在Orca中，英特爾BigDL嘗試讓用戶可以把筆記本電腦上運(yùn)行的Notebook部署到分布式集群，云中托管的Kubernetes集群、或者Hadoop集群。在Notebook的一開(kāi)始，只需調(diào)用Orca下文中的一個(gè)方法，它會(huì)告訴程序用戶希望運(yùn)行哪個(gè)環(huán)境，可以是在本地筆記本電腦上，也可以是本地集群或者Kubernetes集群等。只需改變一行代碼，這個(gè)Notebook就可以在本地筆記本電腦上運(yùn)行，模擬分布式集群規(guī)模，在分布式環(huán)境中處理大型數(shù)據(jù)集。

而在更高層級(jí)的運(yùn)用，即基于這些管道開(kāi)發(fā)更垂直的行業(yè)解決方案中，用戶可以通過(guò)BigDL PPML，在云上創(chuàng)建一個(gè)支持大數(shù)據(jù)和AI的可信平臺(tái)環(huán)境。在把數(shù)據(jù)或者模型轉(zhuǎn)移到云上之前，用戶可以使用加密技術(shù)保護(hù)內(nèi)容，然后通過(guò)BigDL PPML直接在加密數(shù)據(jù)上運(yùn)行應(yīng)用軟件、模型、Spark數(shù)據(jù)分析等，PPML會(huì)在可信環(huán)境中讀取加密數(shù)據(jù)，解密并運(yùn)行相應(yīng)的應(yīng)用，同時(shí)確保數(shù)據(jù)的安全性和應(yīng)用的完整性。在此基礎(chǔ)下，BigDL PPML還可以提供可信的聯(lián)邦學(xué)習(xí)（也被稱為聯(lián)合學(xué)習(xí)）——每一方只擁有一部分信息和功能，但他們可以聯(lián)合訓(xùn)練一個(gè)模型，而不需要向另一方披露數(shù)據(jù)。通過(guò)SGX提供的硬件級(jí)的安全環(huán)境，聯(lián)邦學(xué)習(xí)場(chǎng)景中的性能和安全性能夠得到有效保證。

此外，BigDL之上構(gòu)建的其他垂直行業(yè)解決方案還包括Chronos項(xiàng)目——一個(gè)利用AutoML技術(shù)構(gòu)建大規(guī)模、分布式時(shí)間序列分析的應(yīng)用框架，可用于時(shí)序數(shù)據(jù)的處理，滑動(dòng)窗口取樣、縮放、重采樣、補(bǔ)全，以及自動(dòng)的特征提取。同時(shí)，其中內(nèi)置了大量時(shí)序預(yù)測(cè)和異常檢測(cè)模型，用戶可以直接使用TSDataset構(gòu)建時(shí)序應(yīng)用進(jìn)行數(shù)據(jù)處理，使用對(duì)應(yīng)的模型進(jìn)行預(yù)測(cè)或者異常檢測(cè)。AutoML技術(shù)幫助用戶搜索最佳的模型參數(shù)以提高模型預(yù)測(cè)的準(zhǔn)確性。 Chronos同時(shí)內(nèi)置了Intel的分類(lèi)加速工具可以幫助用戶取得更好的訓(xùn)練與推理速度；以及Friesian項(xiàng)目——用于構(gòu)建大規(guī)模端到端推薦解決方案的應(yīng)用框架，提供了豐富的內(nèi)置特征工程操作、推薦算法和參考樣例，幫助用戶快速構(gòu)建一個(gè)完整的推薦系統(tǒng)來(lái)應(yīng)對(duì)離線或者在線的推薦場(chǎng)景。

總而言之，作為一個(gè)開(kāi)源項(xiàng)目，BigDL能夠提供端到端大數(shù)據(jù)人工智能管道，讓用戶、科學(xué)家和數(shù)據(jù)工程師更容易構(gòu)建大規(guī)模分布式人工智能解決方案，并使其變得更加容易。它還提供各種垂直框架，如推薦、時(shí)間序列分析、隱私保護(hù)機(jī)制，以幫助用戶快速整合他們的AI解決方案?；蛟S在并不遙遠(yuǎn)的未來(lái)，伴隨著人工智能在人類(lèi)生活中更加深度的滲透，BigDL與大數(shù)據(jù)的結(jié)合將為我們揭示更多意想不到的神奇真相。

songjy