柏睿数据智能平台Rapids AI，助力企业更高效、简易地开发部署AI模型

近期，ChatGPT此类AI大模型的出现，将人工智能技术的发展推向高潮，但显然，人工智能并不是一个新兴词汇。

事实上，当前人工智能技术中使用的算法几乎都是在20世纪八九十年代初甚至更早前提出来的；再到2016年Alpha Go问世起，越来越多的人工智能应用需求涌现了出来；但是直至2022年以ChatGPT为代表的大语言模型的出现，才再次将人工智能技术的发展与应用推向新高度，其出现与近年来大数据技术的迅猛发展密不可分，这一点也可以通过对比大数据和人工智能的发展时间表得出。 

人工智能技术发展时间表

大数据技术发展时间表

在过去十年间，随着互联网应用的广泛普及和数字化程度的提高，数据量逐渐增加、汇聚，在大规模数据集和大数据计算的支持下，使得大语言模型的训练更为可行，能够有效地临近许多难题的决策边界，并且人工智能技术已经在精确推荐、语音识别、图像处理、自然语言处理等领域发挥作用，在金融、教育、物流、制造等行业落地应用，创造巨大的社会价值和商业利益。

但实际上，据IBM数据科学和人工智能首席技术官 Debora所说，87%的数据科学项目从未投入生产。为什么会出现这个问题呢？

Rapids AI 是以数据为中心的端到端的人工智能“一站式”平台，包括数据获取、数据探索、数据处理、特征工程、模型开发、模型评估、模型部署应用和模型监控维护的人工智能开发全生命周期能力。其组件包括数据智能分析诊断平台、特征库和AIworkflow。

数据获取、数据探索、数据处理的能力由智能分析诊断平台提供。智能分析诊断平台对接柏睿数据全内存分布式数据库RapidsDB，可视化地分析数据质量及数据分布情况，并为用户提供在RapidsDB之上的Pandas 接口RapidsPY, 让用户能够直接在RapidsDB内调用Pandas API 进行数据计算。

在特征工程方面，特征库将柏睿流湖仓一体化平台作为数据存储，提供了特征注册、特征存储、特征转换和特征服务的能力。

在模型开发、评估和部署、监控部分，采用机器学习建模平台AIworkflow，模型可以通过分布式并行AI算法框架Rapids ParallelAI在数据库内进行训练。同时，基于图形用户界面 (GUI)，建模过程和结果全流程高度可视化，以协助管理项目内所有人员的工作。还可以制定出机器学习管道，一旦模型构建完成，Rapids AI即可把模型部署细节提供给程序开发人员，进而由他们开发出相应的应用程序。

模型部署上线后需要持续对模型质量进行动态评估，避免随着时间的推移导致的模型失效。通过AIworkflow和特征库，用户可以对特征指标以及模型指标进行监控，及时对模型质量进行预警，并定位模型失效的原因，保证AI应用长期稳定高效地运行。