Путь Pinterest в области ИИ эволюционировал от фрагментированных стеков машинного обучения к единой платформе ИИ. Ранние усилия по машинному обучению включали создание индивидуальными командами собственных решений, что приводило к избыточности и несоответствию между обучением и обслуживанием. Язык DSL Linchpin и сервис вывода Scorpion были ранними попытками унификации, но столкнулись с ограничениями, связанными с развитием технологий. Небольшая команда платформы машинного обучения испытывала трудности с продвижением внедрения без организационного согласования и стимулов. EzFlow была направлена на улучшение оркестровки обучения, но внедрение было медленным из-за сосредоточения команд продукта на немедленных показателях. Ставки, такие как PySpark, Платформа вычислений для обучения и Galaxy, заложили основу для будущих достижений. СВН появились в системах рекомендаций, и команды, такие как Home Feed, создавали решения, такие как AutoML, которые обнажали хрупкие основы. Внедрение обусловливалось организационным согласованием, целями продукта и отраслевым импульсом. Эффективность стала ограничителем, требующим более глубокого сотрудничества между командами моделирования и платформы, поскольку модели трансформеров и ГПУ изменили инфраструктуру.