金矿边上卖铁锹：Dato为数据科学家提供机器学习系统

你去公司上班，无需你驾驶，汽车自动行驶在道路上，并且自动避开即将拥堵的路段。你外出旅游，手机里私人助手给你推荐旅游路线，在你决定路线之后 帮你预定机票。你进入超市购物，超市里的啤酒和尿布摆在一起，让你给孩子买尿布的同时又能顺手购买自己爱喝的Teradata牌啤酒。你在家里刷 推ter，在推ter上展示广告能够符合你的兴趣，不致于让你反感。人工智能，主要是机器学习技术的突飞猛进让这些场景，有些已经成真，有些 正在成真。对于提供智能服务的商业企业来说，这些场景意味着巨大的金矿。很多企业计划或者已经在机器学习这座金矿山上采矿了。

工欲善其事，必先利其器。好的挖矿工必有一把好铁锹。机器学习的关键是使用大量数据训练模型，而处理大量的训练数据则需要大规模机器学习系统。为 此大公司集中大量优秀人才，研发大规模学习系统，比如Google的Pregel和Baidu的BML。那么对于无力研制大规模机器学习系统的公司甚至个 人，怎么搭建自己的大规模机器学习系统呢？当然也可以选择开源社区的优秀机器学习系统，比如Spark和Storm。但使用开源系统时碰到问题，就会陷入 无人支持的困境。

36氪介绍过的Dato正是提供这样一款机器学习系统的公司，其提供的机器学习系统叫GraphLab Create。一周前，Dato将GraphLab Create升级到1.5，主要的新功能是支持著名矩阵运算库Numpy和支持Windows操作系统。

GraphLab Create扩展了著名的MapReduce计算框架，将机器学习的训练过程看做是图计算过程，并把图计算分解成Gather-Apply- Scatter三个阶段，从而实现机器学习在多核环境或者集群环境下的并行训练。据斯坦福大学CommonCrawl项目组在7月20号Dato大会上公 布的数据，CraphLab Create用16台机器在35亿个节点1280万条边的网页图谱上，只需要45秒即可执行一次PageRank算法的迭代。

2009年，CMU（卡内基梅隆大学）的Select 实验室提出一个开源图计算框架GraphLab，框架使用C++语言开发实现。2013年 5月，GraphLab的开发者募集到600万美元，成立GraphLab Inc公司。2013年7月GraphLab Inc推出GraphLab Create系统。2015年1月，GraphLab Inc收到一千八百万美元投资，改名为Dato Inc。 目前Dato提供个人版和集群版两个版 本的GraphLab Create系统。除此之外，Data还提供了预测服务以及训练服务。

研制大规模机器学习系统是高技术门槛的工作，需要对机器学习和系统设计有很高的造诣。除了Google、非死book、推ter以及国 内的BAT等大型公司，很少商业公司能够自研大规模机器学习系统。而大公司的系统都是自用的，很少对外界开放，更别说提供商业支持。

Dato的创始人Carlos Guestrin是机器学习界国际公认的大牛，曾被Popular Science杂志评为2008年 “Brilliant 10”，还获得过美国青年科学家总统奖。团队组成既有来自微软和亚马逊久经实战的开发工程师，也有来自高校一线的机器学习研究人员。

目前除了Dato之外，商业化运作的机器学习系统提供商还有Databricks和Petuum。Databricks由著名大数据开源系统 Spark的核心成员研制开发的。2013年9月，Databricks宣布从硅谷风投Andreessen Horowitz获得A轮融资1400万美元。2014年6月, Databricks获得由NEA领投的3300万美元的B轮投资，Andreessen Horowitz增值跟投。 Petuum由CMU教授邢波发起，目前Petuum已经进入开源和闭源并行开发阶段。

与Databricks和Petuum相比，Dato对单机运算做了极致的优化。据2013年的旧闻，GraphLab Create前身GraphLab的子项目GraphChi，用Mac Mini1个小时完成对一个具有15亿边缘的推ter图谱的处理，而Hadoop则用了1636个节点7个小时。极致优化单机性能，使得个人电脑就 能处理一些原来分布式集群才能处理任务。大规模机器学习的使用门槛大大地降低了。

所有人都忙着掘金的时候，成为提供铁锹的人不失为好选项。特别是制造铁锹的技术门槛很高时，制造铁锹也许能成为一个大产业。随着熟悉基本编程技术 的人数上升，人人都能成为机器学习挖矿工，好用高效的机器学习系统就显得尤为重要。也许未来大规模机器学习系统，会像今天的Matlab、 SAS和SPSS等专业软件一样，广泛地存在于个人电脑和企业服务器。

原创文章，作者：goto