您的位置:人工智能 > 无人驾驶 > 继续扩展机器学习 AWS瞄准了哪些方向?

继续扩展机器学习 AWS瞄准了哪些方向?

【人工智能网】

AWS在机械学习上的连续深耕,大大拉近了众多企业与机械学习应用的距离。

出品 | 常言道

作者 | 丁常彦

从行使机械学习手艺到输出开箱即用的机械学习能力,亚马逊用了二十年时间。尤其在近几年,人工智能产业的迅速崛起,亚马逊云服务(AWS)在机械学习服务的打造上也在不停加速。

正如AWS大中华区云服务产物治理总经理顾凡所说,亚马逊行使机械学习手艺已经有20多年时间,这是AWS机械学习服务的深挚源泉。2016年,AWS最先发力在云上提供机械学习服务;昔时只公布了三个服务,2017年最先加速。最近三年,AWS每年新增的服务和功效跨越200个,为全球人工智能事情者厚实了他们急需的工具集。

在刚刚竣事的亚马逊re:Invent大会上,AWS不仅周全展示了关于人工智能与机械学习的最新全景蓝图,还宣布推出一系列新服务和新功效,从而让机械学习更易用和拓展到加倍广漠的使用者、应用场景和行业。

数据爆发式增进 机械学习已经成为主流

有一个事实你可能想象不到:今天一小时发生的数据,比2000年整年发生的数据还要多;未来三年内发生的数据,将比已往30年的还要多。

面临数据的爆炸式增进,我们亟需增强处置海量数据的能力。正由于如此,机械学习和人工智能行业近年来生长迅速,并为各行业组织带来了伟大的变化空间。来自调研机构Gartner公司的观察显示,约有37%的组织在其营业中使用某种类型的机械学习手艺,而且预计到2022年,80%的现代手艺将基于机械学习和人工智能手艺

而在德勤公布的《全球人工智能生长白皮书》也指出,在人工智能众多的分支领域中,机械学习是人工智能的焦点研究领域之一。包罗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械学习范围。

事实上,机械学习的快速崛起很大水平上得益于云盘算的普及,由于机械学习向来是一个盘算量很大的事情负载,只能在最壮大的硬件上运行。近年来,从软件到硬件,手艺的提高从未住手,云盘算所展现出的能力也在不停增强。

这一点从AWS新增的机械学习服务和功效数目也可以显著看出。AWS全球机械学习副总裁Swami Sivasubramanian也以为,机械学习是我们这一代人能遇到最具颠覆性的手艺之一,现在已经有跨越10万客户在使用AWS的机械学习服务,许多客户已经将机械学习用于其焦点营业。

但在机械学习逐渐成为越来越多企业主流应用的今天,人才匮乏的问题日益凸显,并正在成为机械学习普及的瓶颈。面临这一难题,AWS正在加速手艺创新,通过打造更多“开箱即用”的机械学习服务和功效,连续降低企业应用机械学习的门槛。

对此,顾凡示意,AWS机械学习服务和功效的特点主要体现在以下三个层面:首先是服务的宽度和深度,在这方面,AWS秉持的是用合适的工具做合适的事,一把钥匙开一把锁;其次,岂论在云盘算领域照样在机械学习领域,AWS始终都抱着开放的心态,与差别客户的环境举行集成;第三,在服务客户过程中,AWS机械学习一直坚持两个原则:授之以鱼不如授之以渔,以及扶上马送一程,真正确保客户能够充分发挥机械学习的作用和价值。

连续创新 AWS要让机械学习走向普惠

从2016年起,AWS最先不停发力机械学习,并在云上提供机械学习服务。经由近几年的连续创新,AWS在机械学习领域已经构建起一个“全家福”工具集,真正做到了让客户可以“开箱即用”。具体来说,这个工具集总共分为三层:

工具集的底层,主要针对机械学习领域的专家,他们希望将人工智能和机械学习作为自己的焦点竞争力。为了知足他们的需求,AWS提供壮大的算力、周全的算力选择和厚实的机械学习框架选择。

为此,AWS不仅支持主流的机械学习框架,还可以让客户通过容器部署的方式,自带机械学习框架;而在处置器层面,AWS除了支持英伟达、英特尔、AMD、赛灵思等芯片厂商的最新处置器以外,还通过自主设计处置器。在顾凡看来,AWS自主设计的处置器可以极大地降低机械学习的算力成本。

工具集的中间层,主要面向那些手艺能力较强的客户,他们有大量的数据可以举行机械学习模子训练,而且有一定的算法人才,不要花精神治理基础设施,加倍专注于自己的应用和营业创新。

针对这部门客户,AWS的Amazon SageMaker可以提供首个全托管的机械学习集成开发环境,并为这个开发环境不停增添新功效,从数据准备、到模子训练、参数调优与模子迭代、到模子部署、模子质量监控,在整个过程中最大限度地提高他们开展机械学习的效率,降低他们开展机械学习的门槛。

工具集的顶层,主要面向手艺能力相对微弱的客户,他们有数据但没有算法人才,他们希望在营业场景中直接引入人工智能。AWS为他们提供预先训练好的模子,涵盖视觉、语音、对话、文字、营业工具、客服中央、搜索、代码 运维、工业AI等。

对于AWS来说,工具集的每一层都异常主要、不可或缺。只不过相对而言,工具集顶层针对的是人工智能的应用,卖力推动人工智能在各行各业的落地应用,实现AI的普惠,因此近年来这一层所涌现出的服务和功效较多;但这并不代表工具集的中间层和底层并不主要。相反,以SageMaker为焦点的中间层,相当于机械学习的“中场发动机”,可以为未来打造更多的人工智能应用提供壮大动力,并确保机械学习的历久可连续生长;而以算力为焦点的底层,则为机械学习、人工智能等构建起坚实的基础。

继续扩展机械学习 AWS瞄准了哪些偏向?

现在,从媒体到汽车,从金融到工业,机械学习已经深入到越来越多的行业应用中。为了更好地知足差别行业的应用需求,就在不久前的re:Invent大会上,AWS再次推出了一系列针对机械学习的新服务和新功效,这也被AWS成为“扩圈”。

但对于AWS来说,并非所有的机械学习应用都由自己打造,对此,顾凡示意,AWS更多聚焦在架构、平台,以及行业共性问题的解决上。这一点与乐高积木颇为类似,由于差别行业的应用场景差别,因此机械学习的“积木”许多,但并非每一块“积木”都由AWS来打造,AWS主要专注于打造那些“基础积木”,让更多的合作伙伴、开发者和企业客户能基于这些“基础积木”搭建出更多个性化的场景。

在re:Invent大会上,AWS就首次推出开箱即用的工业领域机械学习解决方案,包罗五项可用于工业领域的机械学习服务。这里包罗端到端机械监控系统,可以监测议程并展望何时需要举行工业装备维护;通过盘算机视觉改善工业运营和事情场所平安;为工业客户提供高精度、低成本的产物质量异常检测解决方案等等。

而在Amazon SageMaker方面,在已往一年交付了50多项新功效的基础上,今年的re:Invent大会上,AWS再次公布9项新功效。从数据特征提取器到数据特征存储库,从自动化事情流到模子误差检测,从模子训练到边缘端模子质量监控和治理等,大大提升了有履历用户快速举行模子构建和训练的能力。在推出的短短三年中,Amazon SageMaker已经有几万家客户在使用。

为了将机械学习拓展到数据开发者和数据分析师群体,AWS将机械学习能力跟数据库举行嫁接,让数据库开发者、数据分析师沿用数据库查询的方式,让他们的机械学习想法落地到营业应用中。这里既有Amazon Aurora关系型数据库服务,也有可以自动将查询效果交给机械学习模子举行推理,返回效果的新功效Amazon Aurora ML,以及针对数据查询、数据仓库、图数据库等的一系列新功效。

得益于AWS在机械学习领域的连续创新,已经有越来越多的中国企业最先追求借助机械学习手艺推动自身的转型和创新,企业客户涉及工业、医疗、媒体、汽车、零售等多个行业。顾凡对此示意,相比较外洋企业,中国企业异常乐于推动新手艺的应用;尤其在新基建的靠山下,中国企业正在加速推进数字化转型,由此带来的机械学习应用场景也在不停涌现。除此之外,来自政策层面临机械学习、人工智能等新手艺的支持,也进一步推动了新手艺的落地。

而在辅助企业落地机械学习过程中,AWS则始终秉持“以客户为中央”的理念,不仅努力推动机械学习功效和服务与企业客户的应用场景相融合,也在辅助客户用好这些工具并创造出价值,真正做到了“扶上马送一程”。

近年来,5G、大数据、人工智能、物联网等新一代信息手艺正在加速普及和融合,企业对这些新手艺的应用的广度和深度也在不停拓展。可以预见的是,在这一趋势下,机械学习应用也将出现爆发式增进态势;而AWS在机械学习上的连续深耕,无疑将拉近众多企业与机械学习应用的距离。

性感可爱丝袜女郎高清写真
High definition photo of sexy and lovely stockings girl
上一篇:不只是鸿蒙,为什么物联网操作系统值得去做?
下一篇:产业数字化浪潮下,百度地图数据如何达成产业服务?

您可能喜欢