详细内容或原文请订阅后点击阅览
创建 AI 服务引擎的实践
人工智能引擎审查和分析知识库中的信息，处理模型部署并检查性能。它们引入了一种新方法，应用程序可以利用人工智能来提高运营效率并帮助解决不同的业务挑战。
来源:Qudata构建 AI 服务引擎的实践
AI 服务引擎查看和分析知识库中的信息，处理模型部署并显示性能。它们代表了一个全新的世界，在这个世界中，应用程序将能够利用 AI 技术来提高运营效率并解决重大业务问题。
AI 技术最佳实践
我一直在与 Redis Labs 客户合作，以更好地了解他们在将 AI 引入制造业时面临的挑战以及他们应该如何设计他们的 AI 服务引擎。为了提供帮助，我们创建了一个最佳实践列表：
快速端到端服务
如果您正在支持实时应用程序，则需要确保在您的堆栈中添加 AI 功能对应用程序性能的影响很小甚至没有影响。
无停机时间
由于每笔交易都可能涉及一些 AI 处理，因此您需要维持常规标准 SLA，对于关键任务应用程序，最好至少达到五个九 (99.999%)，并使用经过验证的机制，例如复制、数据持久性、多计划区域/机架、主动-主动地理分布、定期备份和自动集群恢复。
可扩展性
受客户行为的驱动，许多应用程序都是为服务高峰使用情况而构建的，从黑色星期五到大型游戏。您需要根据预期和当前负载灵活地扩展或缩减 AI 服务引擎。
支持多种系统
您的 AI 服务引擎必须能够服务由 TensorFlow 或 PyTorch 等先进系统训练的深度学习模型。此外，随机森林和线性回归等机器学习模型仍可为多种使用情况提供良好的可预测性，并且必须由您的 AI 交付引擎支持。