什么是人工智能平台PAI

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。

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，详情请参见可视化建模（Designer）。

• Notebook交互式AI研发DSW（Data Science Workshop），详情请参见交互式建模（DSW）。

• 分布式训练DLC（Deep Learning Containers），详情请参见分布式训练（DLC）。

• 在线预测EAS（Elastic Algorithm Service），详情请参见模型在线服务（EAS）。

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。

阿里云人工智能平台PAI是什么？_人工智能平台 PAI(PAI)-阿里云帮助中心 (aliyun.com)