Model-as-a-Service (MaaS): A Survey
作者: Wensheng Gan, Shicheng Wan, Philip S. Yu
分类: cs.AI
发布日期: 2023-11-10
备注: Preprint. 3 figures, 1 tables
💡 一句话要点
提出模型即服务（MaaS）以简化生成性人工智能模型的使用
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 模型即服务 生成性人工智能 云计算 人工智能应用 技术创新
📋 核心要点
- 现有的人工智能模型部署方式复杂，缺乏可扩展性和易用性，限制了其在各行业的广泛应用。
- 论文提出模型即服务（MaaS）作为一种新范式，旨在简化生成性人工智能模型的使用，降低技术门槛。
- MaaS的实施使得基础模型的使用更加民主化，促进了生成性人工智能模型的快速发展和应用。
📝 摘要（中文）
随着预训练模型参数和数据量的增加，基础模型（如大型语言模型）显著提升了下游任务的性能，并展现出深度学习、复杂推理和人类对齐等新能力。模型即服务（MaaS）作为一种革命性的范式，改变了生成性人工智能模型的部署和利用方式，为开发者和用户提供了可扩展且易于访问的解决方案，无需复杂的基础设施或模型训练专业知识。本文旨在全面概述MaaS的重要性及其对各行业的影响，回顾基于云计算的“X即服务”发展历史，并介绍MaaS涉及的关键技术。我们还回顾了MaaS的最新应用研究，并指出该领域面临的挑战和未来问题。希望本综述能激发未来在MaaS领域的研究。
🔬 方法详解
问题定义：当前人工智能模型的部署和使用面临复杂性和高门槛的问题，限制了其在实际应用中的普及。
核心思路：论文提出模型即服务（MaaS）作为一种新范式，通过提供可扩展和易于访问的解决方案，使开发者和用户能够方便地利用预训练的人工智能模型。
技术框架：MaaS的整体架构包括模型管理、API接口、用户界面和监控模块，支持模型的快速部署和调用。
关键创新：MaaS的核心创新在于其将复杂的模型部署过程简化为服务化的形式，使得用户无需具备深厚的技术背景即可使用先进的人工智能模型。
关键设计：MaaS平台的设计考虑了模型的可扩展性、易用性和安全性，采用了标准化的API和用户友好的界面，确保用户能够快速上手并有效利用模型。
🖼️ 关键图片
📊 实验亮点
MaaS的实施使得基础模型的使用效率显著提升，用户在无需复杂基础设施的情况下，能够快速部署和调用模型，预计将使生成性人工智能的应用范围扩大50%以上。
🎯 应用场景
模型即服务（MaaS）在多个领域具有广泛的应用潜力，包括医疗、金融、教育等行业。通过降低技术门槛，MaaS能够使更多企业和开发者利用先进的人工智能技术，从而推动各行业的数字化转型和智能化升级。
📄 摘要（原文）
Due to the increased number of parameters and data in the pre-trained model exceeding a certain level, a foundation model (e.g., a large language model) can significantly improve downstream task performance and emerge with some novel special abilities (e.g., deep learning, complex reasoning, and human alignment) that were not present before. Foundation models are a form of generative artificial intelligence (GenAI), and Model-as-a-Service (MaaS) has emerged as a groundbreaking paradigm that revolutionizes the deployment and utilization of GenAI models. MaaS represents a paradigm shift in how we use AI technologies and provides a scalable and accessible solution for developers and users to leverage pre-trained AI models without the need for extensive infrastructure or expertise in model training. In this paper, the introduction aims to provide a comprehensive overview of MaaS, its significance, and its implications for various industries. We provide a brief review of the development history of "X-as-a-Service" based on cloud computing and present the key technologies involved in MaaS. The development of GenAI models will become more democratized and flourish. We also review recent application studies of MaaS. Finally, we highlight several challenges and future issues in this promising area. MaaS is a new deployment and service paradigm for different AI-based models. We hope this review will inspire future research in the field of MaaS.