AWS在機(jī)器學(xué)習(xí)上的持續(xù)深耕,大大拉近了眾多企業(yè)與機(jī)器學(xué)習(xí)應(yīng)用的距離。

出品 | 常言道

作者 | 丁常彥

從利用機(jī)器學(xué)習(xí)技術(shù)到輸出開箱即用的機(jī)器學(xué)習(xí)能力,亞馬遜用了二十年時(shí)間。尤其在近幾年,人工智能產(chǎn)業(yè)的迅速崛起,亞馬遜云服務(wù)(AWS)在機(jī)器學(xué)習(xí)服務(wù)的打造上也在不斷加速。

正如AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡所說,亞馬遜利用機(jī)器學(xué)習(xí)技術(shù)已經(jīng)有20多年時(shí)間,這是AWS機(jī)器學(xué)習(xí)服務(wù)的深厚源泉。2016年,AWS開始發(fā)力在云上提供機(jī)器學(xué)習(xí)服務(wù);當(dāng)年只發(fā)布了三個(gè)服務(wù),2017年開始加速。最近三年,AWS每年新增的服務(wù)和功能超過200個(gè),為全球人工智能工作者豐富了他們急需的工具集。

在剛剛結(jié)束的亞馬遜re:Invent大會上,AWS不僅全面展示了關(guān)于人工智能與機(jī)器學(xué)習(xí)的最新全景藍(lán)圖,還宣布推出一系列新服務(wù)和新功能,從而讓機(jī)器學(xué)習(xí)更易用和拓展到更加廣闊的使用者、應(yīng)用場景和行業(yè)。

數(shù)據(jù)爆發(fā)式增長 機(jī)器學(xué)習(xí)已經(jīng)成為主流

有一個(gè)事實(shí)你可能想象不到:今天一小時(shí)產(chǎn)生的數(shù)據(jù),比2000年全年產(chǎn)生的數(shù)據(jù)還要多;未來三年內(nèi)產(chǎn)生的數(shù)據(jù),將比過去30年的還要多。

面對數(shù)據(jù)的爆炸式增長,我們亟需增強(qiáng)處理海量數(shù)據(jù)的能力。正因?yàn)槿绱?機(jī)器學(xué)習(xí)和人工智能行業(yè)近年來發(fā)展迅速,并為各行業(yè)組織帶來了巨大的變革空間。來自調(diào)研機(jī)構(gòu)Gartner公司的調(diào)查顯示,約有37%的組織在其業(yè)務(wù)中使用某種類型的機(jī)器學(xué)習(xí)技術(shù),并且預(yù)計(jì)到2022年,80%的現(xiàn)代技術(shù)將基于機(jī)器學(xué)習(xí)和人工智能技術(shù)。

而在德勤發(fā)布的《全球人工智能發(fā)展白皮書》也指出,在人工智能眾多的分支領(lǐng)域中,機(jī)器學(xué)習(xí)是人工智能的核心研究領(lǐng)域之一。包括89%的人工智能專利申請和40%人工智能范圍內(nèi)的相關(guān)專利均為機(jī)器學(xué)習(xí)范疇。

事實(shí)上,機(jī)器學(xué)習(xí)的快速崛起很大程度上得益于云計(jì)算的普及,因?yàn)闄C(jī)器學(xué)習(xí)歷來是一個(gè)計(jì)算量很大的工作負(fù)載,只能在最強(qiáng)大的硬件上運(yùn)行。近年來,從軟件到硬件,技術(shù)的進(jìn)步從未停止,云計(jì)算所展現(xiàn)出的能力也在不斷增強(qiáng)。

這一點(diǎn)從AWS新增的機(jī)器學(xué)習(xí)服務(wù)和功能數(shù)量也可以明顯看出。AWS全球機(jī)器學(xué)習(xí)副總裁Swami Sivasubramanian也認(rèn)為,機(jī)器學(xué)習(xí)是我們這一代人能遇到最具顛覆性的技術(shù)之一,目前已經(jīng)有超過10萬客戶在使用AWS的機(jī)器學(xué)習(xí)服務(wù),很多客戶已經(jīng)將機(jī)器學(xué)習(xí)用于其核心業(yè)務(wù)。

但在機(jī)器學(xué)習(xí)逐漸成為越來越多企業(yè)主流應(yīng)用的今天,人才匱乏的問題日益凸顯,并正在成為機(jī)器學(xué)習(xí)普及的瓶頸。面對這一難題,AWS正在加速技術(shù)創(chuàng)新,通過打造更多“開箱即用”的機(jī)器學(xué)習(xí)服務(wù)和功能,持續(xù)降低企業(yè)應(yīng)用機(jī)器學(xué)習(xí)的門檻。

對此,顧凡表示,AWS機(jī)器學(xué)習(xí)服務(wù)和功能的特點(diǎn)主要體現(xiàn)在以下三個(gè)層面:首先是服務(wù)的寬度和深度,在這方面,AWS秉持的是用合適的工具做合適的事,一把鑰匙開一把鎖;其次,不論在云計(jì)算領(lǐng)域還是在機(jī)器學(xué)習(xí)領(lǐng)域,AWS始終都抱著開放的心態(tài),與不同客戶的環(huán)境進(jìn)行集成;第三,在服務(wù)客戶過程中,AWS機(jī)器學(xué)習(xí)一直堅(jiān)持兩個(gè)原則:授之以魚不如授之以漁,以及扶上馬送一程,真正確保客戶能夠充分發(fā)揮機(jī)器學(xué)習(xí)的作用和價(jià)值。

持續(xù)創(chuàng)新 AWS要讓機(jī)器學(xué)習(xí)走向普惠

從2016年起,AWS開始不斷發(fā)力機(jī)器學(xué)習(xí),并在云上提供機(jī)器學(xué)習(xí)服務(wù)。經(jīng)過近幾年的持續(xù)創(chuàng)新,AWS在機(jī)器學(xué)習(xí)領(lǐng)域已經(jīng)構(gòu)建起一個(gè)“全家�！惫ぞ呒�,真正做到了讓客戶可以“開箱即用”。具體來說,這個(gè)工具集總共分為三層:

工具集的底層,主要針對機(jī)器學(xué)習(xí)領(lǐng)域的專家,他們希望將人工智能和機(jī)器學(xué)習(xí)作為自己的核心競爭力。為了滿足他們的需求,AWS提供強(qiáng)大的算力、全面的算力選擇和豐富的機(jī)器學(xué)習(xí)框架選擇。

為此,AWS不僅支持主流的機(jī)器學(xué)習(xí)框架,還可以讓客戶通過容器部署的方式,自帶機(jī)器學(xué)習(xí)框架;而在處理器層面,AWS除了支持英偉達(dá)、英特爾、AMD、賽靈思等芯片廠商的最新處理器以外,還通過自主設(shè)計(jì)處理器。在顧凡看來,AWS自主設(shè)計(jì)的處理器可以極大地降低機(jī)器學(xué)習(xí)的算力成本。

工具集的中間層,主要面向那些技術(shù)能力較強(qiáng)的客戶,他們有大量的數(shù)據(jù)可以進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練,而且有一定的算法人才,不要花精力管理基礎(chǔ)設(shè)施,更加專注于自己的應(yīng)用和業(yè)務(wù)創(chuàng)新。

針對這部分客戶,AWS的Amazon SageMaker可以提供首個(gè)全托管的機(jī)器學(xué)習(xí)集成開發(fā)環(huán)境,并為這個(gè)開發(fā)環(huán)境不斷增加新功能,從數(shù)據(jù)準(zhǔn)備、到模型訓(xùn)練、參數(shù)調(diào)優(yōu)與模型迭代、到模型部署、模型質(zhì)量監(jiān)控,在整個(gè)過程中最大限度地提高他們開展機(jī)器學(xué)習(xí)的效率,降低他們開展機(jī)器學(xué)習(xí)的門檻。

工具集的頂層,主要面向技術(shù)能力相對薄弱的客戶,他們有數(shù)據(jù)但沒有算法人才,他們希望在業(yè)務(wù)場景中直接引入人工智能。AWS為他們提供預(yù)先訓(xùn)練好的模型,涵蓋視覺、語音、對話、文字、業(yè)務(wù)工具、客服中心、搜索、代碼+運(yùn)維、工業(yè)AI等。

對于AWS來說,工具集的每一層都非常重要、不可或缺。只不過相對而言,工具集頂層針對的是人工智能的應(yīng)用,負(fù)責(zé)推動人工智能在各行各業(yè)的落地應(yīng)用,實(shí)現(xiàn)AI的普惠,因此近年來這一層所涌現(xiàn)出的服務(wù)和功能較多;但這并不代表工具集的中間層和底層并不重要。相反,以SageMaker為核心的中間層,相當(dāng)于機(jī)器學(xué)習(xí)的“中場發(fā)動機(jī)”,可以為未來打造更多的人工智能應(yīng)用提供強(qiáng)大動力,并確保機(jī)器學(xué)習(xí)的長期可持續(xù)發(fā)展;而以算力為核心的底層,則為機(jī)器學(xué)習(xí)、人工智能等構(gòu)建起堅(jiān)實(shí)的基礎(chǔ)。

繼續(xù)擴(kuò)展機(jī)器學(xué)習(xí) AWS瞄準(zhǔn)了哪些方向?

如今,從媒體到汽車,從金融到工業(yè),機(jī)器學(xué)習(xí)已經(jīng)深入到越來越多的行業(yè)應(yīng)用中。為了更好地滿足不同行業(yè)的應(yīng)用需求,就在不久前的re:Invent大會上,AWS再次推出了一系列針對機(jī)器學(xué)習(xí)的新服務(wù)和新功能,這也被AWS成為“擴(kuò)圈”。

但對于AWS來說,并非所有的機(jī)器學(xué)習(xí)應(yīng)用都由自己打造,對此,顧凡表示,AWS更多聚焦在架構(gòu)、平臺,以及行業(yè)共性問題的解決上。這一點(diǎn)與樂高積木頗為類似,由于不同行業(yè)的應(yīng)用場景不同,因此機(jī)器學(xué)習(xí)的“積木”很多,但并非每一塊“積木”都由AWS來打造,AWS主要專注于打造那些“基礎(chǔ)積木”,讓更多的合作伙伴、開發(fā)者和企業(yè)客戶能基于這些“基礎(chǔ)積木”搭建出更多個(gè)性化的場景。

在re:Invent大會上,AWS就首次推出開箱即用的工業(yè)領(lǐng)域機(jī)器學(xué)習(xí)解決方案,包括五項(xiàng)可用于工業(yè)領(lǐng)域的機(jī)器學(xué)習(xí)服務(wù)。這里包括端到端機(jī)器監(jiān)控系統(tǒng),可以監(jiān)測議程并預(yù)測何時(shí)需要進(jìn)行工業(yè)設(shè)備維護(hù);通過計(jì)算機(jī)視覺改善工業(yè)運(yùn)營和工作場所安全;為工業(yè)客戶提供高精度、低成本的產(chǎn)品質(zhì)量異常檢測解決方案等等。

而在Amazon SageMaker方面,在過去一年交付了50多項(xiàng)新功能的基礎(chǔ)上,今年的re:Invent大會上,AWS再次發(fā)布9項(xiàng)新功能。從數(shù)據(jù)特征提取器到數(shù)據(jù)特征存儲庫,從自動化工作流到模型偏差檢測,從模型訓(xùn)練到邊緣端模型質(zhì)量監(jiān)控和管理等,大大提升了有經(jīng)驗(yàn)用戶快速進(jìn)行模型構(gòu)建和訓(xùn)練的能力。在推出的短短三年中,Amazon SageMaker已經(jīng)有幾萬家客戶在使用。

為了將機(jī)器學(xué)習(xí)拓展到數(shù)據(jù)開發(fā)者和數(shù)據(jù)分析師群體,AWS將機(jī)器學(xué)習(xí)能力跟數(shù)據(jù)庫進(jìn)行嫁接,讓數(shù)據(jù)庫開發(fā)者、數(shù)據(jù)分析師沿用數(shù)據(jù)庫查詢的方式,讓他們的機(jī)器學(xué)習(xí)想法落地到業(yè)務(wù)應(yīng)用中。這里既有Amazon Aurora關(guān)系型數(shù)據(jù)庫服務(wù),也有可以自動將查詢結(jié)果交給機(jī)器學(xué)習(xí)模型進(jìn)行推理,返回結(jié)果的新功能Amazon Aurora ML,以及針對數(shù)據(jù)查詢、數(shù)據(jù)倉庫、圖數(shù)據(jù)庫等的一系列新功能。

得益于AWS在機(jī)器學(xué)習(xí)領(lǐng)域的持續(xù)創(chuàng)新,已經(jīng)有越來越多的中國企業(yè)開始尋求借助機(jī)器學(xué)習(xí)技術(shù)推動自身的轉(zhuǎn)型和創(chuàng)新,企業(yè)客戶涉及工業(yè)、醫(yī)療、媒體、汽車、零售等多個(gè)行業(yè)。顧凡對此表示,相比較國外企業(yè),中國企業(yè)非常樂于推動新技術(shù)的應(yīng)用;尤其在新基建的背景下,中國企業(yè)正在加速推進(jìn)數(shù)字化轉(zhuǎn)型,由此帶來的機(jī)器學(xué)習(xí)應(yīng)用場景也在不斷涌現(xiàn)。除此之外,來自政策層面對機(jī)器學(xué)習(xí)、人工智能等新技術(shù)的支持,也進(jìn)一步推動了新技術(shù)的落地。

而在幫助企業(yè)落地機(jī)器學(xué)習(xí)過程中,AWS則始終秉持“以客戶為中心”的理念,不僅積極推動機(jī)器學(xué)習(xí)功能和服務(wù)與企業(yè)客戶的應(yīng)用場景相融合,也在幫助客戶用好這些工具并創(chuàng)造出價(jià)值,真正做到了“扶上馬送一程”。

近年來,5G、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等新一代信息技術(shù)正在加速普及和融合,企業(yè)對這些新技術(shù)的應(yīng)用的廣度和深度也在不斷拓展。可以預(yù)見的是,在這一趨勢下,機(jī)器學(xué)習(xí)應(yīng)用也將呈現(xiàn)爆發(fā)式增長態(tài)勢;而AWS在機(jī)器學(xué)習(xí)上的持續(xù)深耕,無疑將拉近眾多企業(yè)與機(jī)器學(xué)習(xí)應(yīng)用的距離。