如今我们不期望程序员是devops。我们甚至不期望数据科学家理解不同云供应商的所有复杂细节。处理不同的数据源是这种抽象的一个很好的例子。

想象一下，数据科学家创建了一个分类图像模型。该模型的消费者可能有三种不同的角色：（a）后端制作工程师可能正在使用S3；（b）数据科学家可能使用Hadoop；（3）不同组织中的BI用户可能正在使用Dropbox。要求该模型的作者为每一个源构建一个数据连接器（并保留它，以备未来新数据源之需）会分散他们工作的注意力。而我们的操作系统可以提供读写不同数据源的 DataAdapter API。

以上代码分别显示了不带 abstraction 和带有 abstraction的数据读取

在第一个块中，没有存储抽象需要我们为每个数据源（在这种情况下为S3）编写一个连接器，并在我们的模型中进行硬编码。在第二个块中，我们使用DataAdapter API，它接收到数据源的URI，并自动注入正确的数据连接器。那些URI可以指向S3，Azure Blob，HDFS，Dropbox 或其他任何东西。

总结

到目前为止，我们的操作系统是自动伸缩、可组合、自动优化且与云无关的。监控您的数百或数千种模型也是至关重要的任务。不过它还在做另外一件事：可见性。

可见性是发现以下各方创建的模型和功能的能力：

操作系统的第一方用户（您的同事）

第三方供应商（学术界、开源、独立开发商）

操作系统不是产品，而是平台。从打孔卡片到机器语言到汇编语言，操作系统慢慢地爬上了抽象的梯子。抽象，是关于如何将事物看成是模块化组件，鼓励重用，并使得高级工作流更易于访问。这就是为什么最新一波的操作系统（如 iOS 和 Android）都附带了内置的 AppStore。

出于同样的原因，我们的操作系统必须重视可见性和可重用性。这就是为什么我们创建了CODEX，我们 AI 的首选操作系统，以及 Algorithmia.com，算法和模型的应用程序商店。我们帮助公司提高其算法的可见性，同时让这些公司（和独立开发人员）通过 Algorithmia.com 访问最佳的第三方算法。

编译来源：https://blog.algorithmia.com/wp-content/uploads/2017/07/geekwire-os-for-ai.pdf

PPT 下载：https://blog.algorithmia.com/wp-content/uploads/2017/07/geekwire-os-for-ai.pdf