另辟蹊径：聊聊DFL3小样本深度学习（一）

　　之前写了一篇《LAXCUS集群操作系统是个啥》，放到网上后收到网友私信，要求讲讲DFL3小样本深度学习。老实说，我本人不在AI研发团队，让我来讲DFL3，有点班门弄斧的感觉。但是我们团队和AI团队交流颇多，来往互动非常频繁，他们开发的AI编程接口都是交给我们，一起做LAXCUS集群操作系统的联调联试工作。思量下来，今天就越俎代疱一把，说说DFL3。咱们还是老规矩，只做通俗介绍，不涉及过于深奥的技术内容。原因一是DLF3目前尚未成型，很多技术仍处于变化状态，不便说得太多，免得误人子弟打脸脸；二是我本人对DFL3底层技术了解有限，怕说错了让诸位怡笑大方。所以，这篇文章只针对小白，AI技术大牛请绕行。

　　先说名字，DFL3是“Deep Few Learning”的首字母缩写，目前发展到第三个代次。中文名称，现在有直译成“深度微学习”，也有意译成“小样本深度学习”。在我们团部内部，经常使用的是“小样本深度学习”，这个名称更能表达我们开发工作的本来意思。

　　开发DFL小样本深度学习，主要源自LAXCUS集群操作系统研发团队这样两个动机：

1. LAXCUS集群操作系统承载着海量的计算机资源、业务调度、分布计算服务，如果用人力来管理这些工作，成本高效果差并且不稳定，而采用人工智能技术应该能够弥补这一个短板。
2. 在此基础上，开发出一套低成本可迁移的智能设备管理方案。

　　目前第一个项已经通过DFL1和DFL2达到，LAXCUS集群操作系统的网络流量控制、资源管理、任务分配、负载平衡等工作，都实现了自主调节、自主控制和自主分派。

　　DFL3针对第二个项，它基于DFL1和DFL2，延续了DFL1和DFL2对标注数据要求不高、计算速度快、自动迭代升级的特点。LAXCUS AI团队给DFL3的定义是实现通用化的机器自主决策和自主操作，具备多场景快速适应能力，做为机器大脑对接各种业务，应用到智能设备上。目前边缘计算领域是DFL3发力的重点，它将结合LAXCUS集群操作系统提供庞大的算力，和LAXCUS云端、边缘端、终端三位一体协同的特点，在云端生成规则模型，下传到边缘端，去驱动边缘端的各种智能化设备。今年我们已经联系了清洁能源和RPA（Robotic Process Automation）企业，正在边缘端测试试验DFL3。

　　本人是工作空闲时候与网友互动，本着工作优先原则，先到这里，下一篇将全面介绍DFL3。个人感觉如果LAXCUS AI团队研发成功，DFL3会是一个颠覆性产品，改变当前AI基础技术格局。