MLSys 2021：弥合机器学习与系统之间的鸿沟

某中心杰出科学家兼会议主席Alex Smola阐述了MLSys在主题和文化上的独特之处。

随着深度学习革命的发展，MLSys的成立旨在弥合两个本可互利但常独立工作的社区：机器学习研究人员和系统开发人员。

系统助力机器学习，机器学习优化系统

Smola解释说：“如果你关注大型机器学习会议，它们主要聚焦于‘这是一个酷炫的算法，它能实现惊人功能。比如现在识别猫咪的能力比以前更强’。这些会议主要展示能力提升。同时，还有系统会议，它们更关心文件系统、数据库、高可用性、容错等。”

“为什么需要中间领域？因为在机器学习中，近似解通常已足够。你不一定需要系统提供完美保证。降低要求后，可以更经济、快速或可扩展地完成任务。”

随着深度学习普及，很自然的问题是其是否能帮助优化计算机系统资源分配。

“这本质上是许多系统论文的研究方向，”Smola表示，“涉及是否启动机器、终止机器、为任务调度多少设备、判断机器故障时机、需要多少冗余等问题。既然这些都是资源决策，就可以利用机器学习预测处理这些资源决策的更优策略。”

MLSys接受的论文涵盖两个方向：机器学习助力系统优化，以及系统支撑机器学习。以4月6日的“通信与存储”分会场为例，既有研究如何低成本操作以促进机器学习，也有探讨如何利用机器学习改进存储系统本身。

文化融合

Smola指出，MLSys不仅是研究方向的融合，更是文化的融合，这会引发热烈讨论。

“在系统社区，除非拥有实际运行的系统，否则不会获得重视。这使得会议特别有趣，因为存在两种不同文化：机器学习文化更偏向‘这是可能性的印象派画作，请看下一篇论文’；而系统社区则更为严谨，强调‘这是实际可用的成果，且已通过验证，甚至可能有产品正在部署’。这两种文化通常不太混合，这使得系统论文略带理论倾向，而机器学习论文更侧重实证。”

今年MLSys新增了为期一天的芯片与编译器研讨会，将机器学习系统设计讨论深入至芯片层面。该研讨会由某机构云服务高级首席科学家Mu Li组织。

“虽然有Hot Chips和Cool Chips等活动展示最新芯片技术，但芯片只是半壁江山。我们认为这是让两个社区更紧密合作的良机，这是社区建设的实践。”

与过去一年所有计算机科学会议一样，MLsys转为线上举办。Smola指出，这大幅降低了注册费用：学生25美元，学者和专业人士100美元，“对任何人都非常实惠”。