摘 要 

當(dāng)前，各行各業(yè)正在構(gòu)建機(jī)器學(xué)習(xí)能力，以實(shí)施或增強(qiáng)其數(shù)字業(yè)務(wù)場(chǎng)景。我們認(rèn)為，現(xiàn)實(shí)中企業(yè)所實(shí)施的機(jī)器學(xué)習(xí)項(xiàng)目存在較高的失敗率，主要的失敗模式可以歸納為以下十類(lèi)：設(shè)立了錯(cuò)誤的目標(biāo)、忽視業(yè)務(wù)原則、資金和資源投入不當(dāng)、急于求成、項(xiàng)目路線圖有較大缺陷、項(xiàng)目缺乏治理、采用了錯(cuò)誤的技術(shù)平臺(tái)和路線、對(duì)場(chǎng)景所需的數(shù)據(jù)缺乏了解、數(shù)據(jù)質(zhì)量不高、人才培養(yǎng)計(jì)劃與實(shí)際的需求偏離。  

本文分析了這些失敗因素是如何對(duì)機(jī)器學(xué)習(xí)項(xiàng)目產(chǎn)生了較大的影響，以及如何通過(guò)一套最佳實(shí)踐來(lái)規(guī)避這些問(wèn)題。  

在本文中，我們以PAM公司為例，采用端到端的方法，從業(yè)務(wù)能力矩陣出發(fā)，逐步確定業(yè)務(wù)、應(yīng)用、數(shù)據(jù)和技術(shù)解決方案，通過(guò)這個(gè)例子，我們闡述了如何規(guī)避以上問(wèn)題的有效方法，同時(shí)，如何通過(guò)架構(gòu)的演進(jìn)方法來(lái)持續(xù)關(guān)注和采用最新的AI技術(shù)。  

這個(gè)分析過(guò)程和解決方案適用于多個(gè)行業(yè)，尤其是制造業(yè)，包括B2C 和 B2B 業(yè)務(wù)模式，它涵蓋了基于深度學(xué)習(xí)、聯(lián)邦學(xué)習(xí)、ChatGPT以及相關(guān)的行業(yè)問(wèn)題。  

01

問(wèn)題陳述

企業(yè)不斷尋找機(jī)器學(xué)習(xí)相關(guān)的解決方案的目的是來(lái)帶來(lái)價(jià)值，很多是現(xiàn)有ML服務(wù)的用例，例如產(chǎn)品推薦、MFA的人臉識(shí)別和停車(chē)服務(wù)的車(chē)牌識(shí)別、使用ChatGPT提供客服等等。  

然而，現(xiàn)實(shí)當(dāng)中，企業(yè)往往會(huì)步入失敗模式而導(dǎo)致一系列挑戰(zhàn)，以下對(duì)此做出歸納：  

一、設(shè)立了錯(cuò)誤的目標(biāo)：某些技術(shù)在某些任務(wù)中可以替代人類(lèi)工作，但實(shí)際上，由于AI需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，需要許多人力進(jìn)行數(shù)據(jù)收集和預(yù)處理，并且一旦有疑問(wèn)，需要更多的人來(lái)調(diào)整和診斷系統(tǒng)，因此節(jié)省人力成本的目標(biāo)難以實(shí)現(xiàn)。  

二、忽視架構(gòu)原則：加快生產(chǎn)，節(jié)約成本，導(dǎo)致質(zhì)量損失或者產(chǎn)生安全隱患，以及對(duì)當(dāng)?shù)丨h(huán)境的破壞；濫用機(jī)器學(xué)習(xí)技術(shù)，出現(xiàn)客戶等敏感數(shù)據(jù)外泄；出現(xiàn)違反道德風(fēng)俗甚至法律問(wèn)題的行為，例如不當(dāng)利用隱私數(shù)據(jù)進(jìn)行欺詐、引起社會(huì)偏見(jiàn)或歧視等問(wèn)題，降低客戶的信任度，降低企業(yè)品牌價(jià)值。  

三、資金和資源投入不當(dāng)：投入的資金過(guò)少，能力的培養(yǎng)沒(méi)有長(zhǎng)期的目標(biāo)，不能滿足開(kāi)發(fā)和二部署AI平臺(tái)和能力建設(shè)的需求，導(dǎo)致能力的缺陷，長(zhǎng)期不能看到期望的產(chǎn)出。  

四、急于求成，缺乏系統(tǒng)性規(guī)劃：企業(yè)將機(jī)器學(xué)習(xí)模型設(shè)置為短期投資，過(guò)快地追求投資成果，而無(wú)法有效地了解和利用機(jī)器學(xué)習(xí)模型潛在的知識(shí)和技能，影響投資結(jié)果。  

五、錯(cuò)誤的項(xiàng)目路線圖：企業(yè)在沒(méi)有有效地對(duì)目標(biāo)需求進(jìn)行分析和規(guī)劃的情況下，啟動(dòng)了一些項(xiàng)目舉措，例如，將時(shí)間和資源花費(fèi)在數(shù)據(jù)收集和框架建立等無(wú)效任務(wù)上。  

六、項(xiàng)目缺乏治理：無(wú)法及時(shí)發(fā)現(xiàn)原則及合規(guī)性的偏離，沒(méi)有用有效的度量手段檢查項(xiàng)目是否能夠?qū)崿F(xiàn)既定的目標(biāo)和需求，沒(méi)有動(dòng)態(tài)跟蹤最新趨勢(shì)并實(shí)施相關(guān)的技術(shù)。  

七、人才培養(yǎng)計(jì)劃與實(shí)際的需求偏離：企業(yè)在能力規(guī)劃不明確的情況下盲目開(kāi)啟人才培養(yǎng)計(jì)劃，從而導(dǎo)致培養(yǎng)出的能力結(jié)構(gòu)不能滿足和適應(yīng)業(yè)務(wù)的要求，使項(xiàng)目受到較大的影響。  

八、采用了錯(cuò)誤的技術(shù)平臺(tái)和路線：采用的技術(shù)平臺(tái)不符合技術(shù)趨勢(shì)和發(fā)展情況，沒(méi)有根據(jù)自身的需求對(duì)機(jī)器學(xué)習(xí)模型有深入的研究和理解，尤其在B2B集成等復(fù)雜的情況下，所選技術(shù)不符合整體的IT環(huán)境，從而導(dǎo)致投資效果不佳、甚至項(xiàng)目失敗，或者被迫更改技術(shù)路線，帶來(lái)時(shí)間和投入的損失、并且付出機(jī)會(huì)成本。  

九、對(duì)場(chǎng)景所需的數(shù)據(jù)缺乏了解：缺乏足夠的有價(jià)值的數(shù)據(jù)，不能支撐人工智能系統(tǒng)運(yùn)算，從而導(dǎo)致系統(tǒng)不能達(dá)到設(shè)想的效果。  

十、數(shù)據(jù)質(zhì)量不高：企業(yè)缺乏有效的數(shù)據(jù)治理，數(shù)據(jù)的質(zhì)量不高，無(wú)法滿足通過(guò)機(jī)器學(xué)習(xí)實(shí)現(xiàn)業(yè)務(wù)場(chǎng)景的需求。  

我們認(rèn)為，采用一套成熟的架構(gòu)方法可以有效地規(guī)避以上問(wèn)題。  

我們從分析企業(yè)的業(yè)務(wù)戰(zhàn)略、價(jià)值流及架構(gòu)原則出發(fā)，著重解決以下問(wèn)題：要解決的業(yè)務(wù)問(wèn)題是什么？如何創(chuàng)造端到端的價(jià)值？業(yè)務(wù)和IT能力的差距在哪里？成本和收益是什么？路線圖是什么？什么是正確的技術(shù)解決方案？  

解決這些問(wèn)題涉及企業(yè)架構(gòu)方法和應(yīng)用技術(shù)能力做出一系列決策。我們想通過(guò)一個(gè)例子闡述這個(gè)過(guò)程。  

02

機(jī)器學(xué)習(xí)能力建設(shè)示例

這是一個(gè)制造業(yè)案例。  

場(chǎng)景：棱鏡合金機(jī)械（Prism Alloy Machinery – PAM）公司是一家制造合金材料設(shè)備的公司?？蛻魜?lái)自世界各地，其中大部分客戶直接使用PAM的維修服務(wù)。

三年前，PAM公司逐步更新了業(yè)務(wù)戰(zhàn)略，其中包括：使用機(jī)器學(xué)習(xí)技術(shù)為客戶帶來(lái)更多價(jià)值并降低運(yùn)營(yíng)成本。  

在經(jīng)歷了多次的失敗之后，PAM公司在業(yè)界最佳實(shí)踐的啟發(fā)下，采用了以下措施，確保了能力建設(shè)沿著正確的方向前進(jìn)。以下是 CIO 和 企業(yè)架構(gòu)師團(tuán)隊(duì)采取的步驟：  

CIO 授權(quán) 架構(gòu)師團(tuán)隊(duì)啟動(dòng)該計(jì)劃，并且制定一個(gè)完備的計(jì)劃來(lái)轉(zhuǎn)變企業(yè)架構(gòu)。該項(xiàng)目的代號(hào)是“Smart Work”。  

第一、回顧和更新架構(gòu)原則。  

這些原則涉及了業(yè)務(wù)及IT層面，其中包括：遵守法規(guī)及道德風(fēng)俗；嚴(yán)格保護(hù)隱私數(shù)據(jù)；質(zhì)量第一；安全生產(chǎn)；保護(hù)企業(yè)商譽(yù)。隨后的價(jià)值流分析、需求分析、架構(gòu)設(shè)計(jì)等工作都必須遵守這些原則。  

其中一個(gè)原則要求技術(shù)解決方案必須確保可靠和高效的生產(chǎn)。根據(jù)這項(xiàng)原則，架構(gòu)師團(tuán)隊(duì)把 MLOps 列為首選的技術(shù)架構(gòu)。  

此外，該原則還包括以下內(nèi)容：追蹤技術(shù)趨勢(shì)，在不違背目標(biāo)的前提下采用合適的技術(shù)路線。為了保護(hù)客戶數(shù)據(jù)，PAM公司采用了聯(lián)邦學(xué)習(xí)平臺(tái)來(lái)支撐其設(shè)備維修場(chǎng)景就是運(yùn)用架構(gòu)原則來(lái)設(shè)計(jì)技術(shù)方案的一個(gè)具體的實(shí)例。  

第二、進(jìn)行價(jià)值流分析，確保資金和資源的投入能夠帶來(lái)最大的收益。  

通過(guò)檢查價(jià)值流，他們發(fā)現(xiàn)，設(shè)備維護(hù)服務(wù)貢獻(xiàn)了 30% 的營(yíng)收，其次是備件銷(xiāo)售，貢獻(xiàn)了16%的營(yíng)收，兩者相加達(dá)到了46%的收入，超過(guò)了設(shè)備銷(xiāo)售。  

架構(gòu)師團(tuán)隊(duì)和運(yùn)營(yíng)團(tuán)隊(duì)展開(kāi)了一系列的研討后，逐步確定了一個(gè)需求目錄，他們把這一類(lèi)服務(wù)歸類(lèi)為“智能維護(hù)服務(wù)”，核心需求包括：使用人工智能技術(shù)和物聯(lián)網(wǎng)數(shù)據(jù)來(lái)降低維護(hù)成本和生產(chǎn)中斷。這種分析能夠有效規(guī)避資金和資源投入不當(dāng)?shù)膯?wèn)題，并且有助于制定出相對(duì)準(zhǔn)確的預(yù)算。同時(shí)，也對(duì)人員和平臺(tái)的能力設(shè)定了具體的需求。  

以下是架構(gòu)師團(tuán)隊(duì)倡議的需求目錄的一部分：

  
表1 “Smart Work”倡議的需求目錄（部分）

第三、運(yùn)用從業(yè)務(wù)需求到數(shù)據(jù)架構(gòu)、應(yīng)用架構(gòu)、技術(shù)架構(gòu)的架構(gòu)分析方法。  

接下來(lái)，通過(guò)差距分析，架構(gòu)師團(tuán)隊(duì)更新了應(yīng)用、數(shù)據(jù)架構(gòu)，這時(shí)便得出了具體的技術(shù)要求：通過(guò)更準(zhǔn)確的零件故障預(yù)測(cè)、更短的離線檢查時(shí)間、減少零件更換頻率、快速響應(yīng)事件等優(yōu)化服務(wù)計(jì)劃。同時(shí)，要求在大規(guī)模和連續(xù)生產(chǎn)中確保零件壽命，以確保運(yùn)營(yíng)的經(jīng)濟(jì)性、并且具有較低風(fēng)險(xiǎn)。

緊接著，架構(gòu)師團(tuán)隊(duì)提出了一個(gè)可行的技術(shù)架構(gòu)（參見(jiàn)圖1）。  

圖 1 機(jī)器學(xué)習(xí)訓(xùn)練架構(gòu)  

圖中，IoT 數(shù)據(jù)來(lái)自傳感器。在算法應(yīng)用層面的要求包括：故障模式是什么？磨損、壓力、振動(dòng)、負(fù)載、頻率、電壓、溫度等如何導(dǎo)致故障？  

它需要兩個(gè)關(guān)鍵能力：數(shù)據(jù)科學(xué)和持續(xù)優(yōu)化模型、算法和應(yīng)用程序的機(jī)制。  

這些問(wèn)題是典型的IFD（Intelligent Fault Diagnosis）問(wèn)題，數(shù)據(jù)科學(xué)家團(tuán)隊(duì)選擇了基于深度學(xué)習(xí)模型，主要考慮的因素包括：運(yùn)行的設(shè)備及IoT數(shù)據(jù)的規(guī)模；數(shù)據(jù)集的稀疏度；數(shù)據(jù)源的分布等等。  

作為增強(qiáng)功能，數(shù)據(jù)科學(xué)家還嘗試建立了無(wú)監(jiān)督學(xué)習(xí)機(jī)制，以找出功能與故障模式之間的未知關(guān)聯(lián)。  

在數(shù)據(jù)方面，架構(gòu)師團(tuán)隊(duì)也規(guī)劃了數(shù)據(jù)治理的舉措，提高相關(guān)數(shù)據(jù)的質(zhì)量。  

第四、運(yùn)用確立的架構(gòu)，建立實(shí)施路線圖。  

在這個(gè)步驟當(dāng)中，最核心的當(dāng)屬確立速贏場(chǎng)景的相關(guān)項(xiàng)目。  

為了避免急于求成，PAM公司采用了企業(yè)架構(gòu)的規(guī)劃方法，但這并不代表對(duì)時(shí)間目標(biāo)的忽視。通過(guò)規(guī)劃速贏場(chǎng)景，可以以最小的代價(jià)、以最快的時(shí)間對(duì)架構(gòu)的設(shè)計(jì)進(jìn)行驗(yàn)證，給用戶以及企業(yè)的決策者以信心、確保后續(xù)資源的投入，避免短期投資的誤區(qū)。  

在實(shí)施工程化平臺(tái)之前，項(xiàng)目以MVP的形式交付階段性成果。  

第五、實(shí)施包括工程化平臺(tái)、技術(shù)團(tuán)隊(duì)建設(shè)等舉措。  

工程化的目標(biāo)是利用一個(gè)成熟的AI平臺(tái)，建立數(shù)據(jù)標(biāo)記（各種故障或風(fēng)險(xiǎn)情況）和模型訓(xùn)練的機(jī)制，以及應(yīng)用解決方案：服務(wù)規(guī)劃、報(bào)告和錯(cuò)誤趨勢(shì)分析。  

基于云的平臺(tái)是不錯(cuò)的選擇，其中許多平臺(tái)為特定行業(yè)應(yīng)用提供了現(xiàn)成的解決方案，例如百度的行業(yè)應(yīng)用解決方案。但這些產(chǎn)品不符合 e-Making 的解決方案構(gòu)建塊。AI團(tuán)隊(duì)需要一個(gè)具備物聯(lián)網(wǎng)、大數(shù)據(jù)計(jì)算、數(shù)據(jù)挖掘、AI模型開(kāi)發(fā)、部署和維護(hù)等PaaS能力的平臺(tái)（見(jiàn)圖2 工程化機(jī)器學(xué)習(xí)平臺(tái)）。  

  圖2 工程化機(jī)器學(xué)習(xí)平臺(tái)

可選的有ai.baidu.com、Azure AI Platform、ai.tencent.com、華為HiAI等。  

此外，還要根據(jù)EA方法論建立迭代的需求管理、解決方案、項(xiàng)目計(jì)劃、變更和執(zhí)行框架。  

以上，從業(yè)務(wù)、應(yīng)用、數(shù)據(jù)、技術(shù)及團(tuán)隊(duì)等諸多方面，對(duì)機(jī)器學(xué)習(xí)的能力進(jìn)行了規(guī)劃。這些規(guī)劃可以確保時(shí)間和資源花費(fèi)在有效的任務(wù)活動(dòng)中。  

第六、運(yùn)用架構(gòu)治理方法對(duì)項(xiàng)目進(jìn)行監(jiān)控和治理  

確立度量手段，定期檢查項(xiàng)目是否能夠?qū)崿F(xiàn)既定的目標(biāo)和需求，有沒(méi)有動(dòng)態(tài)跟蹤最新趨勢(shì)并實(shí)施相關(guān)的技術(shù)，有沒(méi)有違背架構(gòu)原則、以及違背數(shù)據(jù)保護(hù)、遵守法律及道德規(guī)范等業(yè)務(wù)原則。
  

03

Smart Work項(xiàng)目關(guān)鍵技術(shù)選項(xiàng)的確立過(guò)程

在與關(guān)鍵利益相關(guān)者審查這些解決方案時(shí)，服務(wù)總監(jiān)提出了一個(gè)關(guān)鍵問(wèn)題：解決方案的許多機(jī)制都要求客戶共享他們的數(shù)據(jù)，因?yàn)樯婕瓣P(guān)鍵業(yè)務(wù)信息，這是不可能的。這是任何資本貨物商業(yè)模式的普遍問(wèn)題，特別地，這也關(guān)系到可能違反數(shù)據(jù)隱私相關(guān)的架構(gòu)原則。  

這個(gè)問(wèn)題可以通過(guò)項(xiàng)目變更來(lái)解決，這個(gè)過(guò)程仍然可以通過(guò)架構(gòu)治理的方法來(lái)完成。架構(gòu)師團(tuán)隊(duì)把最初的解決方案被歸類(lèi)為“內(nèi)部解決方案”，并通過(guò)變更增加了新的解決方案，即，利用聯(lián)邦學(xué)習(xí)解決B2B業(yè)務(wù)場(chǎng)景下用戶數(shù)據(jù)保護(hù)方面的問(wèn)題。

具體地，聯(lián)邦學(xué)習(xí)是一種沒(méi)有集中訓(xùn)練數(shù)據(jù)的協(xié)作機(jī)器學(xué)習(xí)。它在保存本地?cái)?shù)據(jù)樣本的服務(wù)器的多個(gè)分散邊緣設(shè)備上訓(xùn)練算法，而不交換它們。它允許多個(gè)參與者在不共享數(shù)據(jù)的情況下構(gòu)建一個(gè)通用的、強(qiáng)大的機(jī)器學(xué)習(xí)模型。  

圖 3 基于聯(lián)邦學(xué)習(xí)的解決方案  

從行業(yè)的角度來(lái)看，該技術(shù)特別適用于機(jī)器學(xué)習(xí)依賴于難以提取的數(shù)據(jù)的情況，以及由于數(shù)據(jù)隱私、數(shù)據(jù)安全、數(shù)據(jù)訪問(wèn)權(quán)限等關(guān)鍵問(wèn)題以及數(shù)據(jù)傳輸帶寬等技術(shù)難題。此類(lèi)情況包括：  

• 醫(yī)療機(jī)構(gòu)需要從其他機(jī)構(gòu)拉取數(shù)據(jù)以收集他們需要的所有信息。    

• 電梯制造商需要在不從客戶那里獲取數(shù)據(jù)的情況下，從電梯中找出各種子系統(tǒng)或組件的故障模式。    

• 市政部門(mén)需要訓(xùn)練模型來(lái)調(diào)整交通燈控制系統(tǒng)以實(shí)現(xiàn)更高的交通吞吐量，但傳輸汽車(chē)和乘客的視頻流消耗的帶寬超出了該部門(mén)的承受能力。

   

此外，企業(yè)可能會(huì)碰到一些除數(shù)據(jù)隱私之外的其他問(wèn)題，這些都適合采用基于聯(lián)邦學(xué)習(xí)的解決方案：

04

Smart Work項(xiàng)目其他技術(shù)選項(xiàng)的探索

  

王宣
印孚瑟斯（中國(guó)）首席技術(shù)架構(gòu)師

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國(guó) | RPA全球生態(tài) | 數(shù)字化勞動(dòng)力 | RPA新聞 | 推動(dòng)中國(guó)RPA生態(tài)發(fā)展 | 流 > 用AI解鎖制造業(yè)：企業(yè)如何發(fā)現(xiàn)應(yīng)用場(chǎng)景和應(yīng)對(duì)挑戰(zhàn)