人工智能平台 PAI 简介（一）

人工智能平台 PAI（Platform of Artificial Intelligence）面向企业客户及开发者，提供轻量化、高性价比的云原生人工智能，涵盖DSW交互式建模、Designer拖拽式可视化建模、DLC分布式训练到EAS模型在线部署的全流程。

了解：

1、什么是人工智能平台PAI

首先先了解什么是机器学习，机器学习是一门多学科交叉专业，涵盖概率论知识、统计学知识、近似理论知识和复杂算法知识，它使用计算机作为工具并致力于真实、实时地模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。机器学习对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析。它可以在以下一些场景得到使用。

• 内容生成：根据需要，生成主题相关的文字、图片、视频、音频内容。
• 营销类场景：商品推荐、用户群体画像或广告精准投放。
• 金融类场景：贷款发放预测、金融风险控制、股票走势预测或黄金价格预测。
• 社交网络服务关系挖掘场景：微博粉丝领袖分析或社交关系链分析。
• 文本类场景：新闻分类、关键词提取、文章摘要或文本内容分析。
• 非结构化数据处理场景：图片分类或图片文本内容提取。
• 其他各类预测场景：降雨预测或足球比赛结果预测。

机器学习包括传统机器学习和深度学习，有以下几种类型：

• 监督学习（Supervised Learning）：每个样本都有对应的目标值，通过搭建模型实现从输入特征向量到目标值的映射，例如解决回归和分类问题。
• 无监督学习（Unsupervised Learning）：所有样本没有目标值，期望从数据本身发现一些潜在规律，例如解决聚类问题。
• 强化学习（Reinforcement Learning）：相对较为复杂，系统与外界环境不断交互，在外界反馈的基础上决定自身行为，以达到目标最优化。例如阿尔法围棋和无人驾驶。

2、 而人工智能平台PAI起初是服务于阿里巴巴集团内部（例如淘宝、支付宝和高德）的机器学习平台，致力于让公司内部开发者更高效、简洁、标准地使用人工智能AI（Artificial Intelligence）技术。随着PAI的不断发展，2018年PAI平台正式商业化，目前已经积累了数万的企业客户和个人开发者，是中国云端机器学习平台之一。

PAI底层支持多种计算框架：

• 流式计算框架Flink。
• 基于开源版本深度优化的深度学习框架TensorFlow、PyTorch、Megatron和DeepSpeed。
• 千亿级特征样本的大规模并行计算框架Parameter Server。
• Spark、PySpark、MapReduce等业内主流开源框架。

PAI提供的服务：

• 可视化建模和分布式训练Designer
• Notebook交互式AI研发DSW（Data Science Workshop）
• 在线预测EAS（Elastic Algorithm Service）

PAI依托于阿里云及阿里巴巴集团多年的应用及技术积累，具备以下多种优势。

AI 研发全生命周期全链路：

• 支持数据标注、模型开发、模型训练、模型优化、模型部署以及AI运维管控，是一站式AI平台。
• 拥有140+种优化的内置算法组件。
• 支持业内TensorFlow、Pytorch等多种深度学习框架。
• 提供多种模式、大数据引擎深度结合、多框架兼容、自定义镜像等核心能力。
• 提供云原生架构的AI 开发、训练、部署的产品。

多样的产品输出方式：

• 公共云支持全托管、半托管。
• 支持AI 高性能计算集群和轻量化输出产品形态。

业内领先的AI优化：

• 高性能的训练框架，稀疏训练场景，支持数十亿到数百亿的稀疏特征规模，数百亿到数千亿的样本规模，上千worker的分布式增量训练。
• 主流框架模型加速，使用PAI Blade提升RestNet50、Transformer+LM等十数个主流模型加速比。
• 该服务支持单独或组合使用。支持一站式机器学习，您只需准备好训练数据（存放到OSS或MaxCompute中），所有建模工作（包括数据上传、数据预处理、特征工程、模型训练、模型评估和模型发布至离线或在线环境）都可以通过PAI实现。
• 对接DataWorks，支持SQL、UDF、UDAF、MR等多种数据处理方式，灵活性高。
• 生成训练模型的实验流程支持DataWorks周期性调度，且调度任务区分生产环境和开发环境，从而实现数据安全隔离。

相关阅读：可视化建模、交互式建模、分布式训练DLC、在线预测EAS