人工智能的研究自 1956 年之后，引發(fā)第一次浪潮，主要研究邏輯推進為主的“基于規(guī)則的專家系統(tǒng)”，但是經(jīng)過長時間的研究，專家系統(tǒng)進入瓶頸期，隨之 AI 的資金投入和人員投入 大?縮減，AI 研究方向也悄然發(fā)生變化，以研究計算機視頻、語音和計算機自然語言進行新的研究方向，“機器學(xué)習(xí)”算法的不斷優(yōu)化使得人工智能在多個領(lǐng)域?qū)崿F(xiàn)了驚人的突破。
2011 年 Google 大腦通過非監(jiān)督學(xué)習(xí)識別出貓臉，2015 年斯坦福人工智能實驗室的計算機圖像識別技術(shù)的圖像識別正確率在ImageNet 圖像識別比賽首次超過人眼，2016 年微軟語音識別技術(shù)可以將英語錯詞率降至 5.9%。2016 年AlphaGo 戰(zhàn)勝李世石引起全世界的轟動，“人工智能”精彩回歸，?新受到政府、學(xué)術(shù)界、產(chǎn)業(yè)界等社會各界的廣泛關(guān)注。近年來，隨著高質(zhì)?“大數(shù)據(jù)”的獲取、計算能力的大幅提升、以深度學(xué)習(xí)為代表的算法模型不斷豐富，人工智能研究再次進入了快速發(fā)展的時期，同時不斷影響、滲透、推進著相關(guān)眾多產(chǎn)業(yè)、行業(yè)的快速發(fā)展。
三次人工智能浪潮
我國的人工智能相關(guān)人才與世界主要發(fā)達國家相比明顯不足，且技術(shù)應(yīng)用類人才也存在較大缺口，為此國家相關(guān)部門先后出臺多個相應(yīng)的政策文件，對人工智能的發(fā)展做出了總體部署，全面加速人工智能技術(shù)的研發(fā)應(yīng)用和人才培養(yǎng)的步伐，深化各梯度人才的培養(yǎng)。
2011 年 Google 大腦通過非監(jiān)督學(xué)習(xí)識別出貓臉，2015 年斯坦福人工智能實驗室的計算機圖像識別技術(shù)的圖像識別正確率在ImageNet 圖像識別比賽首次超過人眼，2016 年微軟語音識別技術(shù)可以將英語錯詞率降至 5.9%。2016 年AlphaGo 戰(zhàn)勝李世石引起全世界的轟動，“人工智能”精彩回歸，?新受到政府、學(xué)術(shù)界、產(chǎn)業(yè)界等社會各界的廣泛關(guān)注。近年來，隨著高質(zhì)?“大數(shù)據(jù)”的獲取、計算能力的大幅提升、以深度學(xué)習(xí)為代表的算法模型不斷豐富，人工智能研究再次進入了快速發(fā)展的時期，同時不斷影響、滲透、推進著相關(guān)眾多產(chǎn)業(yè)、行業(yè)的快速發(fā)展。
三次人工智能浪潮
我國的人工智能相關(guān)人才與世界主要發(fā)達國家相比明顯不足，且技術(shù)應(yīng)用類人才也存在較大缺口，為此國家相關(guān)部門先后出臺多個相應(yīng)的政策文件，對人工智能的發(fā)展做出了總體部署，全面加速人工智能技術(shù)的研發(fā)應(yīng)用和人才培養(yǎng)的步伐，深化各梯度人才的培養(yǎng)。
2017 年 7 月國務(wù)院正式發(fā)布《新一代人工智能發(fā)展規(guī)劃》，將我國人工智能技術(shù)與產(chǎn)業(yè)的發(fā)展上升為國家重大發(fā)展戰(zhàn)略，提出要“完善人工智能教育體系”。
2018 年 4 月教育部印發(fā)了《高等學(xué)校人工智能創(chuàng)新行動計劃》，明確提出了設(shè)立人工智能專業(yè)、推動人工智能領(lǐng)域一級學(xué)科建設(shè)、建立人工智能學(xué)院以及完善人工智能領(lǐng)域人才培養(yǎng)體系等重要任務(wù)。
2019 年教育部在專業(yè)發(fā)展調(diào)整規(guī)劃中，正式宣布在普通高等學(xué)校、高等職業(yè)教育院校中設(shè)置“人工智能技術(shù)服務(wù)專 業(yè)”，并且從 2019 年開始實行。
MoPaaS AI 平臺以 Docker 容器技術(shù)為基礎(chǔ)，允許多個用戶多個環(huán)境獨立的同時運行，并且共享 CPU、GPU、內(nèi)存、網(wǎng)絡(luò)、存儲等 IAAS 層物理資源。同時這種架構(gòu)將用戶環(huán)境彼此隔離，可以實現(xiàn)資源的高效利用和精確配額，能保護用戶免受由其他用戶活動所造成的應(yīng)用程序崩潰和環(huán)境故障所帶來的影響。
MoPaaS AI 平臺整體架構(gòu)如下：
MoPaaS AI 平臺分為底層基礎(chǔ)設(shè)施資源層、云平臺層（資源調(diào)度）、深度學(xué)習(xí)框架、系統(tǒng)功能和 UI 層五個部分。
底層基礎(chǔ)設(shè)施資源層包括虛擬機、物理機和一體機等多種模式組成。云平臺層主要實現(xiàn)對資源進行調(diào)度能力，主要具有容器引擎，通過 Kubernets 對 CPU、GPU、內(nèi)存、存儲、網(wǎng)絡(luò)等進行編排調(diào)度，實現(xiàn)資源靈活的調(diào) 度使用，多租戶隔離，不同用戶之間互不干擾。
MoPaaS AI 平臺整體架構(gòu)如下：
|
|
MoPaaS AI 平臺分為底層基礎(chǔ)設(shè)施資源層、云平臺層（資源調(diào)度）、深度學(xué)習(xí)框架、系統(tǒng)功能和 UI 層五個部分。
底層基礎(chǔ)設(shè)施資源層包括虛擬機、物理機和一體機等多種模式組成。云平臺層主要實現(xiàn)對資源進行調(diào)度能力，主要具有容器引擎，通過 Kubernets 對 CPU、GPU、內(nèi)存、存儲、網(wǎng)絡(luò)等進行編排調(diào)度，實現(xiàn)資源靈活的調(diào) 度使用，多租戶隔離，不同用戶之間互不干擾。
深度學(xué)習(xí)框架層實現(xiàn)以插件的方式接入系統(tǒng)，集成了多種框架，如Tensorflow,Caffe,Torch 和 Teano 等，大大提升整體系統(tǒng)的擴展性和可維護性。系統(tǒng)功能層為用戶端提供資源預(yù)約、一鍵部署、遠程訪問、監(jiān)控信息、評估報告和模型導(dǎo)出等功能；為管理端提供主機管理、用戶管理、資源預(yù)約、框架管理、工單管理和系統(tǒng)管理等功能
平臺 UI 界面包括用戶界面和管理界面。系統(tǒng)基于 Docker 容器技術(shù)，實現(xiàn)平臺資源（CPU、GPU、內(nèi)存、存儲）的分配調(diào)度，并提供相應(yīng)的管理、監(jiān)控功能。