LF Deep Learning 升級(jí)為 LF AI Foundation （LF AI 基金會(huì)）

如果讓你列舉出當(dāng)前最重要的信息技術(shù)，你的腦海中可能馬上會(huì)浮現(xiàn)出幾個(gè)最火熱的名詞。但毫無(wú)疑問(wèn)，這其中，人工智能(Artificial Intelligence，簡(jiǎn)稱 AI)必然能占據(jù)一席之地。

自從 60 多年前，麥卡錫、明斯基等科學(xué)家在美國(guó)達(dá)特茅斯學(xué)院首次提出“人工智能”這一概念，它經(jīng)歷了幾十年的起起伏伏的發(fā)展。在最近十年來(lái)，人工智能終于走向了結(jié)出豐碩果實(shí)的時(shí)代。隨著互聯(lián)網(wǎng) IT 基礎(chǔ)設(shè)施的大跨步升級(jí)，從計(jì)算、存儲(chǔ)和傳輸能力，到計(jì)算機(jī)技術(shù)迅速滲透到世界的每一個(gè)角落，大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等信息技術(shù)都迎來(lái)了迅猛發(fā)展。

感知數(shù)據(jù)和圖形處理等計(jì)算平臺(tái)的演化推動(dòng)了以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)的飛速發(fā)展，大幅跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，而諸如計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、人機(jī)對(duì)弈、無(wú)人駕駛等人工智能技術(shù)也實(shí)現(xiàn)了從“不能用、不好用”到“可以用”的技術(shù)突破，迎來(lái)爆發(fā)式增長(zhǎng)的新高潮。

在開(kāi)源浪潮已經(jīng)席卷全球的今天，得益于開(kāi)源技術(shù)和開(kāi)源協(xié)作模式的發(fā)展，AI 技術(shù)的進(jìn)步也得到了極大的推動(dòng)。AI 的進(jìn)入門檻變得空前的低，這要感謝開(kāi)源軟件。以 2015 年谷歌開(kāi)源 TensorFlow 機(jī)器學(xué)習(xí)庫(kù)為開(kāi)端，現(xiàn)在 AI(尤其是深度學(xué)習(xí))的開(kāi)源框架已經(jīng)形成百花齊放的局面，其中有 Facebook 的 PyTorch、微軟的 Cognitive Toolkit 以及 Apache MXNet 等等。

開(kāi)源AI 框架形成了雙贏的局面：一方面人人都能用上 AI;反過(guò)來(lái)，貢獻(xiàn)者社區(qū)也為加速谷歌等公司的 AI 研究提供了幫助。

作為推動(dòng)開(kāi)源發(fā)展的重要基石的 Linux 基金會(huì)(LF)，也于此前在旗下成立了面向 AI/大數(shù)據(jù)方面的深度學(xué)習(xí)基金會(huì)，LF Deep Learning Foundation，孵化并支持了許多項(xiàng)目，如 Acumos AI、Angel ML 等。

5月22日， Linux 基金會(huì)正式宣布，旗下的深度學(xué)習(xí)基金會(huì)更名為 LF AI 基金會(huì)(LF AI Foundation)，包括人工智能(AI)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等等。LF 表示，“我們正處在人工智能重大技術(shù)變革的邊緣，這正是任何技術(shù)演進(jìn)中開(kāi)源軟件和社區(qū)發(fā)揮作用的關(guān)鍵所在。人們對(duì)我們工作的興趣和貢獻(xiàn)正在加速，名字的改變也反映了這一點(diǎn)。”

LFAI 基金會(huì)將正式擴(kuò)大其范圍，以支持人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的日益增長(zhǎng)的生態(tài)系統(tǒng)。在過(guò)去的六個(gè)月里，我們景觀(l.lfai.foundation)中涵蓋的整個(gè)生態(tài)系統(tǒng)已經(jīng)從80個(gè)項(xiàng)目增長(zhǎng)到170多個(gè)項(xiàng)目，來(lái)自世界各地80多個(gè)不同組織的3.5億行代碼。這種協(xié)作開(kāi)源開(kāi)發(fā)的水平和速度類似于 Linux、區(qū)塊鏈、云和容器的早期發(fā)展。適當(dāng)?shù)幕A(chǔ)設(shè)施和范圍已經(jīng)準(zhǔn)備就緒。

LFAI 旨在支持開(kāi)源 AI、ML 和 DL，并創(chuàng)建可持續(xù)發(fā)展的開(kāi)源 AI 生態(tài)系統(tǒng)，使用開(kāi)源技術(shù)輕松創(chuàng)建 AI 產(chǎn)品和服務(wù)。現(xiàn)在旗下已經(jīng)有華為、AT & T、騰訊、中興、愛(ài)立信、諾基亞、百度、紅帽、滴滴等公司加入,并且已有包括 Acumos AI、Angel ML、Elastic Deep Learning、Horovod、Pyro 等項(xiàng)目正處在發(fā)展和孵化中。

更多有關(guān) LF AI 的詳情請(qǐng)參閱基金會(huì)官方網(wǎng)站：https://lfai.foundation/。

這其中，值得注意的是騰訊于 2018 年 8 月貢獻(xiàn)的項(xiàng)目：Angel AI，目前該項(xiàng)目正處于孵化階段。Angel 項(xiàng)目是一個(gè)基于參數(shù)服務(wù)器的高性能分布式機(jī)器學(xué)習(xí)平臺(tái)，運(yùn)行于 YARN 和 Apache Spark 之上。它針對(duì)大數(shù)據(jù)的性能進(jìn)行了優(yōu)化，并在處理更高維度的模型方面具有優(yōu)勢(shì)。它支持具有數(shù)十億個(gè)參數(shù)的大型復(fù)雜模型，可以將復(fù)雜模型的參數(shù)劃分為多個(gè)參數(shù)服務(wù)器節(jié)點(diǎn)，并使用高效的模型更新接口和函數(shù)以及用于同步的靈活一致性模型實(shí)現(xiàn)各種機(jī)器學(xué)習(xí)算法。

該系統(tǒng)設(shè)計(jì)用于高效的迭代計(jì)算，因此機(jī)器學(xué)習(xí)算法可以從中受益。Angel 中的算法是開(kāi)箱即用的，因此分析師和數(shù)據(jù)科學(xué)家可以在不編寫(xiě)任何一行代碼的情況下提交計(jì)算作業(yè)。

分論壇主題介紹

人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)

在今年的 Open Source Summit 大會(huì)上，26日全天，將是 AI 從業(yè)者和愛(ài)好者們的知識(shí)盛宴，將迎接來(lái)自世界各地的頂級(jí) AI 專家的知識(shí)分享。以下是議程簡(jiǎn)介：

來(lái)自華為的 Jessica Kim 將帶來(lái)關(guān)于聯(lián)合電信人工智能市場(chǎng)的主題演講：推進(jìn)分散的同質(zhì)機(jī)器學(xué)習(xí)人工智能市場(chǎng)(例如 AT & T Acumos)和眾多異質(zhì)市場(chǎng)聯(lián)合起來(lái)，從而擴(kuò)展機(jī)器學(xué)習(xí)人工智能生態(tài)系統(tǒng)。此外，華為最近宣布的 SoftCOM AI 市場(chǎng)將減少聯(lián)合學(xué)習(xí)功能遇到的數(shù)據(jù)集以及數(shù)據(jù)隱私問(wèn)題。

Animesh Singh - IBM STSM和項(xiàng)目總監(jiān)

來(lái)自 IBM 的 Animesh Singh 將分享基于 Kubernetes 構(gòu)建事件驅(qū)動(dòng)型機(jī)器學(xué)習(xí)管道：作為一個(gè)領(lǐng)域，AIOps 逐漸成為當(dāng)下的緊急需求。隨著各種機(jī)器學(xué)習(xí)功能進(jìn)入不同的開(kāi)源項(xiàng)目，各種管道開(kāi)始構(gòu)建.擁有透明的 AI 管道，并在發(fā)生數(shù)據(jù)漂移、偏差檢測(cè)、模型精度損失等任何事件時(shí)通知用戶正在成為關(guān)鍵問(wèn)題。此外，還需要從原始數(shù)據(jù)構(gòu)建數(shù)據(jù)科學(xué)家代碼、編排代碼和實(shí)現(xiàn)管道自動(dòng)化等功能。在本演講中，Animesh 將利用構(gòu)件、事件、服務(wù)和管道等 Kubernetes 組件展示如何構(gòu)建端到端 AI 管道，該管道可用于檢測(cè)所有事件、發(fā)布通知和采取行動(dòng)、構(gòu)建和運(yùn)行數(shù)據(jù)科學(xué)家代碼、執(zhí)行 A/B 測(cè)試、進(jìn)行摸黑啟動(dòng)及編排整個(gè)工作流，包括模型訓(xùn)練、驗(yàn)證、服務(wù)和運(yùn)營(yíng)，主要集中于利用 Kubernetes 的事件和管道 CRD 證明此操作可以自動(dòng)化。

此外，Animesh Singh 將帶來(lái)的另外一個(gè)演講機(jī)器學(xué)習(xí)部署的開(kāi)放標(biāo)準(zhǔn)：機(jī)器學(xué)習(xí)通常被視為簡(jiǎn)單地基于數(shù)據(jù)訓(xùn)練模型。但是，將模型部署到生產(chǎn)系統(tǒng)的“最后一公里”經(jīng)常被忽略，這是現(xiàn)實(shí)中機(jī)器學(xué)習(xí)系統(tǒng)最重要的方面之一。盡管如此，包含端到端機(jī)器學(xué)習(xí)管道部署的開(kāi)放和標(biāo)準(zhǔn)解決方案目前還沒(méi)有被廣泛接受。在本演講中，Animesh將和大家探討利用開(kāi)源標(biāo)準(zhǔn)化格式進(jìn)行機(jī)器學(xué)習(xí)部署的現(xiàn)狀。本演講將介紹各種可用選項(xiàng)，包括 PMML、PFA 和 ONNX，以及這些選項(xiàng)如何與最受歡迎且廣泛使用的機(jī)器學(xué)習(xí)庫(kù)(包括 scikit-learn、Spark ML、TensorFlow、Keras 和 PyTorch)保持一致

來(lái)自谷歌的 Wencheng Lu 和 Limin Wang 將帶來(lái)利用 Istio 管理多租戶機(jī)器學(xué)習(xí)工作負(fù)載：隨著基于 Kubernetes 部署的機(jī)器學(xué)習(xí)工作負(fù)載迅速增長(zhǎng)，越來(lái)越需要提供多租戶渠道，以管理機(jī)器學(xué)習(xí)工作負(fù)載，促進(jìn)不同的數(shù)據(jù)科學(xué)家基于 Kubernetes 收集數(shù)據(jù)、訓(xùn)練和服務(wù)模型。歡迎大家來(lái)了解如何將 Istio 集成至 Kubeflow 等多租戶機(jī)器學(xué)習(xí)管道，以通過(guò)足夠的身份、訪問(wèn)和 API 管理針對(duì)為不同用戶部署的工作負(fù)載提供隔離和保護(hù)。

Marcel Hild – Rad Hat首席軟件工程師

來(lái)自紅帽的 Marcel Hild 將帶來(lái)AIOps：利用 Prometheus 和 Istio 進(jìn)行異常檢測(cè)：隨著 IT 運(yùn)營(yíng)變得更靈活、更復(fù)雜，提高運(yùn)營(yíng)效率和情報(bào)能力的需求也在不斷增長(zhǎng)。利用Prometheus 監(jiān)控應(yīng)用程序和 Kubernetes 集群已經(jīng)相當(dāng)普遍，但企業(yè)確定相關(guān)指標(biāo)和閾值卻越來(lái)越難。在本演講中，Marcel 將展示用于長(zhǎng)期收集和存儲(chǔ) Prometheus 采集的指標(biāo)的工具。然后他會(huì)分析大量這些指標(biāo)，以獲取趨勢(shì)和周期性信息，并預(yù)測(cè)給定指標(biāo)的預(yù)期值。最后，他會(huì)將預(yù)測(cè)指標(biāo)集成回監(jiān)控和警示堆棧的 Prometheus，以啟用動(dòng)態(tài)閾值化和異常檢測(cè)。所有操作僅用開(kāi)源工具完成，可利用 Istio 中的可用工具充分運(yùn)行演示。

Trevor Grant – IBM 開(kāi)源人工智能/物聯(lián)網(wǎng)布道者

Holden Karau – Google開(kāi)發(fā)者布道師

來(lái)自 IBM 的Trevor Grant和來(lái)自谷歌的 Holden Karau 將帶來(lái)Kubeflow 介紹(包含 Special Guests Tensorflow 和 Apache Spark)：數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能在過(guò)去五年中人氣暴漲，但是，有一個(gè)問(wèn)題依然揮之不去，即“如何將模型投入生產(chǎn)?”工程師們通常的任務(wù)是構(gòu)建用于預(yù)測(cè)的一次性系統(tǒng)，而且必須在快速發(fā)展的后端服務(wù)空間內(nèi)維護(hù)這些系統(tǒng)，而后端服務(wù)空間已經(jīng)從單機(jī)發(fā)展到了自定義集群、“無(wú)服務(wù)器機(jī)器”、 Docker、Kubernetes。在本演講中，他們將為大家介紹 KubeFlow，這個(gè)開(kāi)源項(xiàng)目便于用戶將模型從筆記本電腦轉(zhuǎn)移到 ML Rig、訓(xùn)練集群甚至部署環(huán)境，還將討論“什么是 KubeFlow”、“為什么可擴(kuò)展性對(duì)訓(xùn)練和模型部署如此重要”等話題。

來(lái)自優(yōu)步的 Reza Shiftehfar 將帶來(lái)用于高級(jí)分析的下一代大數(shù)據(jù)平臺(tái) - 通過(guò)統(tǒng)一存儲(chǔ)和服務(wù)實(shí)時(shí)訪問(wèn)數(shù)百 PB 數(shù)據(jù)：必須實(shí)時(shí)存儲(chǔ)和服務(wù)數(shù)百 PB 數(shù)據(jù)時(shí)，構(gòu)建可靠的大數(shù)據(jù)平臺(tái)將充滿挑戰(zhàn)。他們將在本演講中介紹一些架構(gòu)解決方案，用于擴(kuò)展大數(shù)據(jù)平臺(tái)，以便在分鐘級(jí)別延遲內(nèi)獲取、存儲(chǔ)和服務(wù)數(shù)百 PB 數(shù)據(jù)，同時(shí)高效利用硬件并滿足安全需求。并將深入探討如何重新設(shè)計(jì)獲取平臺(tái)已每天獲取超過(guò) 10 萬(wàn)億事件、如何擴(kuò)展存儲(chǔ)平臺(tái)、以及如何重新設(shè)計(jì)處理平臺(tái)已每天高效服務(wù)數(shù)百萬(wàn)次查詢和作業(yè)。他們將提供當(dāng)前大數(shù)據(jù)領(lǐng)域的幕后情況，包括現(xiàn)有開(kāi)源技術(shù)，以及必須在優(yōu)步構(gòu)建的平臺(tái)和用于填補(bǔ)空缺、超越極限的開(kāi)源軟件，如 Hudi 和 Marmaray。

來(lái)自 The Institute for Ethical AI & Machine Learning 的 Alejandro Saucedo 將帶來(lái)2019年 AI 和機(jī)器學(xué)習(xí)運(yùn)營(yíng)狀況：在本演講中，Alejandro 將分享關(guān)于他在職業(yè)生涯中通過(guò)構(gòu)建和部署機(jī)器學(xué)習(xí)系統(tǒng)學(xué)到的知識(shí)和見(jiàn)解，以及開(kāi)源“絕佳數(shù)據(jù)運(yùn)營(yíng)/機(jī)器學(xué)習(xí)運(yùn)營(yíng)”列表中的一些可用技術(shù)。Alejandro 主要會(huì)介紹 2019 年的可用開(kāi)源工具和框架，幫助大家擴(kuò)展 DataOps 和 MLOps 基礎(chǔ)架構(gòu)。本演講將介紹可用的支持技術(shù)，具體包括再現(xiàn)性、監(jiān)控、合規(guī)及數(shù)據(jù)編排和計(jì)算方面。要介紹的主要技術(shù)包括 PMML、數(shù)據(jù)版本控制 (DVC)、ModelDB、Pachyderm 和 Seldon。

Arun Gupta – AWS首席開(kāi)源技術(shù)專家

來(lái)自 AWS 的 Arun Gupta將 Kubernetes 用于機(jī)器學(xué)習(xí)框架：Kubernetes 可以提供隔離、自動(dòng)擴(kuò)展、負(fù)載平衡、靈活性和 GPU 支持。這些功能對(duì)運(yùn)行計(jì)算和數(shù)據(jù)密集型、且難以實(shí)現(xiàn)并行處理的 ML 模型至關(guān)重要。Kubernetes 部署描述符的聲明性語(yǔ)法使集中于非運(yùn)營(yíng)業(yè)務(wù)的工程師可以輕松基于 Kubernetes 訓(xùn)練 ML 模型。在本演講中，Arun將解釋 Kubernetes 為什么及怎樣非常適合單節(jié)點(diǎn)和多節(jié)點(diǎn)分布式訓(xùn)練、將 ML 模型部署到生產(chǎn)系統(tǒng)中以及設(shè)置可視化工具，比如用于監(jiān)控的 TensorBoard。具體而言，Arun將展示如何基于 Kubernetes 集群設(shè)置各種開(kāi)源機(jī)器學(xué)習(xí)框架，如 TensorFlow、Apache MXNet 和 Pytorch。與會(huì)者將了解到基于 Kubernetes 建立 ML 框架的分布式訓(xùn)練、消息傳送和推理階段，并獲得包含完整運(yùn)行樣本的 GitHub repo。

那么，Open Source Summit 的人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)論壇中這些精彩演講都被安排在什么時(shí)間呢?

內(nèi)容更新請(qǐng)參閱 https://kccncosschn19chi.sched.com 選擇：OSS – 人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)。

由于反應(yīng)熱烈，門票即將售罄，請(qǐng)大家抓住機(jī)會(huì)，在6月6日前購(gòu)票就能享受標(biāo)準(zhǔn)票價(jià)優(yōu)惠：

標(biāo)準(zhǔn)注冊(cè)：2000人民幣(晚注冊(cè)2400，即時(shí)可省400!)

貴賓注冊(cè)：5000人民幣(晚注冊(cè)6000，即時(shí)可省1000!)

個(gè)人或?qū)W術(shù)注冊(cè)：500人民幣(需要發(fā)送電子郵件至events@cncf.io申請(qǐng)批準(zhǔn)。晚注冊(cè)600，即時(shí)可省100!)

2019年 6月24日~26日，請(qǐng)大家抓住機(jī)會(huì)，我們?cè)谏虾Ｊ啦┲行牟灰?jiàn)不散!

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。