“未來，隨著機器學習等模型的普遍化應用，模型治理的重要性越發凸顯，ModelOps 將成為數據智能系統開發運行過程的標配。”——北京九章云極科技有限公司董事長方磊博士。
時值 ModelOps 崢嶸初現，九章云極DataCanvas聯合全球知名市場數據及科技研究平臺 CB Insights 中國發布《2021 年 ModelOps 技術應用及趨勢白皮書》。
報告指出，隨著企業對模型治理的重視程度提高，ModelOps 這一高效賦能、科學治理的方式將逐漸普及，成為企業 AI 管理模型“標配”。
溯源：要開發更要治理，ModelOps 應時而生
作為新一輪產業變革的核心驅動力，AI 技術在近年來不斷發展。數字化轉型浪潮的席卷之下，企業紛紛加大 AI 投入，開發、部署的模型數量不斷激增。
然而，在數字化轉型的過程中，“重開發、輕治理”的風氣使得模型的開發、部署不連貫，技術應用的“最后一公里”難以推進，逐漸成為企業無法忽視的一環。
這一大環境下，ModelOps（Model Operations）應運而生，這種科學的模型全生命周期治理框架，是 DevOps 及 MLOps 的擴展，將模型的全生命周期梳理為流程化、標準化的閉環，通過持續監控及驗證以不斷訓練模型，達到生產優化的效果，彌補了模型科學治理方式的缺失。
圖丨ModelOps 與相關概念關系厘定（來源：CB Insights 中國）
技術：集流程化、監控、可視化等多功能一體，助力企業模型全生命周期科學治理
ModelOps 平臺是數據科學和軟件工程的結合產物，集成多種技術，從全局角度打通模型需求、開發、驗證、審批、投產到應用以及下線的全流程。
白皮書從解析 ModelOps 平臺中的核心技術出發，詳細解釋了 ModelOps 平臺的核心功能，以及這些功能如何幫助企業科學治理模型。
圖丨ModelOps 平臺建設與治理目標（來源：CB Insights 中國）
除了具有提高機器學習、 AI 模型開發和運維效率的功能外，ModelOps 更關注模型資產管理。通過持續監控及可視化手段使模型穩定性、風險始終可控，以賦與企業科學的模型全生命周期治理能力。其核心功能實現如下：
圖丨ModelOps 平臺架構及核心功能實現（來源：九章云極DataCanvas、CB Insights 中國）
應用：初現崢嶸，將實現對更多行業的覆蓋
白皮書以工業場景和金融場景為例，剖析 ModelOps 如何在特定場景中助力企業實現模型科學治理、提高 AI 應用效率。同時，也指出 ModelOps 落地時面對的挑戰、影響應用差異化的關鍵因素。
在工業等數字化進程相對早期的場景中，ModelOps 重于以有限的數據資源對企業賦能機器學習（比如在設備預測與健康管理中，以 AI 替代人工進行高效準確的實時預測）。
圖丨ModelOps 在工業智能場景中的作用流程（來源：CB Insights 中國）
在金融服務等數字化程度相對領先的場景中，更重于開發態和運營態的打通以及之后的模型風險的治理（Model Risk Management，MRM）。
圖丨九章云極 ModelOps 銀行解決方案架構（來源：九章云極DataCanvas、CB Insights 中國）
受制于數據安全焦慮等因素，ModelOps 的應用目前仍處在探索的早期階段。未來，隨著 ModelOps 的交互設計更友好、兼容程度升高，企業管理者對模型治理的認識、理解更深，ModelOps 將實現對更多行業的覆蓋。
展望：高維智能降低 AI 技術使用門檻
從模型算法設計到決策系統應用，AI 技術發展重心正悄然轉移。 在 ModelOps 框架下，科學的模型治理不僅使企業的 AI 計劃更易從模型算法設計走向生產決策系統應用，實現規模化效應，也使 AI 擁有部分能動性，逐漸走向自治化——“以 AI 治理 AI”變為可能。
自治化意味著更高維智能的實現，AI 的使用門檻更低。未來，ModelOps 持續監控、流程化、標準化、可復用的模型全生命周期治理框架將帶動 AI 治理方式更迭。ModelOps 將有望成為企業 AI 治理的“標配”。
在公眾號九章云極DataCanvas后臺回復關鍵詞“AutoML”獲取完整版PDF報告
星空人工智能技術網 倡導尊重與保護知識產權。如發現本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯系方式等發郵件至1851688011@qq.com我們將及時溝通與處理。！：首頁 > 新聞 » 《ModelOps技術應用及趨勢白皮書》正式發布