3. AI基础：机器学习基本概念、模型生命周期、AI项目特点

在深入AI DevOps之前，必须先建立对AI项目本身的清晰认知。传统软件是“编写逻辑”，而机器学习是“从数据中学习逻辑”。这种本质差异决定了其工程流程、交付方式与运维模式截然不同。本节将梳理机器学习的基本概念、模型生命周期，并剖析AI项目的独特挑战。

3.1 机器学习核心概念：从数据到映射函数

机器学习的核心目标是：自动寻找输入X到输出Y之间的映射函数f，使得对新样本的预测误差最小。与传统程序“输入→固定算法→输出”不同，ML通过优化算法在训练数据上自动调整模型参数，从而逼近这个映射。

理解以下基础概念是后续所有讨论的前提：

• 特征（Feature）：描述样本的维度，如用户年龄、点击次数、图像像素值。特征质量直接决定模型上限。
• 标签（Label）：监督学习中希望预测的目标值，如“是否购买”“房价”。
• 训练集 / 验证集 / 测试集：三者严格隔离。训练集用于拟合参数，验证集用于调超参和早停，测试集仅用于最终评估泛化能力。
• 过拟合（Overfitting）：模型在训练集上表现极好，但在新数据上表现差，即“死记硬背”而非“理解规律”。
• 欠拟合（Underfitting）：模型过于简单，连训练数据的基本模式都未捕捉到。
• 超参数（Hyperparameter）：训练前人为设定的参数（如学习率、树深度），区别于模型自动学习的权重参数。

下图展示了监督学习的基本流程与核心要素之间的关系：

3.2 模型生命周期：从数据到持续运维

机器学习模型并非“训练完即交付”的一次性产物。一个完整的模型生命周期包含以下阶段，每个阶段都有其独特的工程挑战：

3.3 AI项目特点：与传统软件的本质差异

AI项目在工程管理上与传统软件开发存在显著差异，这些差异直接影响了DevOps实践的设计：

• 不确定性高：传统开发有明确的功能规格，而ML项目在启动时往往无法预知模型能否达到预期精度。需要以“实验”心态进行探索，而非“按图施工”。
• 数据是核心资产：代码质量固然重要，但数据质量（完整性、一致性、标注准确性）对模型效果的影响往往更大。数据管道需要像代码一样进行版本管理和测试。
• 模型需要持续维护：传统软件部署后只要不改变需求，可以稳定运行数年。而ML模型面对数据漂移，可能数周后就需要重新训练。
• “测试”含义不同：传统软件测试验证逻辑正确性；ML测试需要验证模型在未见数据上的泛化能力，且需要专门的评估数据集和指标。
• 计算资源需求动态：训练阶段需要GPU集群，推理阶段可能只需CPU。资源调度需要弹性伸缩能力。

3.4 案例：智能客服意图识别项目

以一个典型的智能客服意图识别项目为例，说明上述概念如何落地：

1. 业务目标：自动识别用户提问的意图类别（如“退款”“物流查询”“投诉”），准确率需达到90%以上。
2. 数据准备：从历史工单中收集10万条对话记录，进行人工标注，划分为训练集（80%）、验证集（10%）、测试集（10%）。
3. 特征与模型：使用BERT预训练模型进行微调，输入为文本序列，输出为意图类别概率分布。
4. 训练与评估：在GPU集群上进行训练，监控验证集损失防止过拟合。最终在测试集上达到92%的F1分数。
5. 部署与监控：将模型封装为REST API，部署到Kubernetes集群。监控每日推理请求量、平均延迟、以及“低置信度”样本比例（用于发现新意图）。
6. 迭代：上线3个月后，发现“发票问题”类意图的准确率从90%降至82%。分析发现用户提问方式出现新表达，触发重新训练流程。

该案例展示了AI项目的典型特征：数据标注成本高、模型需要GPU训练、上线后性能会衰减、需要持续监控和迭代。这些特点决定了AI DevOps必须将数据管道、模型训练、评估、部署、监控作为一个整体进行自动化编排。

3.5 误区与复盘：AI项目失败的常见原因