AI中台的快速实现

目录

一、背景

二、建设目标

三、功能设计

四、总结

一、背景

        “十四五规划”明确提出“数字经济”目标任务，鼓励银行加快推进数字化改革转型进程。

二、建设目标

        通过积极构建智能中台，实现通过数据挖掘理解业务，驱动业务的快速增长，实现精准营销获客、风险快捷控制，市场分析综合全面，快速占领市场先机。

三、功能设计

        AI中台具体的功能模块包括：平台管理、数据标注、特征工程、特征库、模型库、算法库、NLP自然语言处理、OCR图像识别、模型开发、模型部署、模型监控、服务管理。

        平台管理：对AI中台统一门户中的用户、角色、权限等的管理，对AI中台涉及到的资源池（计算资源和存储资源）进行规划和管理，对应的计算资源和存储资源对接云平台。

        数据标注：通过专门的AI训练师进行数据的标注，文本词性的标注，以及图像中物体标注等等，包括单人标注、多人标注、智能标注。

        特征工程：将AI中台需要的数据通过数据处理、数据清洗、数据加工等的特征工程操作优化和加速模型的训练，提升模型的效果。

        特征库：将项目特征表和公共特征表进行统一的管理，方便模型开发人员敏捷的开发模型。

        模型库：将AI平台中开发的所有模型在模型库中进行统一的管理，沉淀模型资产，沉淀模型的共享能力，包括模型管理、模型搜索、模型展示、模型满意度评分等。

        算法库：将人工智能开发需要的各种算法（分类、回归、聚类、RNN、CNN、随机森林、决策树、xgboost、GBDT等等）集中存放在AI中台的算法库中，模型开发人员根据需要选择对应的算法，方便快捷。

        NLP自然语言处理：实现文本相似度、文本纠错、文本摘要、情感分析、智能质检、智能问答机器人等的功能，对外提供相对应的服务，智能问答机器人可以快捷方便的回答客户提出的关于门户的各种问题，可实现导航问、推荐问、富媒体、语音转文字等功能，在此过程中需要进行问答对的梳理，形成自己的知识库。

        OCR识别：通过OCR模型的开发实现输入图片，输出识别文字信息的功能，包括身份证识别、户口本识别、驾驶证识别等等，可通过开发OCR模型转成在线服务，再通过python脚本实现服务的调用返回识别结果。

        模型开发：在AI中台中通过notebook建模、可视化建模、自动化建模等不同的建模方式让不同算法水平的模型开发人员都能开发模型，成为算法工程师的模型研发工作站，此功能可结合特征工程模块进行模型的训练，模型的验证等等。

        模型部署：将开发好的模型通过导出离线部署包的方式实现模型的运营部署。

        模型监控：模型上线部署完成后可通过建立一个可视化的模型监控项目进行模型效果的监控，评估指标不限于模型稳定性、模型区分能力、模型集中度、模型准确性、单特征稳定性、违约率、授信客户数变化等等。

        服务管理：开发好的模型通过docker容器转化成在线服务API接口，这些服务可通过外部调用请求的方式对外提供服务，包括额度预测服务，OCR识别服务等等，该功能模块包括服务发布、服务流控、服务编排、服务监控等等。

 

四、总结

        所有的中台实现都是为了沉淀共享能力、实现敏捷开发、支持前台业务的快速创新，AI中台的建立可以实现智能化的服务能力，给模型开发人员提供一个开发模型的便捷平台，该平台有各种各样的工具，每个人只需要准备自己的训练数据就可以轻松实现业务需要的各种模型。