部分是將更多的神經(jīng)網(wǎng)絡(luò)計(jì)算轉(zhuǎn)移到邊緣設(shè)備，以擴(kuò)大規(guī)模，降低延遲并提供更個(gè)性化的機(jī)器學(xué)習(xí)模型。臉書的機(jī)器學(xué)習(xí)技術(shù)棧體現(xiàn)了這樣的目標(biāo)，即可以輕松地研究新模型，同時(shí)大規(guī)模提供推理結(jié)果并將一些計(jì)算轉(zhuǎn)移到邊緣設(shè)備。

推特根據(jù)規(guī)模和延遲方面的要求對(duì)模型進(jìn)行優(yōu)化。它每秒執(zhí)行數(shù)千萬(wàn)次預(yù)測(cè)，每天以數(shù)十太字節(jié)的數(shù)據(jù)來訓(xùn)練模型。它專注于優(yōu)化延遲（模型做出響應(yīng)所需的時(shí)間）并明確了預(yù)測(cè)延遲方面的預(yù)算，即預(yù)測(cè)延遲數(shù)十毫秒所需要的預(yù)算。

為了擴(kuò)大規(guī)模而將平臺(tái)標(biāo)準(zhǔn)化

臉書和推特很早就開展了機(jī)器學(xué)習(xí)計(jì)劃。它們從非結(jié)構(gòu)化方法開始，但它們現(xiàn)在正在采取措施將平臺(tái)，框架和管道標(biāo)準(zhǔn)化。推特旨在更輕松地共享模型并希望減少重復(fù)勞動(dòng)。臉書正在解決各種痛點(diǎn)，即可靠性、可擴(kuò)展性、運(yùn)行模型的效率以及科學(xué)家和工程師的開發(fā)體驗(yàn)方面的痛點(diǎn)。

這兩家公司的平臺(tái)都根據(jù)類似的數(shù)據(jù)管道處理原則得到了優(yōu)化，它們都有處理數(shù)據(jù)，提取特征，訓(xùn)練模型以及將模型部署到生產(chǎn)環(huán)境的平臺(tái)。

兩大社交媒體巨頭正在采取措施對(duì)選定的機(jī)器學(xué)習(xí)框架進(jìn)行標(biāo)準(zhǔn)化。臉書正在使用PyTorch使研究變得更輕松，使用Caffe2大規(guī)模運(yùn)行生產(chǎn)推理模型。它已將Caffe2整合到PyTorch 1.0中，PyTorch 1.0結(jié)合了這兩種功能，并使用Caffe2Go來運(yùn)行移動(dòng)神經(jīng)網(wǎng)絡(luò)。推特使用的是Lua Torch、TensorFlow、Scikit、PyTorch和其它平臺(tái)。它現(xiàn)在正在將Scalding、PySpark、Tensorflow和Apache Airflow標(biāo)準(zhǔn)化。

使科學(xué)家、開發(fā)人員和工程師能夠進(jìn)行協(xié)作

推特和臉書勾勒了各種不同的工作，以實(shí)現(xiàn)生產(chǎn)力，知識(shí)共享，以及數(shù)據(jù)科學(xué)家、開發(fā)人員和工程師之間的代碼可重用性。

許多數(shù)據(jù)團(tuán)隊(duì)將數(shù)據(jù)目錄和詞典作為其數(shù)據(jù)治理計(jì)劃的一部分。這些工具使每個(gè)人在使用數(shù)據(jù)進(jìn)行分析或機(jī)器學(xué)習(xí)實(shí)驗(yàn)時(shí)更容易理解基礎(chǔ)數(shù)據(jù)模型，字段定義和質(zhì)量約束。

推特則更進(jìn)一步，它通過將機(jī)器學(xué)習(xí)實(shí)驗(yàn)中使用的功能標(biāo)準(zhǔn)化并在功能目錄中獲取這些功能。這大大減少了重復(fù)并幫助科學(xué)家訓(xùn)練新模型，而不必花大量精力將數(shù)據(jù)處理成功能。

臉書還對(duì)自身的功能進(jìn)行編目和標(biāo)準(zhǔn)化，將訓(xùn)練自動(dòng)化并開發(fā)用于管理和部署模型的工具。FBLearner是支持這些功能的標(biāo)準(zhǔn)平臺(tái)。

此外，臉書正在對(duì)自身所使用的機(jī)器學(xué)習(xí)類型進(jìn)行標(biāo)準(zhǔn)化。例如，動(dòng)態(tài)消息、廣告、搜索和異常檢測(cè)的排名使用了多層感知器。臉書還利用卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)（support vector machine）進(jìn)行面部識(shí)別，并利用循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行語(yǔ)言翻譯。

將機(jī)器學(xué)習(xí)模型的持續(xù)訓(xùn)練自動(dòng)化

和軟件應(yīng)用程序一樣，機(jī)器學(xué)習(xí)模型必須持續(xù)得到培訓(xùn)和修改。臉書和推特都對(duì)這種培訓(xùn)進(jìn)行了自動(dòng)化，以便模型根據(jù)新數(shù)據(jù)進(jìn)行重新調(diào)整。

推特認(rèn)識(shí)到，將模型推向生產(chǎn)將產(chǎn)生新的要求，即不斷用最新數(shù)據(jù)來訓(xùn)練模型，并在數(shù)據(jù)科學(xué)家進(jìn)行模型改進(jìn)時(shí)對(duì)其進(jìn)行更新。Apache Airflow能將訓(xùn)練和部署管道自動(dòng)化。

臉書專注于其戰(zhàn)略。經(jīng)常改變的模型（例如新聞源）每小時(shí)或更少地重新訓(xùn)練，而語(yǔ)言翻譯和面部識(shí)別模型在數(shù)周至數(shù)月的循環(huán)中訓(xùn)練。

計(jì)算成本的高低和計(jì)算資源的多少也決定了模型重新接受訓(xùn)練的頻率。臉書也許具備戰(zhàn)略計(jì)算優(yōu)勢(shì)，因?yàn)樗_發(fā)了各種硬件棧，這些硬件棧對(duì)不同的機(jī)器學(xué)習(xí)工作負(fù)載進(jìn)行優(yōu)化。因?yàn)槿虻挠?jì)算資源并未得到充分利用，所以推特專注于優(yōu)化算法性能并在非高峰時(shí)段安排訓(xùn)練。

制定長(zhǎng)期規(guī)劃

與大多數(shù)組織相比，推特和臉書在應(yīng)用和擴(kuò)展機(jī)器學(xué)習(xí)方面遙遙領(lǐng)先。你能從他們的成功中學(xué)到什么？

從小事做起，對(duì)模型進(jìn)行培訓(xùn)并在使其在生產(chǎn)中運(yùn)行，從而證明其商業(yè)價(jià)值，然后努力擴(kuò)大實(shí)踐規(guī)模并使其更成熟。要使實(shí)踐成熟，與應(yīng)用程序開發(fā)類似的規(guī)則是必不可少的，包括將框架標(biāo)準(zhǔn)化、定義體系結(jié)構(gòu)、選擇維護(hù)周期、優(yōu)化性能以及將部署管道自動(dòng)化。

你會(huì)發(fā)現(xiàn)，機(jī)器學(xué)習(xí)帶來了重要價(jià)值，但它也需要根據(jù)性能和投資展開持續(xù)研究，以進(jìn)行改進(jìn)。各種模型經(jīng)過培訓(xùn)、部署、優(yōu)化，然后被更好的模型替代。機(jī)器學(xué)習(xí)是一種新的工具和技能，但對(duì)于必須改善用戶體驗(yàn)或必須通過數(shù)據(jù)提高競(jìng)爭(zhēng)價(jià)值的組織來說，它們將變得越來越重要。

責(zé)任編輯：ct