当前,AI 赋能千行百业的愿景仍然处于起步阶段,AI 在很多时候更被认为是很高深需要非常大投入的技术领域,但是 AI 的超高技术门槛给 AI 应用的落地带来了极大的困难。
根据波士顿咨询公司的调研报告,约 86% 的市场需求需要定制开发业务场景下的 AI 模型。定制模型过程中,企业用户和开发者往往会面临缺少模型训练经验、数据采集和标注成本较高、模型适配与部署流程较为繁琐、模型优化迭代周期长等核心难点,从而会造成整个项目的成本高、周期长、且在前期对项目效果无法准确预期。
由于 AI 应用开发的成本高昂,市场愈发归于理性。容易摘的果子基本被各家瓜分殆尽,而更加复杂的,面向企业级消费者的 AI 应用,需要更专业、更全面的工具辅助,来降低 AI 落地的门槛,真正助力实现 AI 的民主化。
针对 AI 门槛高、落地难这一现状,星环科技推出了一站式AI 开发平台 Sophon。
一、打造全链路 AI 平台,降低企业开发门槛
作为一款一站式人工智能平台,用户可以利用 Sophon 快速完成从特征工程、模型训练到模型上线的机器学习全生命周期开发工作,减少开发周期和工作时长。
Sophon 平台拥有视频分析、知识图谱、边缘模块、云端等模块,涵盖IoT、AI、大数据等技术,并具备以下几大特点。
![](https://i-blog.csdnimg.cn/blog_migrate/7ccb6b3f29b1d8593bccbe62cc358a21.png)
跨域计算:通过星环科技的 AI 平台,跨域模型训练中心可将数据存放在不同的省份,并将计算任务分解,下发到各省进行计算,最后进行结果汇总,将小模型叠加成大模型。跨域计算最大限度利用了各省份的存储及计算资源,实现了大地理尺度上的分布式模型训练。
深度图谱:星环科技的深度学习加知识图谱解决方案,可应用于反洗钱、反欺诈、营销及安全相关领域。知识图谱分析工具 Sophon KG 可直观地展现数据和知识间的关系,并可进一步叠加算法,进行深度的信息挖掘。它结合了有监督、无监督和半监督学习,适用于各种机器学习场景,是深度学习与高维特征的完美融合,也是传统重特征机器学习应用的突破。
边缘计算:边缘计算可推动 AI 在更多行业的落地。在云端训练好的模型,可通过星环科技的 IoT 产品,推送到边缘端,即更靠近数据的一侧,让边缘端实现自动判断。落地的应用涵盖交通、能源、司法、制造等各行各业。
星环 AI 产品首席产品官杨一帆在此前接受 CSDN 采访时曾表示,星环技术团队在探索的过程中,在几年前就选择了微服务化路线,并针对数据采集、模型训练、应用部署采用不同的服务框架,对场景做了先进的适配。针对业务落地场景选择贴合实际的选型,如考虑到具体客户的成本、资源,以及人工智能模型精度的协调和权衡,在平台层面做出一定支撑,并沉淀出一套可行的方法论,并在实际业务中发挥了极大作用。
为了引导用户快速构建特定场景的解决方案,Sophon 平台还提供多场景的实验加工模板;同时,平台的 Data Mart 模块打破原来以表为中心的数据管理方式,构建以实体为中心、从“关系”和“特征”维度刻画实体的新兴数据管理方式;为了让数据科学家更加灵活的加工模型,Sophon 平台提供可视化建模和代码建模两种建模方式;平台的 Model Mart 模块,使模型的上架、上线、及线上监控更加便捷。除此之外,Sophon 平台还集成了大量面向行业领域的分析工具,包括知识图谱工具、实体画像工具、报表工具、视频分析工具等,将 Sophon 平台打造成一款集数据处理、模型加工、线上监控以及数据分析为一体的人工智能基础平台。
利用 Sophon 平台,企业需要花大量的时间和金钱培养精通大数据和 AI 的团队。由于数据标准不同,编程环境不同,各个部门之间的协作成了一个大问题,使用 Sophon 后,便捷的工具,大大降低了入门门槛。Sophon 提供了统一的算法平台,不论是处理机器学习,还是文本、视频图像、知识图谱等,都可通过直观的可视化界面进行操作,且具有优异的性能保障。完成建模后,即可通过 API 服务对接线上应用,还可以部署到边缘端,实现自动化的判断及控制,大大降低了 AI 应用开发的流程,帮助企业更快落地。
二、助力深度学习落地,零代码构建知识图谱
理解和解释将会是深度学习在大数据红利过后的后深度学习时代人工智能最重要的研究问题,而知识图谱则是重要手段。
未来,图数据和知识图谱将会变成企业必不可少的新型数据基础设施之一。我们为什么需要图数据库和知识图谱?
假如一份数据里的知识总量是 100%,我们能获取多少?在机器学习模型的帮助下,我们可以获得数据中的基本规律,大部分企业目前在这一阶段或者在进入这一阶段的过程中。
为了在企业竞争中获得优势,从数据中获取更多的价值,接下来需要使用图数据库和图算法获取深层次的统计信息。这部分信息是由图结构带来的,在关系型数据库无法获取,借助图神经网络和知识图谱的帮助,我们可以尝试去获取深层次的规律。
而 Sophon KG 可直观地展现数据和知识间的关系,并可进一步叠加算法,进行深度的信息挖掘。它结合了有监督、无监督和半监督学习。
Sophon KG 依托于 Sophon Base 基础平台,集知识的获取、融合、存储、计算以及应用为一体。支持拖曳式图谱构建、分布式图谱存储、分布式图谱计算以及交互式图谱分析等功能。结合了图计算和 NLP 能力的知识图谱产品—构建好数据蓝图,生成图谱后,用户可以在知识图谱平台中对图网络进行多种图计算操作,如挖掘高危用户、寻找异常社群等,用于金融等领域中的反欺诈场景。
为了帮助企业和开发者快速搭建只是图谱,实现零代码的目标,针对简单的通用型知识图谱,Sophon KG 上线了蓝图定义模块,通过简单的拖拉拽配置即可完成图谱构建;另一方面,系统内置了蓝图模板,业务人员只需完成业务数据和蓝图模板的映射即可生成图谱。针对领域知识图谱,如医疗领域知识,可以使用 Sophon KG 的本体定义模块,通过交互式配置即可完成概念层级的定义、实体和关系属性的继承,且支持可视化的展示,使得知识的结构一目了然。
目前,Sophon KG 提供多种图谱分布式算法,支持用户对实体、关系、事件等数据进行基于时间-空间的关联分析,而且可以实现图谱的版本对比与时间对比,以此来监督图谱中实体、关系及其属性的变化,对于每个分析案例,用户可选择查看多个不同的图数据集版本之间在时间维度上的演进变化。
此外,星环科技自研的高性能可扩展的分布式图数据库 StellarDB 可用于快速查找数据间的关联关系,并提供强大的算法分析能力,克服了海量关联图数据存储的难题,通过自定义图存储格式和集群化存储,实现了传统数据库无法提供的低延时多层关系查询,在社交网络、公安、金融领域都有巨大应用潜力。
三、AI-Native 时代:人工智能将成为生产力的创造者和社会基础供应者
在云计算时代诞生了云原生(Cloud-Native)的概念。与之相应的,AI-Native 就相当于原生智能,距离AI基础设施和智能化的应用更近,驱动行业智能变革更容易。作为新基建当中最重要的能力集之一,AI 也可以做到像水和电一样便捷。在未来 3-5 年,会有更多领域的 AI 和大数据应用将迎来爆发期。
据悉,星环科技的产品应用已覆盖涉及到金融、安防、电力、交通、教育等数十个行业和领域。为了进一步推动Sophon 的影响力,星环也在积极与学术界展开合作,推动 Sophon 平台的应用。
今年 10 月,星环科技参与的国内外 AI 大赛分别开赛。 首届“新加坡大学生人工智能创新大赛”,由星环科技与新加坡理工学院联合举办,于10月7日已经在线上开赛。第二届广西大学生人工智能设计大赛也于 10 月 15 日完成赛队报名,由星环科技提供平台的“AI建模创新竞赛”选题收到 257 支队伍报名,远高于去年参赛的 119 支。
未来,人工智能的需求将会全面铺开,AI 将从专业领域应用的单一项目变成基础性赋能,变成生产力的创造者和社会基础供应者,成为社会供给侧的基础平台,赋能社会的方方面面,而 Sophon 则将扮演“加速器”的角色。