AWS如何為AI工作者賦能,aws提供了哪些云服務器

AWS如何為AI工作者賦能

如今，達美樂披薩可以應用機器學習下單，顧客下單后10分鐘左右，達美樂就能提供出新鮮的披薩；美國運通公司Kabbage將機器學習應用于貸款服務，并用來支持保護計劃；寶馬使用Amazon SageMaker分析和豐富超過7PB字節的數據，以預測全球范圍內的模型組合和個別設備的需求。

這是幾個企業使用亞馬遜云服務（AWS）機器學習服務的成功實踐。事實上，全球已經有超過10萬客戶正在使用AWS的機器學習服務。

有研究機構指出，在數字經濟時代，今天一小時產生的數據，比2000年全年產生的數據還要多；未來三年內產生的數據，將比過去30年產生的數據還要多。而處理這些海量數據，需要用數據采集、聚合工具，與機器學習模型相結合，以幫助人們分析、理解這些信息。因此，機器學習將成為這個時代的主流技術之一。如同AWS全球機器學習副總裁Swami Sivasubramanian （簡稱Swami） 在亞馬遜re：Invent大會上所言，“機器學習是我們這一代人遇到的最具顛覆性的技術之一?！?/p>

三層工具集為AI工作者賦能

德勤曾在《全球人工智能發展白皮書》中預測，到2025年，世界人工智能市場規模將超過6萬億美元。而在人工智能眾多的分支領域中，機器學習是人工智能的核心研究領域之一，89%的人工智能專利申請和40%人工智能范圍內的相關專利均屬于機器學習的范疇。

而為了迎接數字經濟的發展，許多國家和地區都將人工智能列為優先發展的國家戰略，我國也不例外。但據我國人社部官網報道，目前我國人工智能人才的缺口已超過500萬，國內的供求比例為1：10，供需比例嚴重失衡。

為了幫助解決人工智能人才的難題，為人工智能工作者賦能，AWS在本次亞馬遜re：Invent大會上推出了豐富的機器學習工具集，該工具集包括三個層面：

第一，工具集的底層，面向技術能力超強的企業客戶。這類企業通常都將人工智能和機器學習作為自己的核心競爭力。

AWS可以為他們提供強大的算力、全面的算力選擇、豐富的機器學習框架選擇。據悉，目前AWS可以支持所有主流的機器學習框架，當然，客戶也可以通過容器部署的方式，自帶機器學習框架；AWS還可以提供基于英偉達、英特爾、AMD、賽靈思等芯片廠商的最新處理器的強大算力，同時還可以通過自主設計的處理器，極大降低機器學習的算力成本。

第二，工具集的中間層，面向技術能力較強的企業客戶。這類企業通常有大量的數據可以進行機器學習模型訓練，而且擁有一定數量的精通算法的人才，不需要花費大量精力去管理基礎設施，可以專注于自己的應用和業務創新。

AWS的Amazon SageMaker可以為他們提供首個全托管的機器學習集成開發環境，并為這個開發環境不斷增加新功能，從數據準備、到模型訓練、參數調優與模型迭代、到模型部署、模型質量監控，在整個過程中最大限度地提高他們開展機器學習的效率，降低他們開展機器學習的門檻。

第三，工具集的頂層，面向技術能力相對薄弱的企業客戶。這類企業擁有一定的數據，但是沒有精通算法的人才，他們希望能在業務場景中直接引入人工智能。

AWS可以為這類企業提供開箱即用的人工智能服務，目前已經涵蓋機器視覺、語音文字轉換、機器對話、文本處理、電商業務、客服、企業內信息搜索、開發與運維、工業AI等方面。

通過這個全面的工具集，AWS可以覆蓋和賦能所有的人工智能工作者。

大力發展機器學習的中間力量

其中，特別值得一提的是全托管服務Amazon SageMaker，作為面向機器學習開發者的集成開發環境，它能化繁為簡，使開發人員和數據科學家從根本上更輕松、更快速地構建、訓練和部署機器學習模型。

據了解，自推出以來，Amazon SageMaker一直在快速迭代。在過去一年中，Amazon SageMaker交付了50多項新功能。在本次re：Invent大會上，AWS再次發布了9項新功能，包括數據特征提取器Data Wranger、數據特征存儲庫Feature Store、自動化工作流Pipelines、模型偏差檢測Clarify、對模型訓練進行剖析的Deep Profiling for Amazon SageMaker Debugger、大型復雜深度學習模型的分布式訓練Distributed Training、邊緣端模型質量監控和管理Edge Manager和快捷起步工具JumpStart。

據Swami透露，不斷豐富的新功能，讓Amazon SageMaker備受客戶歡迎。雖然只推出短短三年時間，但已擁有了數萬家客戶，如3M、ADP、阿斯利康、Avis、拜耳、Bundesliga、Capital One、Cerner、ChickfilA、Convoy、達美樂比薩、富達投資、GE醫療、GeorgiaPacific、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、聯想、Lyft、國家橄欖球聯盟、Nerdwallet、TMobile、湯森路透、Vanguard等知名企業。

而為了讓機器學習更易用，更易拓展到廣泛的使用者、應用場景和行業，AWS不僅打造了豐富的工具集，還推出了五項面向工業領域的開箱即用的解決方案，并將機器學習能力跟數據庫進行嫁接，讓機器學習拓展到數據開發者和數據分析師。

事實上，亞馬遜本身利用機器學習技術已經有20多年時間了。AWS大中華區云服務產品管理總經理顧凡指出，“這是AWS機器學習服務的深厚源泉?！睋ぃ?016年，AWS就開始在云上提供機器學習服務，并發布了三個服務。2017年，AWS開始加速，最近三年，AWS每年新增的機器學習服務和功能都超過200個。僅2020年一年，AWS就新增了250多項機器學習功能，釋放了巨大的技術能力。

Swami強調，如今機器學習的技術壁壘已經大大降低，使AI工作者們能夠在具有挑戰性的問題上快速應用機器學習服務，快速響應這個不斷變化的世界。尤其是在新冠疫情之下，企業可以應用機器學習來追蹤疾病，找到新的方法來治療病人，并加速疫苗的研發?！八麄兡軌蜃龅竭@一點，是因為他們的模型建造者能夠充分利用機器學習的潛力，發明這些技術，這也是驅動我們創新以及我們為什么要不斷推出新功能的原因。”

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。