数字化转型专家谈 | 中国信通院曹峰：人工智能工程化赋能企业AI落地的最后一公里
一、最近两年人工智能产业界最热词之一就是人工智能工程化，那么如何理解人工智能工程化这一技术？
Gartner已经连续3年将人工智能工程化列为重要的战略趋势。预计到2025年，建立人工智能工程化最佳实践的企业，其智能化产出的价值，将至少比未建立该实践的企业高出3倍。
我们认为人工智能工程化指在机器学习、深度学习等模型在企业大规模生产部署和应用背景下，面向数据、算法、模型、服务等要素，建立完备易用的工具体系、标准化的研发运营和管理体系以及可信治理体系，最终助力智能应用在企业大规模、高效率、低成本和安全可控的应用。
二、工具体系、管理运营体系和可信治理体系的内涵，以及解决的问题是什么？
工具体系：人工智能的工具体系是指面向传统机器学习和深度学习开发、部署、应用、运维、可信保障等全流程服务的工具。工具体系解决的主要问题是帮助开发者利用工具和资源，快速地标注数据，高效地开发模型，便捷地部署模型，并实现持续敏捷的运营维护。当前产业界典型的集成化的工具产品就是各类人工智能开发平台。市面上看到的机器学习平台、深度学习平台、AI中台都是指人工智能开发平台。人工智能开发平台的核心是将各类工具集成到平台之上，形成端到端的开发和支撑工具，主要包括数据标注、模型开发和训练、模型部署和推理以及运维管理，能够满足各种类型开发者的使用需求，比如算法科学家、IT工程师、行业专家等。
管理运营体系：从定义上来讲，机器学习和深度学习的管理运营体系，又称MLOps。目的是连接业务团队、AI团队和运营团队，建立一套标准化的模型开发、部署与运营流程，以管理机器学习项目的全生命周期，提高交付效率和质量。MLOps的核心价值在于，解决机器学习项目角色间的沟通壁垒，解决机器学习项目又慢又难的困顿，解决机器学习项目数据、算法、特征、模型等资产管理繁杂的问题，解决机器学习模型随时退化的先天缺陷。
可信治理体系：人工智能应用在深度和广度方向不断拓展，但在发展过程中人工智能也不断暴露出各类风险隐患，引发国内外信任焦虑。当前发展负责任和可信的人工智能成为共识，核心是将抽象的治理原则落实到人工智能全生命流程中。可信治理体系是从产业维度出发，落实人工智能治理要求的一整套方法论，是人工智能治理和产业实践之间的桥梁。可信治理体系包括技术的开发方和使用方，面向模型的全生命周期的治理和风险管理，涉及到的指标包括可解释、鲁棒、公平、可追溯等等一系列属性。
三、工程化的发展方向是什么？
工程化的发展方向，其实核心就是人工智能产业化的重点方向，总结起来有几点：
第一，在探索新技术的同时，更加注重通过工程化的方式释放技术红利。当前，人工智能技术创新非常活跃，一系列新的技术。例如大规模预训练模型、知识驱动的AI、AI生成技术等，但这些技术能否快速赋能各行各业，响应多样化需求，其关键因素在于工程化能力。
第二，在产业智能化进程中，传统行业的参与程度将越来越深入。产业发展重心已经开始从“人工智能+”向“+人工智能”转变，随着传统行业数字化进程的提升，将提供海量的数据和丰富的应用场景，为人工智能的应用打开新的空间。
第三，人工智能可信治理工作将越发关键，事关人工智能持续健康发展，统筹治理和发展成为必需。治理工作不仅切实关系到人工智能日常应用问题，也已上升为国际间竞争与合作的重要议题，需要政府、行业组织、企业等形成合力，安全可信的理念融入到人工智能的全生命周期中。
四、针对人工智能工程化这个方向，中国信通院做了哪些工作呢？
中国信通院为进一步推动我国人工智能的工程化进程，主要做了以下几方面工作：
第一，搭建面向工程化的行业服务平台，依托工信部人工智能关键技术和应用评测重点实验室，成立了AI工程化推进委员会，聚焦开发工具和平台、研发运营和管理、大模型、知识计算、数据集管理、可信治理等方向，以产业活动、研究报告、标准和评测、最佳实践等手段，推动产业能力的提升。
第二，发布各类研究成果。去年以来，我们陆续发布了《可信人工智能白皮书》《人工智能白皮书》等多份报告，未来还将发布工程化、MLOps等细分领域的报告，希望梳理产业实践，帮助产业更好的落地工程化的工具和理念。
第三，建设了“可信AI”评测体系，面向人工智能技术提供方和使用方，从工具和平台、运营和管理、典型产品和服务、AI可信治理4个维度发力，形成了开发平台、人工智能研发运营一体化（MLOps）、机器人流程自动化、大规模预训练模型、自然语言处理产品、企业智能工具与服务等多个评测子体系。2022年中，可信AI已经成为业界最具影响力的AI评测体系，累计开展评测6轮，累计产品数220余个。
相关业务联系人：
王宏晶
wanghongjing@caict.ac.cn
13552233274
校 审 | 陈 力、珊 珊
编 辑 | 凌 霄
推荐阅读
数字化转型专家谈