AWS用機器學習驅動企業(yè)創(chuàng)新,aws 框架結構

用AWS機器推動企業(yè)創(chuàng)新學習

為什么各行各業(yè)的客戶都喜歡選擇亞馬遜云服務(AWS)的machine 學習服務？

在日前舉行的AWS re:Invent 2020上，AWS全球機器學習副總裁Swami Sivasubramanian(以下簡稱Swami)就人工智能與機器學習的話題進行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(xiàn)人工智能的重要途徑

如果要評選當下最火的IT技術，恐怕大多數人第一時間想到的是AI人工智能。

1956年，麻省理工學院教授約翰·麥卡錫(john mccarthy)在達特茅斯會議上首次提出了“人工智能”(AI)一詞，被普遍認為是人工智能正式誕生的標志。

然而，當時很多人沒想到的是，長期以來，由于數據匱乏、計算能力不足等各種原因，人工智能的落地和應用遇到了嚴重的瓶頸。很多學者甚至認為人工智能描繪的美好前景只是鏡中花、水中月，永遠不會成為現(xiàn)實。

但隨著近年來云計算、大數據等新興技術的快速崛起，各類數據開始呈現(xiàn)幾何級數的快速增長，計算能力也有了很大的提升，這也成為人工智能技術發(fā)展的巨大推動力。作為實現(xiàn)人工智能的重要途徑，機器學習(machine 學習，簡稱ML)技術在此背景下發(fā)展迅速。

俗話說“工欲善其事，必先利其器?！眒achine 學習服務通過分析設計各種算法，可以讓計算機自動學習從海量數據中發(fā)現(xiàn)規(guī)律，從而大大加速人工智能在各行業(yè)的應用和落地。因此深受開發(fā)者的喜愛。這也是為什么業(yè)內人士在談論人工智能的話題時，往往會帶上云計算、大數據和機器學習的原因。

AWS:機器領域的領導者學習

AWS無疑是最優(yōu)秀的機器學習服務商之一。

從幾年前剛剛推出AI SaaS的machine 學習服務到2017年亞馬遜SageMaker的正式發(fā)布，AWS這幾年在machine 學習領域的進步可以說是突飛猛進。

“過去三年，AWS每年交付超過200個machine 學習功能。其中，僅在2020年，AWS就增加了超過250個機器學習功能。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?！盇WS大中華區(qū)云服務產品管理總經理顧凡表示，“目前全球有超過10萬客戶在使用AWS的machine 學習服務。這些客戶涵蓋各行各業(yè)，無論是金融、醫(yī)療、媒體、汽車、制造、零售還是體育行業(yè)，都在使用我們的機器學習?！?/p>

斯瓦米指出，AWS的machine 學習為客戶提供了非常豐富的功能和服務，越來越多的行業(yè)客戶正在使用AWS提供的這些工具，在各種應用場景中更好地發(fā)展自己的業(yè)務。例如，通過使用AWS提供的machine 學習模型，客戶可以將培訓時間從過去的幾天變成幾個小時，節(jié)省了大量的時間和精力，并且大大縮短了部署時間，創(chuàng)新速度更快。

AWS機器的特點學習服務

為什么那么多行業(yè)客戶青睞AWS的machine 學習服務？Swami認為主要是因為AWS的machine 學習服務有以下特點:

1。服務的廣度和深度。對于機器學習，AWS的態(tài)度一直是“正確的工具做正確的工作”，意思是用正確的工具做正確的事情，一把鑰匙開一把鎖。AWS可以為客戶提供最合適的服務和解決方案，讓他們想運行什么樣的工作，什么樣的場景，工具箱里應該選擇什么樣的工具。這也是AWS machine 學習服務在寬度和深度上的一大優(yōu)勢。

2。思想開放。在云計算、人工智能、機器學習等領域，AWS一直是開放合作的，包括AWS提供的很多工具，都是非常開放的，可以很好的集成和兼容客戶的整個運行環(huán)境。

3。AWS與客戶的合作模式。以“以客戶為中心”為企業(yè)文化的AWS在服務客戶時始終遵循兩條原則:第一，授人以魚不如授人以漁。AWS為客戶提供工具，同時希望教會他們使用工具，從而真正建立自己的能力；第二，AWS還會在客戶需要幫助的時候，幫助客戶快速解決技術和業(yè)務問題，比如工程上的缺口，產品原型實現(xiàn)上的困難。

機器學習推動企業(yè)創(chuàng)新

在AWS re:Invent 2020的主題演講中，Swami強調了四大主題:

1、關于機器的堅固性學習/

這個基礎包括兩個東西:一個是機器學習的框架，一個是機器學習所依賴的底層計算能力的基礎架構，也就是各種CPU和GPU。AWS的愿景是把機器學習作為工具放到所有企業(yè)手里，而不僅僅是幾個大企業(yè)。為此，AWS將全力支持并優(yōu)化機器學習的框架，并不遺余力地將這一選擇權留給客戶。

2。創(chuàng)建機器的成功捷徑學習

對于很多客戶來說，即使底層架構非常扎實，也不一定能充分利用機器學習。企業(yè)還是需要Amazon SageMaker這個強大的、端到端的、高度集成的case環(huán)境來實現(xiàn)應用的快速落地。至于machine 學習的實例，總會有無數種計算、存儲、成本等各種需求的組合。AWS將通過亞馬遜SageMaker的不斷迭代，讓machine 學習工作流程中的每一步都變得極其易用。

3。讓更多人加入機器學習 Empower

眾所周知，亞馬遜SageMaker可以給數據科學家、數據開發(fā)工程師或者機器學習開發(fā)工程師提供很大的幫助，但實際上真正想用機器學習的人遠遠大于這些人。這些人可能不想要學習機學習這種高難度的技術，但不代表他們不會用。所以AWS一直在努力讓machine 學習服務賦能更多人。

4。針對客戶實際業(yè)務問題的端到端解決方案

隨著技術的不斷演進，machine 學習的場景也在不斷拓展。AWS Machine 學習服務可以為工業(yè)制造場景和邊緣場景提供端到端的打包一體機解決方案。

“在過去的幾年中，機器學習已經取得了長足的進步，技術壁壘已經大大降低，這使得開發(fā)者能夠快速應用機器學習來解決他們最具挑戰(zhàn)性的問題，并爭取最大的機會?！彼雇呙渍f，“特別是在新冠肺炎疫情下，我們的客戶需要對這個不斷變化的世界做出快速反應。他們使用機器學習創(chuàng)造與客戶互動的新方式，重新思考他們的工作方式，并學習實現(xiàn)業(yè)務流程自動化，以便更快地響應客戶需求。例如，醫(yī)療行業(yè)可以使用機器學習來跟蹤疾病，找到治療和護理患者的新方法，加快疫苗的研發(fā)速度等等。他們能做到這一點，是因為他們的模型建造者可以充分利用機器學習的潛力，自由地發(fā)明這些技術。這也是AWS團隊的熱情所在，也是我們日復一日不斷驅動創(chuàng)新、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(fā)表后的30日內與ESG跨境電商聯(lián)系。