下一代 AutoAI：从模型为中心，到数据为中心( 二 ) 作者|李梅编辑|陈彩娴今年年初

模型和数据之间的关系可以这样类比（这是我个人的理解，不代表其他人的看法）：模型和数据分别类比为一个人的IQ和知识储备。假设一个人天生的IQ很高，如果从小就把他养在家里，永远不跟社会打交道，也不让他学习新的知识，那么他还是会成长为一个很笨的人。而即使一个人资质平平，但如果他见过全世界各地的事物，去过欧美留学，在中国做过实际的工业化生产，看过很多设计的案例，那么他可能比那个IQ高的人更厉害。所以如果这样理解，模型就有点类似于IQ ，数据就有点类似于知识。二者同等重要，但到后面你会发现知识越来越重要，因为只有亲历过你才能知道， “知道”比“不知道”更重要。
在工业化大规模发展中，大家正在慢慢地从模型为中心的生产转化为以数据为中心。下图显示的是吴恩达所做的一些实验对比：

文章图片
我们可以看到，当我们有了一个基础算法之后，我们可从两个维度来提高它的性能，一是以模型为中心的方法，即想尽各种办法提高模型设计的复杂度、技术含量等；二是以数据为中心的方法，比如加数据（加数据也是有一些科学方法的，并不是加了数据后性能一定会提高）、检查数据有没有问题等等。他发现，以数据为中心的方法比以模型为中心的方法能更多地提高性能。我们自己做模型生产时也得到这样一个结论：越到后面，数据的迭代越来越重要。因为所有模型的服务实际上是针对某一个特定场景，使用的是特定的数据。
在我们过去八年的实践中，我们发现，算法的迭代事实上变成了数据的迭代。另外一个维度看，到现在为止，我们已经研发了大量算法模型，但从来没有一个模型是搜集了一次数据、调整一次参数就不用再调整了，很多模型都迭代了5-6年，迭代的主要内容就是数据。因为我们解决不同的需求时，会遇到不同场景下的泛化性问题，我们碰到的问题越来越不一样。这并不是算法不一样的问题，而是场景不一样，要处理的数据也不一样，所以我们要不停地更新迭代数据，才能够满足不同场景应用的需求。
既然算法迭代已经变成了数据迭代，那么有没有办法把数据的迭代也自动化呢？如果算法设计可以自动化，那数据迭代也可以自动化，所以端到端地完成自动化的AI模型生产平台就逐渐成为可能。
而数据迭代的自动化需要技术的支持，同时还需要系统层级的支持。
2YMIR：自动化AI模型生产平台
为什么要做AI模型生产的平台化？如今，有自动化AI模型生产平台需求的，已经不仅仅是谷歌、微软、Meta、IBM、苹果等大公司了，我们国内就有不少房地产公司开始投入AI 。他们都有人才的需求，自动化的AI可以降低他们的成本。地产公司、物业公司，以及像宁德时代这样做电池的公司，都在慢慢引入AI来解决实际问题。
为什么会这样？因为：“AI是新时代的电力” 。 AI是一个非常基础的能力，可以提高我们做事情的效率， AI并不改变行业，但是可以提升所在行业的生产效率，所以这种影响是全方位的，已经慢慢地波及到非技术类公司了。更不用说现在广泛的制造业，制造过程中的很多环节都可以利用到AI的能力。如果想提高自己的国际竞争力，提升自己的生产质量，就需要AI的能力去赋能生产。
但问题又来了，我们没有这么多AI人才，我们需要更scalable的方法进行AI的研发。因此我们就做了YMIR这样一个自动化模型生产系统。