1月6日消息，據(jù)外媒報道，受新冠肺炎疫情影響，企業(yè)內(nèi)部采用人工智能技術(shù)的速度明顯加快，這主要歸功于數(shù)字業(yè)務轉(zhuǎn)型舉措的加速。

最近，一項由Algorithmia發(fā)布的對403位參與機器學習計劃的企業(yè)領(lǐng)導者的調(diào)查發(fā)現(xiàn)，83%的企業(yè)增加了AI/ML的預算，數(shù)據(jù)科學家的平均雇用人數(shù)同比增長76%。

涉及AI/ML技術(shù)的用例顯然也變得更加復雜。調(diào)查發(fā)現(xiàn)，64%的企業(yè)需要一個月或更長時間來部署一個模型。38%的受訪者表示，他們的數(shù)據(jù)科學家將超過一半的時間花在模型部署上，而不是訓練這些模型。

Algorithmia首席執(zhí)行官Diego Oppenheimer表示，這項調(diào)查清楚表明，在生產(chǎn)環(huán)境中大規(guī)模實施人工智能模型還有很多工作要做。

這個問題的核心是人工智能模型的部署和更新速度。一個數(shù)據(jù)科學家團隊平均需要6個月的時間來訓練和部署一個人工智能模型。部署之后，AI模型需要隨著新的數(shù)據(jù)源的出現(xiàn)而更新。隨著業(yè)務環(huán)境的變化，這個AI模型也經(jīng)常需要被替換，因為訓練AI模型的許多假設(shè)都不再相關(guān)了。

人工智能模型的生命周期管理催生了一種稱為MLOps的新IT學科。反過來，MLOps流程需要與DataOps流程集成，后者現(xiàn)在需要管理數(shù)兆字節(jié)(有時甚至數(shù)兆字節(jié))的數(shù)據(jù)，而DevOps流程則用于加速應用程序的構(gòu)建部署，將人工智能模型嵌入其中。

完成這些任務之后，企業(yè)還需要關(guān)注治理。56%的受訪者將治理、安全和可審計問題列為關(guān)注的問題，67%的受訪者表示，他們的人工智能計劃將需要遵守多項法規(guī)。

如今，MLOps通常由一組數(shù)據(jù)科學家管理，但Diego Oppenheimer表示，IT團隊接管人工智能生命周期管理只是時間問題。

隨著IT團隊更多地依賴平臺來自動化人工智能模型的管理，2021年將會看到許多這樣的任務變得越來越自動化。構(gòu)建人工智能模型的平臺將使用機器學習算法來自動化大部分人工智能模型的構(gòu)建和部署。

顯然，到2021年，大多數(shù)企業(yè)應用程序?qū)⒑芸觳捎萌斯ぶ悄芗夹g(shù)。