蘋果發布了Overton開發工具

• 2019 年 10 月 4 日
• 筆記

編輯 | KING

發布 | ATYUN訂閱號

不論環境如何，建立、監控和完善機器學習系統從來都不是一件簡單的事情。要想保證數據準確無誤，工程師們必須把控好每一個細節，在複雜的應用程式中發現問題。為了在一定程度上減輕開發者的負擔，蘋果公司開發了Overton框架，該框架旨在通過抽象的文本內容來生成一個對應的模型。例如，給定查詢「美國的總統有多高」，Overton生成一個能夠提供答案的模型。(目前它只支援文本處理，但蘋果正在開發影像和影片的處理。)

蘋果的研究人員表示，Overton已經在多個應用程式實時數據查詢和後台處理方面得到應用。在此期間，基於Overton的應用程式已經用多種語言回答了數十億個問題，處理了數萬億組數據。Overton的相關負責人表示：「Overton能夠通過操作數據文件來構建、維護和監控他們的應用程式，包括深度學習框架。我們的願景是工程師們不需要編寫任何程式碼就可以構建基於深度學習的應用程式。

Overton將支援兩種模式作為輸入：數據有效載荷（描述用於訓練新的或現有的人工智慧模型的輸入數據）和模型任務（描述模型需要完成的任務）。此外，模式定義了目標機器學習模型的輸入、輸出以及數據流。

Overton將這個模式編譯成許多版本的人工智慧開發框架，比如google的tensorflow、apple的coreml或facebook的pytorch，然後搜索適當的架構和超參數（直接影響模型訓練效果的可調變數），就可以在其他框架下使用Overton。Overton還採用了模型切片技術，使用戶可以識別對產品至關重要的輸入數據子集，並將其作為誤差最小化的參考依據。此外，它本身支援多任務學習，這樣Overton可以同時預測模型的所有任務。

Overton的開發者說道：「總之，Overton代表了一個機器學習生命周期管理系統，它專註於監控和提高應用程式品質」。

其實不僅僅是蘋果，其他公司也在做類似的努力。databricks上個月剛剛發布了一個用於模型構建和部署的工具包，它可以自動執行超參數調整、批處理預測和模型搜索等操作。ibm的watson studio autoai承諾實現企業人工智慧模型開發的自動化，微軟最近增強的azure機器學習雲服務和Google的automl套件都是為了機器學習而研發。但是Overton在許多方面，都要領先它們。

END