AWS如何為AI工作者賦能,aws 以simple命名的服務

AWS如何賦能人工智能工作者

現在達美樂的披薩可以通過機器學習訂購，顧客下單后10分鐘左右達美樂就可以提供新鮮的披薩；美國運通公司Kabbage將machine 學習應用于貸款服務，并使用它來支持保障計劃；使用亞馬遜SageMaker分析和豐富超過7pb的數據，從而預測型號組合和單個設備的全球需求。

以上是幾家企業使用亞馬遜云服務(AWS) machine 學習服務的成功實踐。事實上，全球有超過10萬客戶在使用AWS的machine 學習服務。

有研究機構指出，在數字經濟時代，今天一個小時產生的數據比2000年全年產生的數據還多；未來三年產生的數據將超過過去30年。要處理這些海量數據，我們需要數據收集和聚合工具，結合machine 學習模型，幫助人們分析和理解這些信息。所以機器學習會成為這個時代的主流技術之一。正如AWS全球Machine 學習副總裁Swami Sivasubramanian(簡稱Swami)在亞馬遜Re: Invent大會上所說，“Machine 學習是我們這一代人遇到的最具顛覆性的技術之一。”

三層工具集增強人工智能工作者的能力

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。在人工智能的眾多分支中，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%的人工智能范圍內的相關專利都屬于機器學習的范疇。

為了適應數字經濟的發展，許多國家和地區都將人工智能列為優先發展的國家戰略，中國也不例外。然而，據中國人力資源和社會保障部官網報道，目前，中國人工智能人才缺口已超過500萬，國內供需比為1: 10，嚴重失衡。

為幫助解決人工智能人才問題，賦能人工智能工作者，AWS在本次亞馬遜Re: Invent大會上推出了豐富的工具集machine 學習，包括三個層次:

一、工具集底層，面向技術能力超強的企業客戶。這類企業通常把人工智能和機器學習作為核心競爭力。

AWS可以為他們提供強大的計算能力，全面的計算能力選擇，豐富的機器學習框架選擇。據悉，AWS目前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自帶machine 學習框架；AWS還可以基于Nvidia、Intel、AMD和Xilinx等芯片制造商的最新處理器提供強大的計算能力。同時可以通過自主設計的處理器大大降低機器學習的計算能力成本。

第二，中間層的工具集，面向技術能力強的企業客戶。這類企業通常有大量的數據用于機器學習模型訓練，有一定數量的精通算法的人才。他們不需要花費大量的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可以為他們提供第一個完全托管的machine 學習集成開發環境，并在這個開發環境中不斷添加新的功能，從數據準備，到模型訓練，參數調優和模型迭代，到模型部署和模型質量監控。在整個過程中，可以最大化他們開發machine 學習的效率，降低他們開發machine 學習的效率。

第三，頂級的工具集是針對技術能力相對較弱的企業客戶。這些企業有一些數據，但是沒有精通算法的人才。他們希望將人工智能直接引入商業場景。

AWS可以為這類企業提供現成的人工智能服務。目前已覆蓋機器視覺、語音轉文本、機器對話、文本處理、電商業務、客戶服務、企業內部信息搜索、開發運維、工業AI等。

通過這套全面的工具集，AWS可以覆蓋并賦能所有人工智能工作者。

大力發展機器的中間動力學習

其中特別值得一提的是全托管服務Amazon SageMaker。作為machine 學習開發者的集成開發環境，可以簡化復雜度，讓開發者和數據科學家從根本上更容易、更快速地構建、訓練和部署machine 學習模型。

據了解，亞馬遜SageMaker自上線以來一直在快速迭代。在過去的一年里，亞馬遜SageMaker推出了50多項新功能。在這次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、自動化工作流管道、模型偏差檢測Clarify、用于分析模型訓練的Amazon Sagemaker調試器的深度剖析、模型的大型復雜深度學習分布式訓練、用于Edge模型質量監控和管理的Edge Manager以及快速啟動工具JumpStart。

Swami表示，不斷增加的新功能使亞馬遜SageMaker受到客戶的歡迎。雖然它才推出短短三年，但已經擁有數萬名客戶。如3M、ADP、阿斯利康、Avis、拜耳、德甲、Capital One、Cerner、福樂雞快餐店、康沃、達美樂披薩、富達投資、GE醫療、喬治亞太平洋、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、聯想、Lyft、National

為了讓machine 學習更容易使用，擴展到更廣泛的用戶、應用場景和行業，AWS不僅打造了豐富的工具集，還推出了五款面向工業領域的開箱即用解決方案，并將machine 學習能力與數據庫進行嫁接，讓machine 學習擴展到數據開發人員和數據分析師。

事實上，亞馬遜本身使用machine 學習技術已經超過20年。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。”據悉，2016年，AWS開始在云上提供machine 學習服務，并發布了三項服務。2017年，AWS開始加速。在過去的三年里，AWS每年都會增加200多臺新機器學習服務和功能。僅在2020年，AWS就增加了超過250個machine 學習功能，釋放出巨大的技術能力。

斯瓦米強調，如今machine 學習的技術壁壘已經大大降低，使得AI工作者能夠快速將machine 學習服務應用于具有挑戰性的問題，并應對這個不斷變化的世界。尤其是在新冠肺炎疫情下，企業可以利用機器學習追蹤疾病，找到治療病人的新方法，加快疫苗的研發。“他們能夠做到這一點，是因為他們的模型構建者能夠充分利用機器學習的潛力，發明這些技術，這是推動我們創新的動力，也是我們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。