AWS如何為AI工作者賦能,aws提供了哪些云服務(wù)器-ESG跨境

AWS如何為AI工作者賦能,aws提供了哪些云服務(wù)器

AWS如何為AI工作者賦能

如今，達(dá)美樂披薩可以應(yīng)用機(jī)器學(xué)習(xí)下單，顧客下單后10分鐘左右，達(dá)美樂就能提供出新鮮的披薩；美國運(yùn)通公司Kabbage將機(jī)器學(xué)習(xí)應(yīng)用于貸款服務(wù)，并用來支持保護(hù)計(jì)劃；寶馬使用Amazon SageMaker分析和豐富超過7PB字節(jié)的數(shù)據(jù)，以預(yù)測全球范圍內(nèi)的模型組合和個(gè)別設(shè)備的需求。

這是幾個(gè)企業(yè)使用亞馬遜云服務(wù)（AWS）機(jī)器學(xué)習(xí)服務(wù)的成功實(shí)踐。事實(shí)上，全球已經(jīng)有超過10萬客戶正在使用AWS的機(jī)器學(xué)習(xí)服務(wù)。

有研究機(jī)構(gòu)指出，在數(shù)字經(jīng)濟(jì)時(shí)代，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年產(chǎn)生的數(shù)據(jù)還要多。而處理這些海量數(shù)據(jù)，需要用數(shù)據(jù)采集、聚合工具，與機(jī)器學(xué)習(xí)模型相結(jié)合，以幫助人們分析、理解這些信息。因此，機(jī)器學(xué)習(xí)將成為這個(gè)時(shí)代的主流技術(shù)之一。如同AWS全球機(jī)器學(xué)習(xí)副總裁Swami Sivasubramanian （簡稱Swami） 在亞馬遜re：Invent大會上所言，“機(jī)器學(xué)習(xí)是我們這一代人遇到的最具顛覆性的技術(shù)之一?！?/p>

三層工具集為AI工作者賦能

德勤曾在《全球人工智能發(fā)展白皮書》中預(yù)測，到2025年，世界人工智能市場規(guī)模將超過6萬億美元。而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)域之一，89%的人工智能專利申請和40%人工智能范圍內(nèi)的相關(guān)專利均屬于機(jī)器學(xué)習(xí)的范疇。

而為了迎接數(shù)字經(jīng)濟(jì)的發(fā)展，許多國家和地區(qū)都將人工智能列為優(yōu)先發(fā)展的國家戰(zhàn)略，我國也不例外。但據(jù)我國人社部官網(wǎng)報(bào)道，目前我國人工智能人才的缺口已超過500萬，國內(nèi)的供求比例為1：10，供需比例嚴(yán)重失衡。

為了幫助解決人工智能人才的難題，為人工智能工作者賦能，AWS在本次亞馬遜re：Invent大會上推出了豐富的機(jī)器學(xué)習(xí)工具集，該工具集包括三個(gè)層面：

第一，工具集的底層，面向技術(shù)能力超強(qiáng)的企業(yè)客戶。這類企業(yè)通常都將人工智能和機(jī)器學(xué)習(xí)作為自己的核心競爭力。

AWS可以為他們提供強(qiáng)大的算力、全面的算力選擇、豐富的機(jī)器學(xué)習(xí)框架選擇。據(jù)悉，目前AWS可以支持所有主流的機(jī)器學(xué)習(xí)框架，當(dāng)然，客戶也可以通過容器部署的方式，自帶機(jī)器學(xué)習(xí)框架；AWS還可以提供基于英偉達(dá)、英特爾、AMD、賽靈思等芯片廠商的最新處理器的強(qiáng)大算力，同時(shí)還可以通過自主設(shè)計(jì)的處理器，極大降低機(jī)器學(xué)習(xí)的算力成本。

第二，工具集的中間層，面向技術(shù)能力較強(qiáng)的企業(yè)客戶。這類企業(yè)通常有大量的數(shù)據(jù)可以進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練，而且擁有一定數(shù)量的精通算法的人才，不需要花費(fèi)大量精力去管理基礎(chǔ)設(shè)施，可以專注于自己的應(yīng)用和業(yè)務(wù)創(chuàng)新。

AWS的Amazon SageMaker可以為他們提供首個(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。

第三，工具集的頂層，面向技術(shù)能力相對薄弱的企業(yè)客戶。這類企業(yè)擁有一定的數(shù)據(jù)，但是沒有精通算法的人才，他們希望能在業(yè)務(wù)場景中直接引入人工智能。

AWS可以為這類企業(yè)提供開箱即用的人工智能服務(wù)，目前已經(jīng)涵蓋機(jī)器視覺、語音文字轉(zhuǎn)換、機(jī)器對話、文本處理、電商業(yè)務(wù)、客服、企業(yè)內(nèi)信息搜索、開發(fā)與運(yùn)維、工業(yè)AI等方面。

通過這個(gè)全面的工具集，AWS可以覆蓋和賦能所有的人工智能工作者。

大力發(fā)展機(jī)器學(xué)習(xí)的中間力量

其中，特別值得一提的是全托管服務(wù)Amazon SageMaker，作為面向機(jī)器學(xué)習(xí)開發(fā)者的集成開發(fā)環(huán)境，它能化繁為簡，使開發(fā)人員和數(shù)據(jù)科學(xué)家從根本上更輕松、更快速地構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型。

據(jù)了解，自推出以來，Amazon SageMaker一直在快速迭代。在過去一年中，Amazon SageMaker交付了50多項(xiàng)新功能。在本次re：Invent大會上，AWS再次發(fā)布了9項(xiàng)新功能，包括數(shù)據(jù)特征提取器Data Wranger、數(shù)據(jù)特征存儲庫Feature Store、自動化工作流Pipelines、模型偏差檢測Clarify、對模型訓(xùn)練進(jìn)行剖析的Deep Profiling for Amazon SageMaker Debugger、大型復(fù)雜深度學(xué)習(xí)模型的分布式訓(xùn)練Distributed Training、邊緣端模型質(zhì)量監(jiān)控和管理Edge Manager和快捷起步工具JumpStart。

據(jù)Swami透露，不斷豐富的新功能，讓Amazon SageMaker備受客戶歡迎。雖然只推出短短三年時(shí)間，但已擁有了數(shù)萬家客戶，如3M、ADP、阿斯利康、Avis、拜耳、Bundesliga、Capital One、Cerner、ChickfilA、Convoy、達(dá)美樂比薩、富達(dá)投資、GE醫(yī)療、GeorgiaPacific、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、聯(lián)想、Lyft、國家橄欖球聯(lián)盟、Nerdwallet、TMobile、湯森路透、Vanguard等知名企業(yè)。

而為了讓機(jī)器學(xué)習(xí)更易用，更易拓展到廣泛的使用者、應(yīng)用場景和行業(yè)，AWS不僅打造了豐富的工具集，還推出了五項(xiàng)面向工業(yè)領(lǐng)域的開箱即用的解決方案，并將機(jī)器學(xué)習(xí)能力跟數(shù)據(jù)庫進(jìn)行嫁接，讓機(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。

事實(shí)上，亞馬遜本身利用機(jī)器學(xué)習(xí)技術(shù)已經(jīng)有20多年時(shí)間了。AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡指出，“這是AWS機(jī)器學(xué)習(xí)服務(wù)的深厚源泉?！睋?jù)悉，2016年，AWS就開始在云上提供機(jī)器學(xué)習(xí)服務(wù)，并發(fā)布了三個(gè)服務(wù)。2017年，AWS開始加速，最近三年，AWS每年新增的機(jī)器學(xué)習(xí)服務(wù)和功能都超過200個(gè)。僅2020年一年，AWS就新增了250多項(xiàng)機(jī)器學(xué)習(xí)功能，釋放了巨大的技術(shù)能力。

Swami強(qiáng)調(diào)，如今機(jī)器學(xué)習(xí)的技術(shù)壁壘已經(jīng)大大降低，使AI工作者們能夠在具有挑戰(zhàn)性的問題上快速應(yīng)用機(jī)器學(xué)習(xí)服務(wù)，快速響應(yīng)這個(gè)不斷變化的世界。尤其是在新冠疫情之下，企業(yè)可以應(yīng)用機(jī)器學(xué)習(xí)來追蹤疾病，找到新的方法來治療病人，并加速疫苗的研發(fā)。“他們能夠做到這一點(diǎn)，是因?yàn)樗麄兊哪Ｐ徒ㄔ煺吣軌虺浞掷脵C(jī)器學(xué)習(xí)的潛力，發(fā)明這些技術(shù)，這也是驅(qū)動我們創(chuàng)新以及我們?yōu)槭裁匆粩嗤瞥鲂鹿δ艿脑颉！?/p>
文章推薦
Azure IoT Central 設(shè)備開發(fā)指南,azure iot 開發(fā)語言
GCM(Google Cloud Messaging)推快遞完全解析
Android Studio接入U(xiǎn)nityAds（上）之如何向Android Studio內(nèi)導(dǎo)入.arr包,beats studio buds與airpods pro
App研發(fā)過程中不能踩的七大雷區(qū)（上）,app研發(fā)的目的

特別聲明：以上文章內(nèi)容僅代表作者本人觀點(diǎn)，不代表ESG跨境電商觀點(diǎn)或立場。如有關(guān)于作品內(nèi)容、版權(quán)或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。