亚马逊re:Invent 2020大会上，AWS宣布了一系列新服务和新功能，将为广大AI工作者提供源动力，无论是企业客户，还是行业客户，甚至是个人开发者与AI领域从业者，未来都可以借助AWS的机器学习服务为自身赋能。
“巅峰科技，重塑未来。”
长达3周的亚马逊re:Invent 2020大会于2020年12月1日—12月18日在线举行，并首次对公众免费开放。本次大会亚马逊为我们带来了海量的信息，包括云计算、数据库、存储、机器学习等多个方面的新产品、新功能以及数十个行业案例分享，用云技术绘制了未来数字世界的美好蓝图。
其中12月9日，由AWS全球机器学习副总裁Swami Sivasubramanian带来的关于机器学习和人工智能的主题演讲格外引人关注，这也是机器学习的主题内容首次出现在亚马逊re:Invent大会上。
面对数字经济的发展机遇，多个国家和地区已将人工智能列为优先发展的国家战略。据德勤发布的《全球人工智能发展白皮书》指出，在人工智能众多的分支领域中，机器学习是人工智能的核心研究领域之一。包括89%的人工智能专利申请和40%人工智能范围内的相关专利均为机器学习范畴。预计到2025年，世界人工智能市场规模将超过6万亿美元。
而AWS对于人工智能与机器学习的重视由来已久，AWS大中华区云服务产品管理总经理顾凡介绍说，“到今天机器学习技术已经有20多年时间，AWS在2016年开始发力，在云上提供机器学习服务，当年只发布了三个AI服务，2017年开始加速，最近三年，每年新增的服务和功能超过200个，仅去年一年就新增了250多项机器学习功能，为全球人工智能工作者丰富了他们急需的工具集。”
在演讲中，Swami展示了AWS关于人工智能与机器学习的最新全景蓝图，并宣布了一系列新服务和新功能，让机器学习更易用和拓展到更加广阔的使用者、应用场景和行业。
Swami表示，“机器学习是我们这一代人能遇到最具颠覆性的技术之一，目前已经有超过10万客户在使用AWS的机器学习服务，很多客户已经将机器学习用于其核心业务。”
AWS作为云计算的引领者，面对机器学习这样一个充满前途的事业，以及当前严重缺乏人才的处境，正在通过多种方式，采取一系列措施，着重通过技术创新，为机器学习扩圈。
·开箱即用的工业领域机器学习解决方案
首先，AWS首次推出了开箱即用的机器学习解决方案。在re:Invent大会上，AWS发布了五项用于工业领域的机器学习服务，分别是Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一体机、AWS Panorama SDK和Amazon Lookout for Vision。
Amazon Monitron和Amazon Lookout for Equipment通过机器学习支持预测性维护。Amazon Monitron面向没有建立传感器网络的客户，提供由传感器、网关和机器学习服务组成的端到端机器监控系统，检测异常并预测何时需要维护工业设备。Amazon Lookout for Equipment面向已经拥有传感器、但不希望自己构建机器学习模型的客户，由AWS为其构建模型并返回预测结果，检测异常设备行为。
AWS Panorama一体机则可以通过计算机视觉改善工业运营和工作场所安全。将它连接到工业场所的网络中，它就可以自动识别摄像头数据流，与工业摄像头进行交互。AWS Panorama软件开发套件（SDK），方便工业相机制造商在新相机中嵌入计算机视觉功能。
而Amazon Lookout for Vision则可以为工业客户提供高精度、低成本的产品质量异常检测解决方案。它通过机器学习技术，每小时可以处理数千张图像，发现产品缺陷和异常。客户可以将摄像头图像批量或实时发送到Amazon Lookout for Vision，找出异常，例如机器部件的裂纹、面板上的凹痕、不规则形状或产品上的颜色错误等。
目前已经使用AWS工业领域机器学习服务的客户和合作伙伴包括Axis、凌华科技、BP、德勤、Fender芬达、GE 医疗和西门子交通等等。
·打造机器学习工具箱 赋能不同需求客户
除了为行业客户提供端对端的机器学习的解决方案，AWS同样考虑到了不同客户的需求差异，针对不同层次的客户提供相应的机器学习工具集，致力于赋能所有的人工智能工作者。
AWS机器学习工具集的底层，面向那些技术能力超强的客户，希望将人工智能和机器学习作为自己的核心竞争力。AWS为他们提供强大的算力、全面的算力选择、丰富的机器学习框架选择。AWS支持主流的机器学习框架，客户还可以通过容器部署的方式，自带机器学习框架；AWS可以提供基于英伟达、英特尔、AMD、赛灵思等芯片厂商的最新处理器的强大算力，同时还通过自主设计的处理器，极大地降低机器学习的算力成本。
工具集的中间层，面向那些技术能力较强的客户，他们有大量的数据可以进行机器学习模型训练，有一定的算法人才，不要花精力管理基础设施，专注于自己的应用和业务创新。AWS的Amazon SageMaker为他们提供了首个全托管的机器学习集成开发环境，并为这个开发环境不断增加新功能，从数据准备、到模型训练、参数调优与模型迭代、到模型部署、模型质量监控，在整个过程中最大限度地提高他们开展机器学习的效率，降低他们开展机器学习的门槛。
工具集的顶层，面向技术能力相对薄弱的客户，他们有一定的数据，但没有算法人才，他们希望在业务场景中直接引入人工智能。AWS为他们提供开箱即用的人工智能服务，目前已经涵盖机器视觉、语音文字转换、机器对话、文本处理、电商业务、客服、企业内信息搜索、开发与运维、工业AI等方面的服务。
·将机器学习能力带给数据库开发者和数据分析师
此外，面向数量众多的数据库开发者、数据分析师群体，AWS同样提供了解决方案，AWS将机器学习能力跟数据库进行嫁接，让数据库开发者、数据分析师沿用数据库查询的方式，让他们的机器学习想法落地到业务应用中。
AWS针对关系型数据库服务Amazon Aurora推出了Amazon Aurora ML功能，数据库开发者发起数据库查询（SQL）时，只要选择一个机器学习模型，就会唤醒机器学习服务，Aurora ML自动将查询结果交给机器学习模型进行推理，返回结果。
Amazon QuickSight是AWS的一个商业智能（BI）服务，可以轻松地调用各种数据进行分析和展现。AWS于2020年5月推出了QuickSight ML新功能，它也跟SageMaker的Autopilot功能进行了结合，数据分析人员可以用它开展欺诈检测、销售预测等工作。在今年的re:Invent大会上，AWS推出了更酷的机器学习新功能QuickSight Q。通过它，可以用自然语言对数据进行提问，获得想要的数据洞察。
AWS还推出了Amazon Lookout For Metrics，它利用机器学习技术，通过企业多种数据的比对，检测出数据异常。例如某企业一件商品的售价200元，在某个数据源变成了20元。通过Amazon Lookout For Metrics找出这种异常数据，意义重大。如果是在线销售中出现这样的价格错误，有可能给企业带来巨大的损失。
·机器学习服务Amazon SageMaker功能优化
Amazon SageMaker是AWS推出的机器学习服务，它提供集成式的开发环境，消除了机器学习过程中的挑战，使开发人员和数据科学家能够更轻松、更快速地构建、训练和部署机器学习模型。Amazon SageMaker的功能也在快速迭代中，过去一年就交付了50多项新功能。在今年的re:Invent大会上，AWS再次带来了9项新功能。
新推出的数据特征提取器（Data Wrangler）可以提高机器学习数据准备的速度。通过Data Wrangler做数据准备，只需把Data Wrangler指向合适的AWS数据存储或第三方数据存储，Data Wrangler内置超过300种数据转换，可以自动识别数据类型，推荐合适的转换。它可以在控制面板合并、组合多个功能，可以在SageMaker Studio中预览数据转换，然后应用到整个数据集。
其它新功能包括数据特征存储库（Feature Store）、自动化工作流（Pipelines）、模型偏差检测（Clarify）、大型复杂深度学习模型的分布式训练（Distributed Training）、边缘端模型质量监控和管理（Edge Manager）和快捷起步工具（JumpStart）等。
不断丰富的新功能，让Amazon SageMaker在推出仅有三年的时间里，就已经获得了包括3M、拜耳、GE医疗、iHeartMedia、摩根大通、联想、Lyft、T-Mobile、汤森路透等在内的数万家客户的青睐。
从本次亚马逊re:Invent大会上透漏出的信息不难发现，AWS正在前所未有的关注机器学习与其相关服务，一系列的扩圈举措，都表明了AWS对机器学习与人工智能计算业务的重视与看好。
Swami表示，“云计算释放出巨大的力量，帮助各种创业公司和成熟企业取得了巨大的成功。机器学习目前就处于那样的早期阶段。”
换而言之，机器学习就是AWS的下一个金矿。AWS的机器学习服务将为广大AI工作者提供源动力，无论是企业客户，还是行业客户，甚至是个人开发者与AI领域从业者，未来都可以借助AWS的机器学习服务为自身赋能。
网友评论