2021年人工智能和机器学习趋势：ModelOps运动

作者： Jelani Harper是为信息技术市场服务的编辑顾问。他专门研究数据驱动的应用程序，重点是语义技术，数据治理和分析。

人工智能的过去现在和将来都被封装在一个单一的新兴概念，一个混合术语中，同时详细说明了当今的现状以及来年的发展方向。

ModelOps概念之所以成为AI的象征，是因为它充分证明了AI的广度（从机器学习到知识库），Gartner指出其中涉及规则，代理，知识图等。

ModelOps不仅仅是简单地操作和管理AI模型。它的目的是快速，大规模，全面地负责，并以解决最关键任务的业务问题（即使不是针对社会的问题）的方式进行。

此外，它涉及在现场进行操作，同时利用云技术的优势，而当涉及到AI的机器学习能力时，则采用了一系列基于有监督，无监督甚至强化学习的方法。

这些功能的隐含需求是需要将机器学习模型定位在边缘，取代其传统的训练数据限制（和方法），并吸收从流数据到静态数据的所有内容，以根据最新的可能数据进行预测。

或者，正如SAS首席数据科学家Wayne Thompson所说：“目前，大多数组织都只是在检查模型的分数，并使用旧的离线模型查看模型的分数是否已更改。最先进的技术实际上是将模型放入训练环境，并同时部署和训练并更新模型的权重。”

模型操作

在许多方面，ModelOps只是模型管理的更新术语，尽管它承认AI不仅是统计信息，同时还优先考虑及时部署。当组织可以加快针对任何特定用例的量身定制的模型的创建和操作时，ModelOps就是完美的。汤普森举了一个银行业的例子，该机构“想要一个按钮系统&#x