AWS用機器學習驅動企業創新,aws 框架結構

用AWS機器推動企業創新學習

為什么各行各業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展的巨大推動力。作為實現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現規律，從而大大加速人工智能在各行業的應用和落地。因此深受開發者的喜愛。這也是為什么業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，無論是金融、醫療、媒體、汽車、制造、零售還是體育行業，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展自己的業務。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，節省了大量的時間和精力，并且大大縮短了部署時間，創新速度更快。

AWS機器的特點學習服務

為什么那么多行業客戶青睞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境。

3。AWS與客戶的合作模式。以“以客戶為中心”為企業文化的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務問題，比如工程上的缺口，產品原型實現上的困難。

機器學習推動企業創新

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手里，而不僅僅是幾個大企業。為此，AWS將全力支持并優化機器學習的框架，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。企業還是需要Amazon SageMaker這個強大的、端到端的、高度集成的case環境來實現應用的快速落地。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、數據開發工程師或者機器學習開發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，這使得開發者能夠快速應用機器學習來解決他們最具挑戰性的問題，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，并學習實現業務流程自動化，以便更快地響應客戶需求。例如，醫療行業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表后的30日內與ESG跨境電商聯系。