人工智能模型持续开发的流水线——研究与实践现状
软件工程
2023-01-24 v1 人工智能
摘要
由于 AI 特性，企业在将 AI 模型持续开发并部署到复杂生产系统且保证质量方面面临困难。为简化开发过程，面向 AI 的持续流水线已成为活跃研究领域，需要对术语、触发条件、任务和挑战进行整合与深入分析。本文包含一项多声文献综述，整合了 151 个相关正式与非正式来源。此外，来自学术界与工业界的九次半结构化访谈验证并扩展了所获信息。基于这些来源，本文提供并比较了 DevOps、AI 的 CI/CD、MLOps、（端到端）生命周期管理和 CD4ML 的术语。进而，本文提供了用于重新迭代流水线的潜在触发条件汇总列表，如告警系统或调度计划。此外，本工作采用分类法创建策略，呈现包含 AI 持续开发相关任务的整合流水线。该流水线由四个阶段组成：数据处理、模型学习、软件开发和系统运维。我们还将 AI 持续开发的流水线实施、适配和使用相关挑战映射到这四个阶段。
引用
@article{arxiv.2301.09001,
title = {The Pipeline for the Continuous Development of Artificial Intelligence Models -- Current State of Research and Practice},
author = {Monika Steidl and Michael Felderer and Rudolf Ramler},
journal= {arXiv preprint arXiv:2301.09001},
year = {2023}
}
备注
accepted in the Journal Systems and Software