一項針對 200 名美國機器學習決策者的新調查著眼於機器學習和 MLOps（機器學習操作）的趨勢、機遇和挑戰。
這項研究來自 ClearML 發現，對於 41% 的人來說，他們的 MLOps 平台、工具或堆棧的最大挑戰是在使用工具時與其他技術的摩擦。雖然 22% 的人認為供應商鎖定——在沒有大量成本、時間或中斷的情況下難以切換到不同的供應商——是最大的挑戰。
“MLOps 作為一個新興領域，目前由分散的點主導解決方案提供了公司連續 ML 所需功能的一小部分，”ClearML 的首席執行官兼聯合創始人摩西古特曼說。 “這種情況需要改變。目標應該是減少碎片化並提供更全面的解決方案來滿足 MLOps 的所有需求，以最大限度地減少 ML 從業者面臨的挑戰，並為 AI 和 ML 技術釋放數十億美元的收入潛力”
調查受訪者報告的其他痛點包括價格過高 (39%)、入職流程耗時過長 (35%) 以及團隊未能使用他們付費購買的解決方案 (14%)。此外，16% 的受訪者表示他們根本不使用第三方工具，而是選擇使用內部構建的工具。
絕大多數受訪者 (92%) 表示他們更願意使用一個統一的 MLOps 平台可以做所有事情，而不是使用多個半平台和點解決方案作為 MLOps 堆棧的一部分。
“ML 決策者今年準備增加對 MLOps 的投資，但根據我們的說法調查結果顯示，他們正在尋求一個統一的端到端平台，而不是將支出分散在多個點解決方案上，”Guttmann 補充道。 “隨著人們越來越關注從 AI 和 ML 投資中實現商業價值，我們預計對無縫一體化技術的需求將推動 MLOps 的採用。”
完整報告可從 ClearML 網站獲得。
圖片來源:Jirsak/depositphotos.com