最近，蚂蚁正式了开源其机器学习工具SQLFlow。SQLFlow=SQL引擎+AI引擎。其抽象出端到端从数据到模型的研发过程，配合底层的引擎及自动优化，让具备基础SQL知识的技术人员，也能轻松完成大部分的人工智能工作，如机器学习、模型训练和预测等。用户仅需几行SQL代码就能描述整个应用或者产品背后的数据流和 AI 构造。
为何选择SQL
SQL是一种典型的描述意图，而不描述过程的编程语言。什么意思呢？比如我们需要join两张表的数据，如何采用java、c或者python等，我们需要调用相应的函数或包进行具体的连接操作，比如写循环和构造hash map描述如何join两张表。但是如果使用SQL的话，我们并不用关心这些，只要告诉写出我们想干嘛就可以了。
另外，SQL的语法和语句量并不多，因此写起来难度也低很多。
如何利用SQL实现机器学习
SQLFlow通过对基本的SQL语法进行扩展来实现AI功能。如在SELECT语句后面，加上一个扩展语法的 TRAIN 从句，即可实现 AI 模型的训练。或者加上一个 PREDICT 从句即可实现用现有模型做预测。此外，SQLFlow也提供一些基本功能，可以供各种 submitter 翻译插件使用，用来根据数据的特点，推导如何自动地把数据转换成 features，这样用户就不需要在 TRAIN 从句里描述这个转换。
将SQL和AI连接在一起的想法其实也并不是蚂蚁SQLFlow的首创，早在2018年谷歌就发布了 BigQueryML，让数据科学家和分析师只用 SQL 语言就可以实现流行的机器学习功能并执行预测分析。微软基于 SQL Server 的 AI 扩展，以及 Teradata 的 SQL for DL 同样旨在连接 SQL 和 AI，让人工智能的应用变得像 SQL 一样简单。不过，以上这些都不是开源项目，而蚂蚁要做的就是开源。
问题
目前，SQLFlow还很初级，还存在很多的问题，如语法解析问题，SQLFlow 目前已经对接 MySQL，正在对接 Hive 和 阿里云上的 MaxCompute，将来还希望能对接更多公司正在使用的 SQL 引擎。
SQLFlow目前依赖 TensorFlow 等底层引擎来实现训练和预测，但TensorFlow 原生支持分布式训练，但不支持容错，一个进程挂了，整个作业就挂了。而PyTorch、XGBoost、LibLinear 这些 AI 引擎的分布式计算能力也都有一些问题，因此，未来的路还很遥远。
