摘要：近日，在個推技術(shù)沙龍深圳站，來自華為個推的技術(shù)大拿們在現(xiàn)場，對核心技術(shù)進行了深入的探討。最后，個推還支持了部署發(fā)布的工具，讓訓(xùn)練的成果能夠通過標準化的方式導(dǎo)出到線上，進行服務(wù)部署，真正地在線上產(chǎn)生價值。

人工智能技術(shù)的飛速發(fā)展給各行各業(yè)都帶來了深遠的影響，AI已被視為企業(yè)提升運營效能、應(yīng)對市場競爭的必經(jīng)之路。然而對于一些企業(yè)而言，讓AI真正實現(xiàn)落地和應(yīng)用，并且創(chuàng)造價值，仍是一件需要努力的事情。

近日，在個推技術(shù)沙龍TechDay深圳站，來自華為、個推、SheIn的技術(shù)大拿們在現(xiàn)場，對AI核心技術(shù)進行了深入的探討。

個推大數(shù)據(jù)研發(fā)高級主管
AI在生產(chǎn)環(huán)境落地的整個過程中，通常會遇到三個挑戰(zhàn)：

第一，業(yè)務(wù)場景復(fù)雜。簡單的一個算法也許只能優(yōu)化某個環(huán)節(jié)，但整個業(yè)務(wù)場景的優(yōu)化可能需要許多算法的相互配合。

第二，數(shù)據(jù)問題。數(shù)據(jù)是AI的重要支撐之一，許多企業(yè)都欠缺獲取高質(zhì)量、有標注數(shù)據(jù)的能力。

第三，技術(shù)問題。在AI落地的過程所遇到的技術(shù)問題，有四個核心：1）CPU / GPU環(huán)境的調(diào)度和管理復(fù)雜。2）AI業(yè)務(wù)的開發(fā)人員們需要一個低門檻的實驗平臺，使其能夠進行快速的探索實驗。3）擁有大規(guī)模數(shù)據(jù)的企業(yè)，需要工業(yè)級大規(guī)模分布式訓(xùn)練，來保證算法能夠應(yīng)用于全量數(shù)據(jù)中。4）企業(yè)需要提供低延遲的在線服務(wù)。

人工智能最核心的是數(shù)據(jù)，而數(shù)據(jù)可以分為兩個部分，實時數(shù)據(jù)和離線數(shù)據(jù)。個推使用Hive方案進行離線數(shù)據(jù)的存儲，注重數(shù)據(jù)的容量和擴展性；而在線用戶對延時非常在意，所以個推會使用高性能KV庫，保證在線特征能夠及時地被訪問到。

在解決了基礎(chǔ)的數(shù)據(jù)存儲和使用問題之后，對于AI落地過程中的技術(shù)問題，個推內(nèi)部支持端到端的服務(wù)，能夠使用標準化流程快速進行實踐探索。個推也自研了一些插件和產(chǎn)品包，簡化流程步驟和復(fù)雜度，幫助經(jīng)驗較少的開發(fā)者也可以在較短的時間內(nèi)搭建系統(tǒng)。最后，個推還支持了部署發(fā)布的工具，讓訓(xùn)練的成果能夠通過標準化的方式導(dǎo)出到線上，進行服務(wù)部署，真正地在線上產(chǎn)生價值。

在小微企業(yè)AI落地實踐的過程中，可以使用Kubeflow等開源技術(shù)棧。首先，環(huán)境的管理與調(diào)度可以使用Kubernates作為分布式環(huán)境標準；Jupyter +開源數(shù)據(jù)分析工具包+ AI框架可以進行低門檻的快速探索實驗；Kubeflow + Tensorflow / PyTorch / MXNet可以快速地部署大規(guī)模的分布式訓(xùn)練；最后，借助Kubernates提供的快速部署、上線、擴縮容的能力，可以提供高可用的在線服務(wù)。

而在AI實際落地時，企業(yè)則需要注意以下三點：

第一，快與高效。企業(yè)可以借助開源工具快速落地業(yè)務(wù)，同時也要注意沉淀流程和垂直領(lǐng)域。

第二，集成打通。Kubernates方案并不是唯一的選擇，企業(yè)需要考慮自身情況，與已有系統(tǒng)進行對接，選擇適合自身的方案。

第三，團隊建設(shè)。各個技術(shù)部門之間需要進行高效的配合，企業(yè)也可以引導(dǎo)研發(fā)工程師逐漸地融入AI領(lǐng)域。

SheIn 產(chǎn)品研發(fā)中心 副總經(jīng)理
對于企業(yè)來說，如果想要做好AI個性化產(chǎn)品的業(yè)務(wù)，只有算法工程師是不夠的，還需要工程、數(shù)據(jù)分析人員的支持，以及產(chǎn)品、運營人員的助力。

當企業(yè)涉及到的業(yè)務(wù)較多時，也可以將業(yè)務(wù)進行通用處理，即建設(shè)偏向系統(tǒng)層面的推薦平臺。該推薦平臺需要數(shù)據(jù)、算法和系統(tǒng)的共同配合。推薦平臺的接入，可以帶來三點功能：第一，企業(yè)在進行物料同步時，可以做到格式統(tǒng)一，并且同步增量和全量；第二，平臺在處理用戶的服務(wù)請求時，可以做到標準化、高性能和智能化；第三，平臺可以格式統(tǒng)一、實時、離線地上報用戶行為。

簡單的機器學(xué)習(xí)過程是搭建環(huán)境、收集數(shù)據(jù)、分析數(shù)據(jù)、準備數(shù)據(jù)、訓(xùn)練算法、測試算法和使用算法。在這個過程中也隱藏著許多問題，比如如何解決冷啟動問題，如何解決假曝光問題，如何清洗異常數(shù)據(jù)，如何選擇正負樣本，如何解決數(shù)據(jù)稀疏問題，如何從億級特征中選擇顯著特征等。

在機器學(xué)習(xí)的過程中，數(shù)據(jù)是基礎(chǔ)，理想的狀態(tài)是數(shù)據(jù)的數(shù)量大且特征完備。收集數(shù)據(jù)有“推”和“拉”兩種方式，“拉”即是爬蟲，“推”就是上報。而分析數(shù)據(jù)則是分析目標分布、特征分布、目標特征關(guān)系、特征間的關(guān)系和完整性等。分析數(shù)據(jù)的方式有離線分析、實時分析和融合分析，分析工具則可以在Excle、Shell(awk)、Python、Mysql、Hadoop、Spark、Matlab…當中進行選擇。清洗數(shù)據(jù)需要清洗系統(tǒng)臟數(shù)據(jù)、業(yè)務(wù)臟數(shù)據(jù)和目標外數(shù)據(jù)。格式化數(shù)據(jù)則需要進行數(shù)據(jù)變換、采樣和稀疏處理。

而機器學(xué)習(xí)可以選擇的算法模型較多，如熱度、貝葉斯、關(guān)聯(lián)規(guī)則、LR、GBDT、AR、CF(ALS)等等。

在算法模型中，特征工程也是非常重要的一部分。其中，特征對象有物料、用戶和上下文；特征類型有靜態(tài)特征、動態(tài)特征、表征特征、枚舉特征、實數(shù)特征等；特征維度則有一階獨立特征、二階交叉特征和多階交叉特征。特征的選擇也是一件需要注意的事情，企業(yè)可以在過濾型、包裹型和嵌入型三種特征進行選擇，同時，企業(yè)還需要在前向、后向和StepWise三種特征過程類型中進行選擇。

算法的最后還需要進行效果評估、多維度評估、實時評估和離線評估。企業(yè)還需要注意到，沒有一勞永逸的模型，算法需要進行持續(xù)的關(guān)注和運營。

合適環(huán)境的搭建也是算法能夠正常運行的保障之一。算法的環(huán)境需要標準化、配置化、可擴展、高性能，同時支持立體監(jiān)控和效果提升，保證用戶體驗。

華為算法工程師
在計算機領(lǐng)域，上世紀90年代就有人嘗試，將圖像的特征和識別的過程，通過人類的規(guī)則同步給計算機，讓計算機進行“圖像識別”。一直到了2012、13年，人們發(fā)現(xiàn)，對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)方式做一些小的變化，能夠大幅度地提升計算機進行圖像識別的可操作性，這個改善后的神經(jīng)網(wǎng)絡(luò)被稱為卷積神經(jīng)網(wǎng)絡(luò)（CNN）。CNN進行圖像處理的本質(zhì)是信息提取，也被稱為自動的特征工程，即通過巨大的神經(jīng)網(wǎng)絡(luò)一步步地抽取到關(guān)鍵的圖像特征，從而達到圖像識別的目的。

而人臉識別則是一種基于人的臉部特征信息，進行身份識別的生物識別技術(shù)。現(xiàn)如今，人臉識別已經(jīng)可以有效地對用戶身份進行識別，并且被廣泛地應(yīng)用于支付、安檢、考勤等場景。而隨著人臉數(shù)據(jù)系統(tǒng)的建設(shè)，人臉識別也將成為反欺詐、風(fēng)控等的有效手段之一，能夠極大地縮短身份審核的確認時間。

人臉識別最大的優(yōu)點是非接觸性，可以隱蔽操作，這使得它能夠適用于安全問題、罪犯監(jiān)控與抓逃應(yīng)用。同時，非接觸性的信息采集沒有侵犯性，容易被大眾接受。而人臉識別方便、快捷、強大的事后追蹤能力，也符合人類的識別習(xí)慣。人臉識別的不足之處，在于不同人臉的相似性小，同時識別性能受外界條件的影響大。

人臉識別的步驟主要包括人臉檢測、人臉對齊校準、人臉特征提取、人臉特征模型建立、人臉特征匹配以及人臉識別結(jié)果的輸出。

其中，人臉檢測的目標是找出圖像中，人臉所對應(yīng)的位置，算法輸出的則是人臉外接矩形在圖像中的坐標，可能還包括姿態(tài)，如傾斜角度等信息。

人臉識別的第二步是人臉對齊，它需要在保證人臉的特征等要素沒有發(fā)生扭曲和變化的前提下進行使用，在這樣的情況下，輸出的人臉距離才能與后期的模型進行有效對比。

人臉識別的最后一步是人臉匹配，在網(wǎng)絡(luò)足夠大，樣本足夠豐富的情況下，人臉匹配的準確率會非常高。

在人臉識別的領(lǐng)域，深度學(xué)習(xí)網(wǎng)絡(luò)的發(fā)展會越來越好。深度學(xué)習(xí)有其相應(yīng)的優(yōu)勢，它強調(diào)了數(shù)據(jù)的抽象和特征的自動學(xué)習(xí)，并且它的自主學(xué)習(xí)特征更為可靠。