AI中台-智能聊天机器人平台的架构与应用.docx

? ? ? ? ? AI中台——智能聊天机器人平台的架构与应用 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 个人博客导航页（点击右侧链接即可打开个人博客）：大牛带你入门技术栈 导读：随着“中台”战略的提出，目前宜信中台建设在思想理念及架构设计上都已经取得了很多成果。宜信是如何借助中台化的思想打造“AI中台”及相关的智能产品呢？本次直播，宜信科技中心AI中台团队负责人王东老师分享了宜信AI中台的具体实施路径，并重点介绍了AI中台的智能产品——智能聊天机器人平台，包括智能聊天机器人平台的背景理念、设计思想、技术架构和应用场景，该平台能提供什么样的能力，以及它如何快速地支持业务方，提供一种以中台化的思想来建设智能产品的实践思路。 视频回放：/x/page/q0904bcjlkn.html —————— 前两期技术沙龙分别分享了宜信AI中台和数据中台的建设实践，本次分享将先回顾AI中台的总体设计和实施路径，以及AI中台与数据中台的关系，再详细介绍基于中台思想建设的智能聊天机器人平台，包括其技术架构、技术原理、核心功能点、应用场景以及应用效果。 一、AI中台总体设计和实施步骤 1.1 业务演进与广泛的智能化需求 随着业务的不断发展，业务处于不同的发展阶段，对数据的需求也从刚开始的可用-满足BI分析，到后来的易用-敏捷化分析，到现在的好用-数据智能化。例如前台系统提出客户细分、个性化推荐、智能问答、模型预测等需求，后台数据探索需要进行关联分析、聚类分析、持续分析等，这些都向我们提出了数据智能化的需求。 数据平台化能够解决数据可用性的问题，提供数据的平台化管理、数据存储、数据计算、管理、运维等功能； 数据中台化可以解决易用的问题，提供自助化、敏捷化的支持，并为数据的资产化、融合化、运营化提供支持。 数据智能化解决了好用的问题：从数据洞察到学习预测，数据驱动创新。 1.2 从数据中台到AI中台 数据中台除了提供平台能力以外，还提供了一些更高级的能力，比如把数据变成一种基础服务提供给业务方，业务方可以以自助的方式在数据中台上获取数据、进行数据处理、数据探索、数据挖掘、分析钻取、多维分析、自助化报表、数据分享等，以快速实现自己的商业价值。 随着业务的发展，越来越多智能化的数据需求被提出，这些智能化需求涉及到模型训练、数据标注、特征工程、模型部署、性能监控等，需要使用机器学习、深度学习等算法支持。数据中台的主要目标还是服务数据，对于智能化和模型并不能很好地支持，因此AI中台应运而生。 我们把智能服务的需求抽象出来，形成一个独立的AI中台层。AI中台是一个用来构建智能服务的基础设施平台，对公司所需的模型提供分布分层的构建能力和全生命周期管理的服务，鼓励各个业务领域将基础性、场景性、通用性的AI能力沉淀到平台中，加强模型复用、组合创新、规模化，最终实现降本增效和快速响应业务方的目的。 1.3 数据中台和AI中台的关系 既然提到了数据中台和AI中台，很多人会问：数据中台和AI中台是什么关系呢？ 数据中台和AI中台两者是相互依存、承前启后的关系。 首先，数据中台和AI中台都对外提供服务，只是侧重点不同。 数据中台提供各种数据服务和数据产品，例如：BI报表应用、数据探索等。 AI中台提供各种智能服务和智能产品，并承担复杂的学习预测类智能需求研发、模型训练、特征工程、数据标注等能力。例如：模型预测、智能推荐等。 其次，数据中台和AI中台是相互依存，相互支持的。 AI中台依托数据中台提供的数据能力和工具集，加速AI相关服务的开发和复用，来应对前台智能化的业务需求。有了数据中台清洗好的数据，搭建智能项目能够事半功倍。 数据中台也需要使用AI中台的智能化能力，使得数据使用更加平民化和智能化。例如增强型BI分析：通用自然语言交互方式，降低BI使用门槛；通过AI分析给出参与建议，帮助普通用户在没有数据专家的情况下有效访问数据；增强型数据管理：利用机器学习来管理数据，包括数据质量、元数据管理、主数据管理等。 1.4 AI中台需要解决的痛点 在过去，很多算法团队更像是算法外包团队，根据不同业务线的需求，各自构建阵地，逐个攻克目标。这样的形式虽然也取得了很多成绩，但存在重复建设、效率有限的问题。 我们将这些问题总结如下： “烟囱式”开发，项目成本高、不易集成，过程重复，缺乏能力沉淀。 模型访问方式各异，调用关系错综复杂，缺乏编排优化、协同。 手工进行数据操作，缺少统一数据访问渠道，数据获取难、标准不统一。 模型研发缺乏标准指导、参与角色众多，缺少协同、自动化辅助，难以有效管理沟通协作。 模型交付难，缺少统一的模型运行、监控平台、服务管理接口及更新、维护机制。 基础资源分散隔离，无法动态进行资源的分配和管理，造成浪费。 这些都是AI中台需要解决的痛点