最先落地 AutoML 的那家公司，現(xiàn)在喊出了開源。

自動(dòng)機(jī)器學(xué)習(xí) AutoML 技術(shù)，可以把特征提取、模型選擇、參數(shù)調(diào)節(jié)等機(jī)器學(xué)習(xí)的復(fù)雜過程實(shí)現(xiàn)自動(dòng)化。這種能夠大幅降低 AI 應(yīng)用門檻的工具，是目前人工智能業(yè)界炙手可熱的方向。

第四范式成立之初就開始投入力量研究 AutoML 技術(shù)，現(xiàn)在又把自動(dòng)化 AI 的能力拓展到 AI 應(yīng)用的大多數(shù)環(huán)節(jié)。

在 6 月 23 日的年度發(fā)布會(huì)上，第四范式的 AI 操作系統(tǒng) AIOS 升級(jí)到了 2.0 版。更引人關(guān)注的是，這家公司還計(jì)劃在一年內(nèi)將 95% 核心技術(shù)開源出來(lái)。

「我們把最核心的數(shù)據(jù)和算力技術(shù)開源給技術(shù)社區(qū)，它們是開發(fā)者最需要的東西?！沟谒姆妒铰?lián)合創(chuàng)始人、首席研究科學(xué)家陳雨強(qiáng)說(shuō)道。

[[407195]]

第四范式技術(shù)副總裁鄭曌等人在發(fā)布會(huì)上宣布了 AIOS 核心技術(shù)的開源。

從零開始，構(gòu)建 AI 數(shù)據(jù)引擎

首先是機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù) OpenMLDB。在 AI 時(shí)代，機(jī)器學(xué)習(xí)模型不斷高頻次演進(jìn)，這意味著數(shù)據(jù)供給的重要性不斷提升。但即使是在大型科技公司里，我們?nèi)匀荒芸吹?SQL 數(shù)據(jù)處理 10 小時(shí)，上線排查 6 個(gè)月這樣的情況。 

「機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)理性和瞬時(shí)高效的推理判斷，但不論事務(wù)型數(shù)據(jù)庫(kù)、分析型數(shù)據(jù)庫(kù)還是傳統(tǒng)數(shù)倉(cāng)，在執(zhí)行這類機(jī)器學(xué)習(xí)任務(wù)時(shí)都無(wú)法保障正確的數(shù)據(jù)供給，」在發(fā)布會(huì)當(dāng)日的技術(shù)分論壇上，第四范式資深架構(gòu)師王太澤說(shuō)道，「由于不是面向機(jī)器學(xué)習(xí)的設(shè)計(jì)，傳統(tǒng)的數(shù)據(jù)庫(kù)無(wú)法完全覆蓋從離線、在線到數(shù)據(jù)反饋的全流程，對(duì)于機(jī)器學(xué)習(xí)應(yīng)用來(lái)說(shuō)效率較低?！?/p>

第四范式幫助超過 120 個(gè)場(chǎng)景完成了數(shù)據(jù)的開發(fā)和矯正，這讓他們的工程師總結(jié)出供給正確數(shù)據(jù)的解法。

與Hadoop、Oracle、MySQL 等目前流行的數(shù)據(jù)庫(kù)相比，第四范式提出的OpenMLDB，定位是為AI 而生的機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)，而這也是目前行業(yè)內(nèi)的空白。

OpenMLDB 解決了 3 個(gè)機(jī)器學(xué)習(xí)的核心數(shù)據(jù)問題：

首先是離線在線不一致，OpenMLDB 通過統(tǒng)一的數(shù)據(jù)存儲(chǔ)引擎避免了跨數(shù)據(jù)庫(kù)的信息交換。另一方面，通過統(tǒng)一的數(shù)據(jù)計(jì)算引擎，這套系統(tǒng)使離線和在線使用同一套計(jì)算邏輯，確保了總結(jié)規(guī)律和線索演算時(shí)思維方式的一致。

其次是時(shí)序正確性：在超過一半的場(chǎng)景中，由于傳統(tǒng)的數(shù)據(jù)庫(kù)系統(tǒng)無(wú)區(qū)別對(duì)待歷史經(jīng)驗(yàn)和未知信息，數(shù)據(jù)科學(xué)家在數(shù)據(jù)開發(fā)過程中產(chǎn)生了時(shí)序泄露，在進(jìn)行規(guī)律總結(jié)的時(shí)候使用到了不該使用、來(lái)自于未來(lái)的「穿越數(shù)據(jù)」。OpenMLDB 通過使用自動(dòng)時(shí)序拼接語(yǔ)法和時(shí)序泄露檢測(cè)模塊，避免了錯(cuò)誤的數(shù)據(jù)使用。 

最后是閉環(huán)完整性，機(jī)器學(xué)習(xí)需要將線索演算以及業(yè)務(wù)推理判斷正確與否的反饋沉淀成經(jīng)驗(yàn)和知識(shí)，這需要數(shù)據(jù)庫(kù)系統(tǒng)能夠具備 將線索推演，以及判斷的反饋，進(jìn)行正確關(guān)聯(lián)的能力。OpenMLDB 通過對(duì)線索與反饋的自動(dòng)拼接檢測(cè)與自動(dòng)關(guān)聯(lián)，保障了唯一拼接標(biāo)識(shí)，避免了數(shù)據(jù)拼接錯(cuò)位的問題。 

在從傳統(tǒng)數(shù)據(jù)庫(kù)系統(tǒng)切換到 OpenMLDB 后，開發(fā)過程的數(shù)據(jù)正確性得到了保障。除了性能強(qiáng)大，OpenMLDB 在使用上也很方便，它支持標(biāo)準(zhǔn) JDBC、Restfull 和 SQL 接口。

「MLDB 是我們的核心能力。在機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)上，我們的技術(shù)是非常領(lǐng)先的，」陳雨強(qiáng)表示。在一些 AI 決策任務(wù)中，使用 OpenMLDB 的開發(fā)效率可以提升多達(dá) 8 倍，相比傳統(tǒng)數(shù)據(jù)庫(kù)進(jìn)行線上實(shí)時(shí)特征計(jì)算時(shí)，使用 OpenMLDB 能夠 3 到 10 倍的性能提升。

為 AI 而生的操作系統(tǒng)

在平臺(tái)側(cè)，第四范式推出了為 AI 而生的的操作系統(tǒng)內(nèi)核——OpenAIOS。

AI 的應(yīng)用深入來(lái)看要經(jīng)歷十幾個(gè)步驟，不同的技術(shù)組件支撐了不同的步驟，而每一個(gè)步驟對(duì)資源的需求又有著較大的不同。第四范式將這些環(huán)節(jié)的能力面向計(jì)算、存儲(chǔ)、通信三個(gè)方面進(jìn)行了進(jìn)一步的抽象和沉淀。

這是一套分布式的 AI 操作系統(tǒng)，它擁有較為完整的開發(fā)體驗(yàn)：支持 Visual Studio、Jupyter Notebook 等編譯器，內(nèi)置核心應(yīng)用和商店，同時(shí)支持第三方應(yīng)用，又使用了原生的 Kubernetes 環(huán)境，擁抱所有云原生應(yīng)用。

所有這些都是為了解決智能化過程中面臨的異構(gòu)計(jì)算挑戰(zhàn)。如今的計(jì)算設(shè)備內(nèi)除了 CPU、GPU，還有很多不同的 AI 加速芯片。這些算力架構(gòu)各不相同，在互相聯(lián)絡(luò)時(shí)還因?yàn)榭臻g的距離存在一定延遲。

為了實(shí)現(xiàn)有效的算力，第四范式研究人員實(shí)現(xiàn)了異構(gòu) Kernel 深度優(yōu)化、計(jì)算協(xié)同處理、資源調(diào)度等能力，優(yōu)化了數(shù)據(jù)存儲(chǔ)，又自研了異構(gòu)硬件專用的通信協(xié)議。

• 在算力方面，當(dāng)數(shù)據(jù)量大到通用計(jì)算芯片無(wú)法處理時(shí)，OpenAIOS 的多級(jí)計(jì)算內(nèi)核有針對(duì)性的設(shè)計(jì)硬件之間的協(xié)同處理策略，將計(jì)算任務(wù)進(jìn)行工作量拆分，通過統(tǒng)一的智能化調(diào)度，將拆分后的任務(wù)給到不同的專用計(jì)算芯片進(jìn)行處理。

• 在存儲(chǔ)方面，因?yàn)閮?nèi)存和顯存不夠?qū)е碌娜蝿?wù)失敗是開發(fā)者最常遇到的難題。在不侵入現(xiàn)有應(yīng)用和代碼的情況下，OpenAIOS 在操作系統(tǒng)內(nèi)部建立了一套面向內(nèi)存和顯存的多級(jí)存儲(chǔ)內(nèi)核，通過自動(dòng)擴(kuò)容策略和多級(jí)緩存機(jī)制將存儲(chǔ)容量進(jìn)行擴(kuò)展，提高了任務(wù)的成功率。

• 在通信速率方面，數(shù)據(jù)的交換效率是人們關(guān)注的重點(diǎn)，OpenAIOS 提供了多級(jí)通信內(nèi)核，在機(jī)器學(xué)習(xí)特有的梯度權(quán)重交換等環(huán)節(jié)，提供了低延遲、高吞吐的通信框架， 以及面向異構(gòu)加速器的專用通信協(xié)議，減輕數(shù)據(jù)通信上的壓力。

多設(shè)備的情況下，OpenAIOS 可以高效率調(diào)動(dòng) GPU 算力，提升模型訓(xùn)練時(shí)的速度。在 GPU 虛擬化的工作中，第四范式系統(tǒng)率先實(shí)現(xiàn)了應(yīng)用零改造的顯存擴(kuò)容。

第四范式技術(shù)副總裁鄭曌在發(fā)布會(huì)上宣布開源機(jī)器學(xué)習(xí)操作系統(tǒng)內(nèi)核 OpenAIOS，以及面向?qū)崟r(shí)智能決策的分布式機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù) OpenMLDB，面向開發(fā)者提供開箱即用的技術(shù)能力。

開源地址：

• OpenMLDB Github:

• https://github.com/4paradigm/OpenMLDB

• OpenAIOS Github:

• https://github.com/4paradigm/openaios-platform

基于OpenAIOS內(nèi)核，『AIOS社區(qū)版』也已經(jīng)正式上線，AIOS的核心技術(shù)都會(huì)以「社區(qū)版」的形式，免費(fèi)向開源社區(qū)開放。

『AIOS社區(qū)版』：openaios.4paradigm.com

鄭曌還宣布了 Knot「中國(guó)結(jié)」計(jì)劃：在未來(lái)一年之內(nèi)，公司將實(shí)現(xiàn) 95% 以上的核心技術(shù)開源開放，并為各家企業(yè)共計(jì)培養(yǎng)超過一萬(wàn)名 AI 應(yīng)用開發(fā)工程師。

「我們相信 AI 決策是幫助企業(yè)轉(zhuǎn)型的新范式，是能夠帶領(lǐng)企業(yè)走向質(zhì)變的重要方法。第四范式希望能夠幫助開發(fā)者做越來(lái)越多重要的工作」鄭曌說(shuō)道。