機(jī)器學(xué)習(xí)和人工智能的時(shí)代已經(jīng)到來(lái)。大數(shù)據(jù)、大容量存儲(chǔ)、彈性計(jì)算和各類(lèi)算法的發(fā)展，尤其是在深度學(xué)習(xí)領(lǐng)域的發(fā)展，帶來(lái)了各類(lèi)腦洞大開(kāi)的創(chuàng)新應(yīng)用。

　　在圍棋這樣的復(fù)雜策略游戲中，機(jī)器已經(jīng)勝過(guò)人類(lèi)。圖像識(shí)別、語(yǔ)音識(shí)別等應(yīng)用更是不在話下。語(yǔ)音智能助手開(kāi)始普及，全自動(dòng)駕駛汽車(chē)上路測(cè)試。然而對(duì)于近期機(jī)器學(xué)習(xí)/人工智能的這些發(fā)展，許多討論圍繞的都是算法和應(yīng)用，很少有討論涉及底層基礎(chǔ)設(shè)施。

　　在計(jì)算技術(shù)的發(fā)展早期，只有匯編語(yǔ)言專(zhuān)家、編譯器專(zhuān)家和操作系統(tǒng)專(zhuān)家才能開(kāi)發(fā)簡(jiǎn)單的應(yīng)用。目前的情況也很類(lèi)似，只有獲得統(tǒng)計(jì)學(xué)或分布式系統(tǒng)專(zhuān)業(yè)的博士學(xué)位，你才能知道如何開(kāi)發(fā)人工智能系統(tǒng)并大規(guī)模部署。缺失的環(huán)節(jié)在于加速人工智能開(kāi)發(fā)的抽象化工具。因此，只有最精英的工程團(tuán)隊(duì)才有完整的能力去做這方面工作。

　　另一方面，相對(duì)于機(jī)器學(xué)習(xí)技術(shù)的創(chuàng)新，基礎(chǔ)設(shè)施的發(fā)展也很落后。簡(jiǎn)單來(lái)說(shuō)，作為當(dāng)前機(jī)器學(xué)習(xí)應(yīng)用基礎(chǔ)的系統(tǒng)和工具實(shí)際上并不適合未來(lái)智能應(yīng)用的演進(jìn)。面向未來(lái)，業(yè)內(nèi)需要新工具去釋放人工智能的潛力，讓人工智能更加平易近人、更加實(shí)用。所以在基礎(chǔ)設(shè)施創(chuàng)業(yè)領(lǐng)域，提供智能系統(tǒng)開(kāi)發(fā)所需的模塊，這將是未來(lái)的一座大金礦。

　　從基礎(chǔ)設(shè)施1.0到基礎(chǔ)設(shè)施2.0

　　應(yīng)用和基礎(chǔ)設(shè)施之間的關(guān)系很微妙，相互限制、相互推動(dòng)。

　　硬件和系統(tǒng)軟件的發(fā)展帶來(lái)了新一類(lèi)應(yīng)用。這些應(yīng)用不斷完善和成熟，從而對(duì)底層資源提出更高的要求，倒逼底層基礎(chǔ)設(shè)施去創(chuàng)新。反過(guò)來(lái)，基礎(chǔ)設(shè)施的優(yōu)化、創(chuàng)新、性?xún)r(jià)比提升也會(huì)帶來(lái)顛覆式應(yīng)用，給用戶(hù)提供前所未有的體驗(yàn)。一個(gè)典型的例子就是從幻燈片到PPT，再到各種在線圖片社交平臺(tái)，例如Pinterest。

　　本世紀(jì)初，商業(yè)互聯(lián)網(wǎng)的發(fā)展基于來(lái)自英特爾的x86指令集，來(lái)自微軟的標(biāo)準(zhǔn)化操作系統(tǒng)，來(lái)自甲骨文的關(guān)系數(shù)據(jù)庫(kù)，來(lái)自思科的以太網(wǎng)設(shè)備，以及來(lái)自EMC的網(wǎng)絡(luò)存儲(chǔ)工具。亞馬遜、eBay、雅虎，甚至最初版本的谷歌和Facebook都基于這些基礎(chǔ)設(shè)施。這就是科技行業(yè)的“基礎(chǔ)設(shè)施1.0”。

　　然而隨著網(wǎng)絡(luò)的逐漸成熟，網(wǎng)民總數(shù)從1995年的1600萬(wàn)增長(zhǎng)至2015年底的30多億，應(yīng)用對(duì)規(guī)模和性能的要求也大幅提升。“客戶(hù)端/服務(wù)器”時(shí)代的技術(shù)不再適合互聯(lián)網(wǎng)巨頭的需要，無(wú)論是從可行性上來(lái)看還是從性?xún)r(jià)比上來(lái)看。

　　因此，互聯(lián)網(wǎng)公司開(kāi)始自力更生。憑借自身的技術(shù)專(zhuān)業(yè)能力以及學(xué)術(shù)界進(jìn)展，谷歌、Facebook和亞馬遜定義了全新一類(lèi)基礎(chǔ)設(shè)施。這樣的基礎(chǔ)設(shè)施具備如下特點(diǎn)：規(guī)?？蓴U(kuò)展、可編程、通常是開(kāi)源的、成本低。相關(guān)技術(shù)，包括Linux、KVM、Xen、Docker、Kubernetes、Mesos、MySQL、MongoDB、Kafka、Hadoop和Spark，定義了云計(jì)算的時(shí)代。這也被稱(chēng)作科技行業(yè)的“基礎(chǔ)設(shè)施2.0”。

　　最核心的，這代技術(shù)的設(shè)計(jì)目標(biāo)在于，讓互聯(lián)網(wǎng)可以覆蓋數(shù)十億終端用戶(hù)，并以高效的方式去獲取并儲(chǔ)存來(lái)自這么多用戶(hù)的信息。因此，“基礎(chǔ)設(shè)施2.0”的創(chuàng)新導(dǎo)致了數(shù)據(jù)量的大幅增長(zhǎng)。配合并行計(jì)算技術(shù)和算法的發(fā)展，我們就看到了當(dāng)前機(jī)器學(xué)習(xí)的發(fā)展。

　　基礎(chǔ)設(shè)施3.0：走向智能系統(tǒng)

　　“基礎(chǔ)設(shè)施2.0”時(shí)代的終極問(wèn)題是：“我們?nèi)绾芜B接世界？”而當(dāng)前的問(wèn)題更多的是：“我們?nèi)绾卫斫馐澜纾俊?/strong>

　　這其中的差別，即“連接”和“認(rèn)知”，可以解釋人工智能與上代軟件的關(guān)鍵不同。代碼自身的“認(rèn)知能力”顛覆了傳統(tǒng)編程模式。在傳統(tǒng)應(yīng)用中，程序邏輯是寫(xiě)死的，而在人工智能應(yīng)用中，算法通過(guò)對(duì)大數(shù)據(jù)的分析自己得出邏輯。隨后，這些邏輯被用于決策和預(yù)測(cè)。

　　這樣做的結(jié)果就是“智能”應(yīng)用。但實(shí)際上，這類(lèi)應(yīng)用的誕生需要大量數(shù)據(jù)，并且耗費(fèi)巨大的計(jì)算資源。這些限制因素導(dǎo)致人工智能很難被通用化，從而符合70年前馮·諾依曼提出的計(jì)算范式。所以，人工智能代表了一種基礎(chǔ)性的新架構(gòu)，要求我們重新思考基礎(chǔ)設(shè)施、工具和開(kāi)發(fā)實(shí)踐。

　　到目前為止，人工智能領(lǐng)域的研究和創(chuàng)新仍集中于新算法、模型訓(xùn)練技術(shù)和優(yōu)化方法。此外，人工智能系統(tǒng)中只有很少一部分的代碼用于學(xué)習(xí)和預(yù)測(cè)，而最麻煩的部分在于準(zhǔn)備數(shù)據(jù)、開(kāi)發(fā)功能，讓分布式的基礎(chǔ)設(shè)施能夠運(yùn)行，從而規(guī)?；貓?zhí)行任務(wù)。

　　如果想要成功開(kāi)發(fā)并部署人工智能應(yīng)用，那么就需要協(xié)調(diào)多個(gè)離散的系統(tǒng)，設(shè)計(jì)精密的流程。首先，你需要消化數(shù)據(jù)，去蕪存菁，給數(shù)據(jù)打上標(biāo)簽。隨后，為了實(shí)現(xiàn)預(yù)測(cè)，你必須確定適當(dāng)?shù)奶匦?。最后，開(kāi)發(fā)者必須訓(xùn)練模型并驗(yàn)證、部署、持續(xù)優(yōu)化。整個(gè)過(guò)程可能需要幾個(gè)月時(shí)間，即使是技術(shù)最專(zhuān)業(yè)的組織也是如此。