阿里云人工智能平台 PAI

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。

人工智能平台 PAI

• 什么是人工智能平台PAI
  • 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。
  • 什么是人工智能平台PAI
    • 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）
      • 分布式训练DLC（Deep Learning Containers）
      • 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。
• 功能特性
  • 丰富的机器学习算法
    • PAI的算法都经过阿里巴巴集团大规模业务的沉淀，不仅支持基础的聚类和回归类算法，同时也支持文本分析和特征处理等复杂算法。
  • 支持对接阿里云其他产品
    • PAI训练的模型直接存储在MaxCompute中，可以配合阿里云的其他产品使用。
  • 一站式的机器学习体验
    • PAI支持从数据上传、数据预处理、特征工程、模型训练、模型评估到模型发布的机器学习全流程。
  • 支持主流深度学习框架
    • PAI支持TensorFlow、Caffe及MXNet等主流的机器学习框架。
  • 可视化的建模方式
    • 封装了经典的机器学习算法，并提供了可视化的建模，其支持使用拖拽的方式搭建机器学习实验而无需显式编程。
  • 一键式的模型部署服务
    • PAI支持将Designer DSW 生成的训练模型一键式发布为Restful API接口，实现模型到业务的无缝衔接。
  • 优质的技术保障
    • 您在使用过程中遇到任何问题，请联系您的商务经理来处理，或者联系相关接口人
• 产品架构
  • 1. PAI的产品架构
  • 2. PAI的业务架构分为以下四层：
    • 基础资源层（计算资源&基础设施）：
      • 基础设施包括CPU、GPU、高速RDMA网络以及容器服务ACK等。
      • 计算资源包括云原生资源（灵骏计算资源和通用计算资源）和大数据引擎资源（MaxCompute和Flink）。
    • 平台工具层（灵骏智算服务&人工智能框架）：
      • 人工智能框架：包括Alink、TensorFlow、PyTorch、Megatron、DeepSpeed及RLHF等智能框架，用于执行分布式计算任务。
      • 优化与加速框架：包括DatasetAcc数据集加速、TorchAcc训练加速、EPL并行训练框架、Blade推理加速、AIMaster自动容错训练以及EasyCkpt秒级异步训练快照等。
      • 按照机器学习全流程，PAI分别提供了数据准备、模型开发与训练以及模型部署阶段的产品：
        • 1. 数据准备：PAI提供了标注服务，支持在多种场景下进行数据标注和数据集管理。
        • 2. 模型开发与训练：PAI提供了可视化建模（Designer）、交互式建模（DSW）、分布式训练（DLC）以及特征平台（FeatureStore），满足不同的建模需求。
        • 3. 模型部署：PAI提供了模型在线服务（EAS），帮助您快速地将模型部署为服务。
    • 应用层（模型服务）：支持模型服务包括ModelScope魔搭社区、PAI-DashScope、第三方MaaS平台和百炼。
    • 业务层（场景化解决方案）：PAI应用于自动驾驶、科研智算、金融风控、智能推荐等各个领域。阿里巴巴集团内部的搜索系统、推荐系统及金融服务系统等，均依赖于PAI进行数据挖掘。
  • 3. PAI产品模块
    • 名词 描述 智能标注（iTAG） 集成智能能力（黑盒）的数据集标注工具，有效降低标注工作量，快速获取高质量的标注数据集。 可视化建模（Designer） 面向AI领域的工作流设计工具，封装了丰富的机器学习算法组件。您无需代码基础，通过拖拉拽即可训练模型。 交互式建模（DSW） 面向AI开发者的云端机器学习交互式开发IDE，包含Notebook、VSCode及Terminal。您可以基于镜像指定NAS作为存储启动DSW。 容器训练（DLC） 快速将训练任务提交到当前工作空间关联的计算资源（例如通用计算资源）中，提交后的任务详情可以在PAI任务管理模块中查看。 模型在线服务（EAS） 支持大规模复杂模型的一键部署功能，实时弹性扩缩容，并提供完整的运维监控体系。 AI资产管理 提供包括数据集、模型、代码配置等核心AI资产的管理能力。 场景化解决方案 基于PAI平台能力孵化的垂直领域解决方案集合，方便您直接应用。