2018年1月,Oracle 的官方博客上發(fā)表了一篇文章,標(biāo)題是“It’s Pervasive: AI Is Everywhere”。作為全球最著名的商業(yè)數(shù)據(jù)庫(kù)系統(tǒng)提供商,Oracle 在這篇文章里歷數(shù)了 AI 在企業(yè)信息系統(tǒng)中的發(fā)展空間。在面向最終用戶的互聯(lián)網(wǎng)行業(yè),巨頭們招募AI專家,用Python和C++打造服務(wù)大眾的特定AI能力——搜索、推薦、以及精準(zhǔn)定向的互聯(lián)網(wǎng)廣告系統(tǒng)。在企業(yè)業(yè)務(wù)中,使用SQL的分析師是大多數(shù)。

滴滴首席數(shù)據(jù)科學(xué)家謝梁(左)與螞蟻金服研究員王益開(kāi)啟共建SQLFlow之旅

2019年7月,滴滴的數(shù)據(jù)科學(xué)(Data Science)團(tuán)隊(duì)的幾名數(shù)據(jù)科學(xué)家在北京新澄海大廈見(jiàn)到了來(lái)自螞蟻金服的幾位工程師。在那之前兩個(gè)月,螞蟻金服從事AI基礎(chǔ)架構(gòu)研發(fā)的王益團(tuán)隊(duì)開(kāi)源了一款機(jī)器學(xué)習(xí)工具SQLFLow,將SQL程序翻譯成Python程序,調(diào)用數(shù)據(jù)庫(kù)和AI引擎,實(shí)現(xiàn)端到端的AI。滴滴首席數(shù)據(jù)科學(xué)家謝梁敏銳地關(guān)注到這個(gè)項(xiàng)目。這次拜訪雙方一拍即合,開(kāi)啟了共建SQLFlow之旅。

用SQLFlow構(gòu)建AI的訓(xùn)練和預(yù)測(cè)任務(wù)用SQLFlow構(gòu)建AI的訓(xùn)練和預(yù)測(cè)任務(wù)

SQLFlow構(gòu)建AI的訓(xùn)練和預(yù)測(cè)任務(wù)

數(shù)據(jù)分析師的普適AI

數(shù)據(jù)驅(qū)動(dòng)決策是很多公司的追求,在國(guó)內(nèi)很多業(yè)務(wù)人員都了解SQL,但是對(duì)于AI、深度學(xué)習(xí)模型的訓(xùn)練,需要長(zhǎng)時(shí)間系統(tǒng)性的學(xué)習(xí),有一定的門檻。SQLFLow的出現(xiàn)讓包括數(shù)據(jù)分析師在內(nèi)的業(yè)務(wù)人員通過(guò)寫(xiě)簡(jiǎn)單的SQL去調(diào)用AI模型成為了可能。

滴滴數(shù)據(jù)科學(xué)團(tuán)隊(duì)長(zhǎng)期地直面一線業(yè)務(wù),了解業(yè)務(wù)需求,也沉淀了很多常用模型。本次合作雙方希望優(yōu)勢(shì)互補(bǔ)共同助力AI的落地,據(jù)悉合作分為三步,第一步滴滴為螞蟻金服貢獻(xiàn)更多針對(duì)于業(yè)務(wù)產(chǎn)品的理解和洞見(jiàn);第二步滴滴將公司自身業(yè)務(wù)場(chǎng)景最有價(jià)值用的最好的模型貢獻(xiàn)到SQLFLow;第三步滴滴加入到建設(shè)到整個(gè)SQLFLow開(kāi)源社區(qū)的建設(shè),雙方要在模型、社區(qū)、文化等全方位共建。

SQLFlow的技術(shù)架構(gòu)

一個(gè)多月的時(shí)間,滴滴已經(jīng)為SQLFLow貢獻(xiàn)了基于DNN分類預(yù)測(cè)模型、可解釋模型和無(wú)監(jiān)督聚類模型三個(gè)高價(jià)值模型。這三個(gè)模型覆蓋的場(chǎng)景非常廣泛,對(duì)于滴滴內(nèi)部來(lái)說(shuō),包括網(wǎng)約車、單車、金融等在內(nèi)的諸多業(yè)務(wù)場(chǎng)景都可應(yīng)用起來(lái),于外部而言,“因?yàn)檎麄€(gè)模型它是一種基礎(chǔ)能力,其實(shí)它不會(huì)局限于某一個(gè)公司或某一個(gè)行業(yè),它具有普適性?！钡蔚胃呒?jí)數(shù)據(jù)科學(xué)家高梓堯強(qiáng)調(diào)。

SQLFlow和滴滴數(shù)據(jù)的整合邏輯

比如分類預(yù)測(cè)模型,適用于做產(chǎn)品增長(zhǎng)的場(chǎng)景,對(duì)特定人群進(jìn)行定向推薦。而無(wú)監(jiān)督聚類模型,也就是模式識(shí)別,在滴滴的產(chǎn)品的應(yīng)用非常廣,比如會(huì)根據(jù)司機(jī)出車時(shí)長(zhǎng)分布,去整合歸納司機(jī)出車的偏好,更好地為司機(jī)提供調(diào)度建議,進(jìn)而幫助緩解出行供需。

滴滴首席數(shù)據(jù)科學(xué)家謝梁認(rèn)為在共建SQLFlow過(guò)程中,充分體現(xiàn)了算法和數(shù)據(jù)科學(xué)在對(duì)數(shù)據(jù)的理解和應(yīng)用上的兩個(gè)不同,以及雙方優(yōu)勢(shì)互補(bǔ)形成1+1大于2的合力效果。因?yàn)閷?duì)于傳統(tǒng)的算法來(lái)講主要強(qiáng)調(diào)對(duì)于預(yù)測(cè)一個(gè)給定事件的預(yù)測(cè)精準(zhǔn)性。但是數(shù)據(jù)科學(xué)在預(yù)測(cè)精準(zhǔn)性之上,還強(qiáng)調(diào)預(yù)測(cè)的可解釋性。實(shí)際上在更廣泛的商業(yè)層面上,比如運(yùn)營(yíng)、營(yíng)銷等更需要了解為什么會(huì)這這樣發(fā)生,這對(duì)于業(yè)務(wù)戰(zhàn)略制定、營(yíng)銷方案的確定,以及整個(gè)產(chǎn)品序列的設(shè)計(jì)都有非常大的幫助。

滴滴數(shù)據(jù)科學(xué)團(tuán)隊(duì)在過(guò)去不到兩個(gè)月的共建工作中顯著擴(kuò)大了SQLFlow的應(yīng)用場(chǎng)景。根據(jù)螞蟻金服SQLFlow項(xiàng)目的產(chǎn)品負(fù)責(zé)人劉勇峰介紹,滴滴的同事們建議并且參與研發(fā)了SQLFlow對(duì)接X(jué)GBoost的功能,從而在深度學(xué)習(xí)模型之外支持樹(shù)模型;以及對(duì)接unsupervised learning的能力,支持聚類分析。此外,SQLFlow基于SHAP支持了深度學(xué)習(xí)模型和樹(shù)模型的圖示化解釋。SQLFlow也支持了滴滴常用的Hive數(shù)據(jù)庫(kù)系統(tǒng)。

基于XGBoost的汽車價(jià)格預(yù)測(cè)模型(數(shù)據(jù)來(lái)自Kaggle)的SHAP解釋圖(注:SHAP值表征了每個(gè)特征對(duì)模型輸出的影響,如圖中,較小的engine_hp“引擎馬力”值會(huì)降低汽車的預(yù)測(cè)價(jià)格)

“我們是希望通過(guò)SQLFlow真正能夠把數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)、科學(xué)決策的思想,能夠在中國(guó)傳播得更好更遠(yuǎn),也希望就是能夠通過(guò)我們自己的努力,真正讓AI模型能力大眾化和普及化,然后使得我們整個(gè)國(guó)內(nèi)的數(shù)據(jù)分析的科學(xué)性、合理性和洞察性,能夠逐步提升,甚至達(dá)到國(guó)際領(lǐng)先?！备哞鲌蛘f(shuō)。

而所有參與項(xiàng)目的同事們對(duì)SQLFlow的未來(lái)都有更大的期待,這是對(duì)于開(kāi)源社區(qū)作為一種高效率的工作模式的信任。

打造一個(gè)SQL花園生態(tài)

在強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)的滴滴其實(shí)一直積極參與到開(kāi)源建設(shè)中,截至目前,滴滴和螞蟻金服分別開(kāi)源了數(shù)十個(gè)項(xiàng)目。SQLFlow是雙方開(kāi)源共建的首秀。

對(duì)于雙方僅一個(gè)多月的時(shí)間就能夠共建三個(gè)高價(jià)值的模型,謝梁認(rèn)為很重要的原因是SQLFlow已經(jīng)給滴滴搭建好了底層能力,滴滴相當(dāng)于做了一個(gè)交通領(lǐng)域的幾個(gè)核心插件,并且通過(guò)滴滴插件能力,對(duì)整個(gè)SQLFlow覆蓋面和深度方面的底層能力進(jìn)行了驗(yàn)證和提升,“那么再把這個(gè)基礎(chǔ)打好之后,我們就相當(dāng)于造了一個(gè)大的花園,我們把土都鋪好了,需要什么營(yíng)養(yǎng)的土,要種什么類型的花,都給他做好了,之后就需要有更多的農(nóng)民伯伯一起來(lái)種田,他們要去種向日葵,我們畢竟精力有限可能就是以種小麥和種主糧為主,更多的經(jīng)濟(jì)作物就需要其他開(kāi)源社區(qū)的同學(xué)一起來(lái)貢獻(xiàn)?！?/p>

在整個(gè)SQLFlow開(kāi)源社區(qū)建設(shè)方面雙方都有更大的愿景,滴滴的分析團(tuán)隊(duì)總結(jié)的很多模型在 BI 領(lǐng)域具備普適性,而SQLFlow在螞蟻的場(chǎng)景使用模型在金融領(lǐng)域頗有普適性,未來(lái)要讓更多的人去用上普適的AI能力,在SQLFlow社區(qū)之上會(huì)形成一個(gè)開(kāi)源貨架式的交易市場(chǎng),更多懂業(yè)務(wù)的人把更多商業(yè)場(chǎng)景抽象成模型打造成模型庫(kù),模型庫(kù)是 SQLFlow 生態(tài)中的重要一環(huán),雙方正在討論如何共建?！澳憔拖褡哌M(jìn)一個(gè)超市,里面有10萬(wàn)個(gè)SQL,每一個(gè)SQL就是一個(gè)實(shí)現(xiàn)了你商業(yè)邏輯的模型,你就拿來(lái)用就行了,這是終極的一個(gè)目標(biāo)”,謝梁興奮地談到。

當(dāng)然現(xiàn)在的SQLFlow還是一個(gè)非常年輕的開(kāi)源項(xiàng)目,需要更多的呵護(hù)。雖然目前在開(kāi)源合作方面中國(guó)相比美國(guó)還有不少差距,但正是因?yàn)樵絹?lái)越多的公司和個(gè)人去投身其中為之貢獻(xiàn),差距正在縮小。

實(shí)際上,幾乎所有的SQLFlow項(xiàng)目成員都是利用業(yè)余時(shí)間參與到開(kāi)源項(xiàng)目中。比如滴滴資深算法工程師陳祥,他平時(shí)負(fù)責(zé)數(shù)據(jù)治理和應(yīng)用方向上數(shù)據(jù)、應(yīng)用與算法的結(jié)合和落地, 在8月初聽(tīng)到SQLFlow項(xiàng)目就決定參與進(jìn)來(lái),未來(lái)他也會(huì)號(hào)召很多的人參與到開(kāi)源建設(shè)中。

“開(kāi)源社區(qū)所說(shuō)的構(gòu)建大生態(tài),其實(shí)大生態(tài)還包含著另外一層,就是大家互相學(xué)習(xí),然后行業(yè)內(nèi)的所有從業(yè)人員進(jìn)行知識(shí)交流。所以當(dāng)各行各業(yè)的同學(xué)都在里面貢獻(xiàn)自己的經(jīng)驗(yàn)、技能時(shí),我們其實(shí)也能從其他的同學(xué)那學(xué)習(xí)到很多處理數(shù)據(jù),或者解決實(shí)際問(wèn)題的方法。”高梓堯所言恰如其分地詮釋了開(kāi)源社區(qū)眾人拾柴火焰高的魅力。

Gartner預(yù)測(cè)“到2020年,AI技術(shù)將普遍出現(xiàn)在幾乎每一個(gè)新的軟件產(chǎn)品和服務(wù)中?！边@其中有螞蟻金服與滴滴DS團(tuán)隊(duì)的一份力。

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。