人工智能的研究自 1956 年之后，引發(fā)第一次浪潮，主要研究邏輯推進(jìn)為主的“基于規(guī)則的專家系統(tǒng)”，但是經(jīng)過長時(shí)間的研究，專家系統(tǒng)進(jìn)入瓶頸期，隨之 AI 的資金投入和人員投入 大?縮減，AI 研究方向也悄然發(fā)生變化，以研究計(jì)算機(jī)視頻、語音和計(jì)算機(jī)自然語言進(jìn)行新的研究方向，“機(jī)器學(xué)習(xí)”算法的不斷優(yōu)化使得人工智能在多個(gè)領(lǐng)域?qū)崿F(xiàn)了驚人的突破。
2011 年 Google 大腦通過非監(jiān)督學(xué)習(xí)識(shí)別出貓臉，2015 年斯坦福人工智能實(shí)驗(yàn)室的計(jì)算機(jī)圖像識(shí)別技術(shù)的圖像識(shí)別正確率在ImageNet 圖像識(shí)別比賽首次超過人眼，2016 年微軟語音識(shí)別技術(shù)可以將英語錯(cuò)詞率降至 5.9%。2016 年AlphaGo 戰(zhàn)勝李世石引起全世界的轟動(dòng)，“人工智能”精彩回歸，?新受到政府、學(xué)術(shù)界、產(chǎn)業(yè)界等社會(huì)各界的廣泛關(guān)注。近年來，隨著高質(zhì)?“大數(shù)據(jù)”的獲取、計(jì)算能力的大幅提升、以深度學(xué)習(xí)為代表的算法模型不斷豐富，人工智能研究再次進(jìn)入了快速發(fā)展的時(shí)期，同時(shí)不斷影響、滲透、推進(jìn)著相關(guān)眾多產(chǎn)業(yè)、行業(yè)的快速發(fā)展。
三次人工智能浪潮
我國的人工智能相關(guān)人才與世界主要發(fā)達(dá)國家相比明顯不足，且技術(shù)應(yīng)用類人才也存在較大缺口，為此國家相關(guān)部門先后出臺(tái)多個(gè)相應(yīng)的政策文件，對(duì)人工智能的發(fā)展做出了總體部署，全面加速人工智能技術(shù)的研發(fā)應(yīng)用和人才培養(yǎng)的步伐，深化各梯度人才的培養(yǎng)。
2011 年 Google 大腦通過非監(jiān)督學(xué)習(xí)識(shí)別出貓臉，2015 年斯坦福人工智能實(shí)驗(yàn)室的計(jì)算機(jī)圖像識(shí)別技術(shù)的圖像識(shí)別正確率在ImageNet 圖像識(shí)別比賽首次超過人眼，2016 年微軟語音識(shí)別技術(shù)可以將英語錯(cuò)詞率降至 5.9%。2016 年AlphaGo 戰(zhàn)勝李世石引起全世界的轟動(dòng)，“人工智能”精彩回歸，?新受到政府、學(xué)術(shù)界、產(chǎn)業(yè)界等社會(huì)各界的廣泛關(guān)注。近年來，隨著高質(zhì)?“大數(shù)據(jù)”的獲取、計(jì)算能力的大幅提升、以深度學(xué)習(xí)為代表的算法模型不斷豐富，人工智能研究再次進(jìn)入了快速發(fā)展的時(shí)期，同時(shí)不斷影響、滲透、推進(jìn)著相關(guān)眾多產(chǎn)業(yè)、行業(yè)的快速發(fā)展。
三次人工智能浪潮
我國的人工智能相關(guān)人才與世界主要發(fā)達(dá)國家相比明顯不足，且技術(shù)應(yīng)用類人才也存在較大缺口，為此國家相關(guān)部門先后出臺(tái)多個(gè)相應(yīng)的政策文件，對(duì)人工智能的發(fā)展做出了總體部署，全面加速人工智能技術(shù)的研發(fā)應(yīng)用和人才培養(yǎng)的步伐，深化各梯度人才的培養(yǎng)。
2017 年 7 月國務(wù)院正式發(fā)布《新一代人工智能發(fā)展規(guī)劃》，將我國人工智能技術(shù)與產(chǎn)業(yè)的發(fā)展上升為國家重大發(fā)展戰(zhàn)略，提出要“完善人工智能教育體系”。
2018 年 4 月教育部印發(fā)了《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，明確提出了設(shè)立人工智能專業(yè)、推動(dòng)人工智能領(lǐng)域一級(jí)學(xué)科建設(shè)、建立人工智能學(xué)院以及完善人工智能領(lǐng)域人才培養(yǎng)體系等重要任務(wù)。
2019 年教育部在專業(yè)發(fā)展調(diào)整規(guī)劃中，正式宣布在普通高等學(xué)校、高等職業(yè)教育院校中設(shè)置“人工智能技術(shù)服務(wù)專 業(yè)”，并且從 2019 年開始實(shí)行。
MoPaaS AI 平臺(tái)以 Docker 容器技術(shù)為基礎(chǔ)，允許多個(gè)用戶多個(gè)環(huán)境獨(dú)立的同時(shí)運(yùn)行，并且共享 CPU、GPU、內(nèi)存、網(wǎng)絡(luò)、存儲(chǔ)等 IAAS 層物理資源。同時(shí)這種架構(gòu)將用戶環(huán)境彼此隔離，可以實(shí)現(xiàn)資源的高效利用和精確配額，能保護(hù)用戶免受由其他用戶活動(dòng)所造成的應(yīng)用程序崩潰和環(huán)境故障所帶來的影響。
MoPaaS AI 平臺(tái)整體架構(gòu)如下：
MoPaaS AI 平臺(tái)分為底層基礎(chǔ)設(shè)施資源層、云平臺(tái)層（資源調(diào)度）、深度學(xué)習(xí)框架、系統(tǒng)功能和 UI 層五個(gè)部分。
底層基礎(chǔ)設(shè)施資源層包括虛擬機(jī)、物理機(jī)和一體機(jī)等多種模式組成。云平臺(tái)層主要實(shí)現(xiàn)對(duì)資源進(jìn)行調(diào)度能力，主要具有容器引擎，通過 Kubernets 對(duì) CPU、GPU、內(nèi)存、存儲(chǔ)、網(wǎng)絡(luò)等進(jìn)行編排調(diào)度，實(shí)現(xiàn)資源靈活的調(diào) 度使用，多租戶隔離，不同用戶之間互不干擾。
MoPaaS AI 平臺(tái)整體架構(gòu)如下：
|
|
MoPaaS AI 平臺(tái)分為底層基礎(chǔ)設(shè)施資源層、云平臺(tái)層（資源調(diào)度）、深度學(xué)習(xí)框架、系統(tǒng)功能和 UI 層五個(gè)部分。
底層基礎(chǔ)設(shè)施資源層包括虛擬機(jī)、物理機(jī)和一體機(jī)等多種模式組成。云平臺(tái)層主要實(shí)現(xiàn)對(duì)資源進(jìn)行調(diào)度能力，主要具有容器引擎，通過 Kubernets 對(duì) CPU、GPU、內(nèi)存、存儲(chǔ)、網(wǎng)絡(luò)等進(jìn)行編排調(diào)度，實(shí)現(xiàn)資源靈活的調(diào) 度使用，多租戶隔離，不同用戶之間互不干擾。
深度學(xué)習(xí)框架層實(shí)現(xiàn)以插件的方式接入系統(tǒng)，集成了多種框架，如Tensorflow,Caffe,Torch 和 Teano 等，大大提升整體系統(tǒng)的擴(kuò)展性和可維護(hù)性。系統(tǒng)功能層為用戶端提供資源預(yù)約、一鍵部署、遠(yuǎn)程訪問、監(jiān)控信息、評(píng)估報(bào)告和模型導(dǎo)出等功能；為管理端提供主機(jī)管理、用戶管理、資源預(yù)約、框架管理、工單管理和系統(tǒng)管理等功能
平臺(tái) UI 界面包括用戶界面和管理界面。系統(tǒng)基于 Docker 容器技術(shù)，實(shí)現(xiàn)平臺(tái)資源（CPU、GPU、內(nèi)存、存儲(chǔ)）的分配調(diào)度，并提供相應(yīng)的管理、監(jiān)控功能。