AWS用機器學習驅動企業創新,aws解決方案總監

AWS用機器學習驅動企業創新

為什么各行各業的客戶，都喜歡選擇亞馬遜云服務（AWS）的機器學習服務？

在近日召開的AWS re:Invent 2020上，AWS全球機器學習副總裁Swami Sivasubramanian（以下簡稱Swami）針對人工智能與機器學習話題發表了長達數小時的演講，同時也揭曉了上述問題的答案。

機器學習：實現人工智能的重要途徑

如果要評選出當下最炙手可熱的IT技術，恐怕大多數人腦海里第一時間想到的都是AI人工智能。

1956年，美國麻省理工學院教授約翰·麥卡錫在達特矛斯會議上首次提出了“Artificial Intelligence”（人工智能，簡稱AI）這一術語，這也被人們普遍視為人工智能正式誕生的標志。

然而當時許多人沒有想到的是，在相當漫長的一段時間里，由于數據缺乏、算力不足等種種原因，人工智能的落地與應用遇到了嚴重的瓶頸。不少學者甚至認為，人工智能所描繪的美妙前景只不過是鏡中花，水中月，永遠也難以成為現實。

不過，隨著近年來云計算、大數據等新興技術的快速崛起，各種數據量開始呈現出幾何級數的飛速增長，算力也獲得了極大的提升，這也成為了驅動人工智能技術發展的巨大推動力。而作為實現人工智能的重要途徑，Machine Learning（機器學習，簡稱ML）技術正是在這種背景之下得到了快速發展。

俗話說“工欲善其事，必先利其器”，通過分析和設計各種算法，機器學習服務可以讓計算機從海量的數據中自動學習并尋找規律，從而極大地加速人工智能在各個行業領域的應用與落地，因此深受廣大開發者喜愛。這也是業內人士在談論人工智能話題時，往往都會將云計算、大數據、機器學習也一并帶入的原因。

AWS：機器學習領域的佼佼者

在眾多的機器學習服務提供商中，AWS無疑是最令人矚目的佼佼者之一。

從幾年前剛剛開始推出AI SaaS的機器學習服務，到2017年正式發布大受好評的Amazon SageMaker，AWS近年來在機器學習領域的進展可以說是突飛猛進。

“在過去的三年里，AWS每年都交付了200多項機器學習功能。其中光是在2020年，AWS就新增了250多項機器學習功能。對于人工智能技術來說，這些機器學習功能非常重要，AWS真正釋放了人工智能技術的能力。”AWS大中華區云服務產品管理總經理顧凡表示，“目前全球已經有超過10萬家客戶在使用AWS的機器學習服務。這些客戶覆蓋了各行各業，無論是金融、醫療、媒體、汽車、制造還是零售、體育行業，都在使用我們的機器學習。”

Swami指出，AWS的機器學習為客戶提供了非常豐富的功能與服務，越來越多的行業客戶都使用AWS提供的這些工具，在各種應用場景更好地開展自身的業務。譬如通過使用AWS提供的機器學習模型，客戶可以將訓練時間從過去的幾天變成幾個小時，節省大量的時間精力，并且大幅縮短部署時間，更快地開展創新。

AWS機器學習服務的特點

為什么這么多行業客戶都對AWS的機器學習服務青睞有加？Swami認為，主要是因為AWS的機器學習服務具備以下幾個特點：

1、服務的寬度和深度。針對機器學習，AWS的態度一直是“Right tools for the right job”，意思就是用合適的工具做合適的事，一把鑰匙開一把鎖。針對客戶想要運行什么樣的工作，在什么樣的場景下，應該選擇工具箱中什么樣的工具，AWS都能為其提供最適合的服務和解決方案。這也是AWS機器學習服務在寬度和深度上的一大優勢。

2、開放的心態。在云計算、人工智能、機器學習領域，AWS始終抱著開放合作的心態，包括AWS提供的很多工具都是非常開放的，可以同客戶的整個運行環境做到非常好的集成與兼容。

3、AWS與客戶配合的模式。將“以客戶為中心”作為企業文化的AWS，在服務客戶的時候始終遵循兩大原則：一是授人以魚不如授人以漁，AWS為客戶提供工具的同時，更希望能教會客戶使用工具，從而真正建立起自己的能力；二是在工程方面出現差距、產品原型實現困難等客戶需要幫助的時候，AWS也會助力客戶快速解決技術和業務難題。

機器學習驅動企業創新

在AWS re:Invent 2020的主題演講中，Swami重點提到了四大主題：

1、關于機器學習的堅實基礎

這個基礎包括兩件事情：一是機器學習的框架，二是機器學習所依賴的底層算力的基礎架構，也就是各種各樣的CPU、GPU。AWS的愿景，是將機器學習作為一項工具交到所有企業的手中，而不是僅僅掌握在幾家大企業手里。為此AWS會對機器學習的框架做全部的支撐和優化，并不遺余力的將這個選擇權留給客戶。

2、創造機器學習的成功捷徑

對于很多客戶來說，就算底層架構非常扎實，那也不一定能把機器學習完全用起來。企業仍然需要在Amazon SageMaker這樣一個強大的、端到端的、高度集成案例的環境下，才能實現應用的快速落地。在機器學習的實例方面，各種計算、存儲、成本的需求永遠有無數種組合，AWS會通過Amazon SageMaker的不斷迭代，將機器學習工作流里的每一個步驟的易用性做到極致。

3、讓更多的人加入到機器學習賦能

眾所周知，Amazon SageMaker可以為數據科學家、數據開發工程師或者機器學習開發工程師提供極大的助力，但是事實上，真正想要使用機器學習的人遠比這些人群更加龐大。這些人群也許不希望學習機器學習的艱深技術，但這并不代表他們用不到，因此AWS一直在努力讓機器學習服務為更多的人賦能。

4、端到端解決客戶的實際業務問題

隨著技術的不斷演進，機器學習的場景也在不斷拓寬。無論是工業制造的場景，還是邊緣的場景，AWS機器學習服務都可以為其提供端到端打包的一體化解決方案。

“在過去的幾年中，機器學習已經走了很長的一段路，技術壁壘已經極大的降低，這使得開發者能夠快速應用機器學習，來解決他們最有挑戰性的問題和爭取最大的機會。”Swami表示，“尤其是在新冠疫情之下，我們的客戶更加需要快速回應這個不斷變化的世界，他們應用機器學習創造新的方式和客戶互動，重新思考工作和學習的方式以及自動化商業流程，以便更快地回應客戶的需求。譬如醫療行業可以用機器學習來追蹤疾病，尋找新的方法來治療和照顧病人，加速疫苗的研發等等。他們之所以能夠做到這一點，是因為他們的模型建造者能夠充分利用機器學習的潛力，自由地去發明這些技術。這也是AWS團隊的熱情所在，是我們不斷驅動創新，日復一日推出新功能的原因。”

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。