【儀表網 行業標準】由 TC28(全國信息技術標準化技術委員會)歸口，中國電子技術標準化研究院 、華為技術有限公司等單位起草的國家標準計劃《人工智能 面向機器學習的系統規范》征求意見稿已完成編制，現公開征求意見。
在《人工智能標準化白皮書(2021)版》中，對人工智能系統框架、智能運算平臺架構有深入的解讀：機器學習計算框架與算法管理、分布式計算平臺、異構資源池化與調度、智能芯片等，是產業迫切的標準需求。
國際上，人工智能標準剛剛起步。ISO/IEC JTC1/SC42 人工智能分委會 2017 年底正式成立。由美國代表團在 SC42 牽頭立項“基于機器學習的人工智能框架”。從目前草案來看，機器學習平臺能力，包含機器學習框架、算法、流程、生命周期管理、基礎設施等是系統的最重要部分。
國內人工智能標準也在逐步制定中。例如征求意見階段的國家標準《信息技術 人工智能 平臺計算資源技術要求》是人工智能系統平臺資源層架構和能力的細化。
在國際、國內標準都處于起步階段的時期，編制本標準并推動在試點行業的驗證實施，有利于增強標準對產業的指引，促進相關技術和成果的應用和推廣。同時本標準領先于國際標準制定，有助于推動國內技術和標準成果貢獻、影響國際標準。本標準也是后續面向機器學習的人工智能系統相關標準的依據。
本文件按照GB/T 1.1-2020《標準化工作導則 第1部分：標準化文件的結構和起草規則》的規定起草。
本文件給出了面向機器學習的系統的框架，規定了系統的技術要求。本文件適用于各領域的機器學習系統及相關解決方案的規劃、設計及開發，可作為評估、選型及驗收的依據。
機器學習運行時組件：
機器學習運行時組件是為保障機器學習應用按照預期在特定機器學習系統上運行所必要的軟件環境，包括設備驅動軟件和算子庫。
設備驅動軟件負責機器學習各種類型任務的調度與執行，包括為機器學習任務分配提供資源管理通道，為應用提供存儲管理、設備管理、執行流管理、事件管理、核函數執行功能。算子庫提供機器學習算法在設備執行調度的最小計算單元，包括面向機器學習計算任務的通用算子和面向特定設備計算加速任務的優化算子。
機器學習框架：
機器學習框架包含模型訓練、模型推理及機器學習算法庫三個模塊，為機器學習應用開發、優化、驗證和部署過程中提供工具支撐。
模型訓練模塊用于機器學習應用設計開發階段，該模塊提供自動微分、損失函數、優化器等調用接口，支持模型定義、自動分布式并行訓練、多硬件后端適配等能力。
模型推理模塊用于機器學習應的驗證部署階段，該模塊提供模型加載、微調、性能評估、轉換等接口，提供模型部署及推理加速等能力。
算法庫面向機器學習訓練、推理及模型性能優化任務，提供預先優化好的算法，以封裝函數庫的方式供用戶調用，提升機器學習模型開發、優化、驗證、部署的效率。
安全性要求：
a) 應提供對訓練數據、部署模型、算法程序和服務接口的訪問權限管理；
b) 應提供抵御對抗樣本攻擊、噪聲污染的能力；
c) 應支持對訪問用戶的訪問歷史查詢；
d) 應提供對權重文件的防篡改能力以及保護能力；
e) 應支持將任務詳細狀態輸出到日志；
f) 應支持分布式任務的認證、鑒權和加密通信能力；
g) 應支持部分模型的可解釋能力；
h) 應支持部分模型的差分隱私訓練能力；
i) 應支持部分模型和任務的穩健性評估；
j) 宜支持對非法輸入進行屏蔽。
可擴展性要求：
a) 應提供標準化數據接入規范，降低維護和運行機器學習模型的成本；
b) 應提供用不同領域的標準化技術堆棧，為機器學習算法集成提供有效的接口；
c) 應提供模型部署到生產環境的標準化流程，降低系統整合風險；
d) 應提供機器學習生存周期管理工具，為機器學習模型提供測試支持。
所有評論僅代表網友意見，與本站立場無關。