20、人工智能工作平台与智能案例管理系统解析

人工智能工作平台与智能案例管理系统解析

1. 人工智能工作平台概述

“平台”在 21 世纪初是一个非常时髦的术语。在科技领域，它可以指多边商业模式、技术基础设施，或者是为实现商业目的而设计的系统，该系统能使其他系统有效运行。

人工智能决策，如分类、预测、推荐、预报和优化执行计划等，在决策前后都需要有相应的操作。在大多数情况下，决策前需要数据，决策后需要一系列后续交易和子决策来支持。平台能够实现从为人工智能应用提供输入到处理输出的端到端流程。

平台是人工智能应用的支撑系统，负责获取、整合和管理各种类型和阶段的数据。没有底层平台，人工智能系统及其使用者就无法有效运作。

1.1 平台的数据组件

机器学习算法不仅依赖数据进行训练，还在“评分”过程中使用数据来做出各种决策。支持机器学习模型的训练、评估、部署以及持续更新和维护所需的数据量很大，因此需要平台将数据提供给算法。

例如，新加坡星展银行（DBS Bank）的反洗钱（AML）应用程序的数据来自银行各个前台和中台职能的多种数据生成系统，并通过专门设计的平台将数据提供给机器学习算法。

机器学习模型管道的不同阶段对平台有不同的要求：
- 训练和评估阶段 ：通常需要大量数据。
- 生产部署阶段 ：当训练好的模型对特定交易或一组交易进行评分以进行预测或分类时，平台可能只处理相对少量的数据，但可能需要实时从组织内的多个不同系统中提取模型使用的数据值。

平台对数据的处理不仅仅是向算法提供一些数值。明智的决策通常需要透明度和上下文支持。一些公司设计的平台