【IT168 评论】在由亚历克斯·普罗亚斯执导的电影《先知》中，身为教师的主人公解读了一个来自过去的时间囊，上面写着对未来世界的预言，整个故事就在知晓命运和与命运抗争的过程中发生了。所谓先知者先觉，先知在大多数文化中都是“先于众人而得知”的意思，在古代，那些“知天命”的老者通常也会被称为“先知”，而今天要介绍的这位先知却是一个科技产物。

▲胡时伟

　　本期访谈嘉宾：胡时伟，来自第四范式，现带领第四范式技术团队打造国内首款人工智能全流程平台“第四范式·先知”。他曾在百度和链家网任职，在百度任职期间主持了百度商业客户运营、凤巢新兴变现、“商业知心”搜索、阿拉丁生态等架构设计工作。作为链家网创始团队，从0开始完成了链家网整体架构设计以及研发团队的建设管理。

　　当大家都在找梯子的时候，第四范式在尝试搭梯子!

　　在PC和移动互联网时代，中国在操作系统和芯片生产方面从未掌握过主动权，这种局面没准有望通过深度学习领域的发展而出现改变。从企业分布不难看出，不少厂商开始琢磨起芯片、计算平台和传感器等等，第四范式·先知平台也算是开启了国内人工智能全流程平台的研发之路。

　　当大家都在找梯子的时候，第四范式却在搭梯子!当众多企业都在想着如何应用深度学习来解决问题，第四范式想到的是如何为企业和用户提供一个足以降低人工智能准入门槛的全流程平台。胡时伟透露，当初团队之所以会决定做这样一件事出于三方面考量：一是人工智能领域的技术专家成本高昂;其次，通过该平台解决客户被固定服务商绑架的问题，使客户拥有对模型和应用的控制能力;最后，团队成员主要来自于互联网公司，希望产出效率更高的产品以更先进的方式解决问题。

　　据悉，“先知”平台目前引入了更优的工程优化和算法，进一步降低了机器学习的门槛，比如最新算法Feature Go，能够自动计算非常好的特征组合，有效解决机器学习中最繁琐耗时的特种工程环节。

　　产品上，目前版本的先知平台分为三大子平台，调研平台、自学习平台和预估平台。调研平台供业务人员或者数据科学家通过简单拖拽的方式寻求最合适的从原始数据产生模型的路径，覆盖了数据引入、清洗、拼接、特征工程、模型训练、特征解释、模型评估等完整环节，调研平台的产出是一个机器学习的Pipeline。自学习平台是生产系统里的离线部分，负责将源源不断产生的新数据输入到机器学习的Pipeline里，从而使模型具备自我进化能力。预估平台则负责将不同算法训练出来的模型方便的转化为可伸缩的在线服务(API)，对接下游系统。

　　从系统架构上，先知平台分为UI与API层、分布式调度层、分布式计算引擎、在线预估引擎四大部分。在分布式计算引擎层面上，第四范式采用自主研发的分布式机器学习框架GDBT和统一高性能特征工程框架。

　　市面上有很多开源产品，巨头企业也开源了众多产品，为何还要用商业产品呢?这件事判断起来其实很简单，胡时伟表示，开源不等于免费，相反有时更贵。人才、机器、试错成本、时间成本、最终效果都是要考量的因素。对企业经营者来说，要重视投入产出比以及时间成本，而要做出效果是一个系统工程。引入机器学习，需要明白哪些是企业要做的，哪些可以借助外部力量来做。

　　深度学习的意义在于将AI从实验室带向了实践场景!

　　当众多开发者开始通过调用接口的方式来实现深度学习，我们不禁感叹人工智能准入门槛的降低，这是不是深度学习带来的最大好处呢?胡时伟认为，深度学习的更大意义在于它的技术突破将AI从实验室研究带向了具体实践场景。

　　而对于产业界如何降低实现人工智能的门槛，胡时伟认为，要解决的是AI发展的五大必要条件。这五大条件分别是Big data(过程数据)、Response(反馈数据)、Algorithm(高维算法)、Infrastructure(计算资源)和Needs(明确需求)，我们会发现首字母拼起来其实是“BRAIN”。其中，涉及了人才门槛，未来人工智能的贡献者不会只是科学家，而应该是大众。其次还有数据获取门槛，机房、硬件等软硬件一体化设计门槛等，这些都是现阶段人工智能发展必须要解决的问题。第四范式在做的就是将这五大条件中对技术层面的要求进行产品化，以将人工智能的门槛减少到业务层面、甚至是降到更低。

　　根据多年从业经验，胡时伟也对AI从业者提出了自己的建议。他认为，对初学者来说，在没有很多机会接触到实际应用的前提下，要先把AI方法论搞清楚。从理论层面了解机器学习为什么会产生效果，而不是简单的读代码看Demo。

　　对AI从业者来说，一定要关注目标导向。在问题定位清楚、提升空间分析完备之前，最好不要全身心投入到模型调试工作中。前期要更关心模型是不是能解决企业的实际问题，或者企业解决该问题的数据完备程度是否达到等。