“我們正在開(kāi)啟機器學(xué)習的黃金時(shí)代。”

　　AWS 首席云計算企業(yè)戰略顧問(wèn)張俠博士表示，以前阻礙機器學(xué)習在現實(shí)世界應用的許多限制開(kāi)始消失。全球各地的公司，從初創(chuàng )公司到大型企業(yè)，部署機器學(xué)習應用程序幾乎是普遍的重中之重。

　　幾乎每一個(gè)行業(yè)和細分市場(chǎng)，都開(kāi)始將機器學(xué)習應用于其工作負載，從數據中獲得更多價(jià)值，獲得洞察，提升業(yè)務(wù)。機器學(xué)習的黃金時(shí)代也是 AWS 的黃金時(shí)代。

　　機器學(xué)習黃金時(shí)代的 AWS

　　“目前有數萬(wàn)家全球各種各樣的企業(yè)選擇 AWS 來(lái)運行機器學(xué)習的負載，據我們所知，采用 AWS 機器學(xué)習的客戶(hù)數量高于任何其他廠(chǎng)商至少兩倍。”AWS 首席云計算企業(yè)戰略顧問(wèn)張俠表示。

　　人工智能大概率成為確定性事件，越來(lái)越多的企業(yè)內部開(kāi)始運行深度學(xué)習、機器學(xué)習等負載，亞馬遜是最早的一批企業(yè)，自電商時(shí)代起始，亞馬遜的商品推薦、搜索、物流配送等業(yè)務(wù)都融入了機器學(xué)習，誕生出送貨機器人、Amazon Echo、Amazon GO 等產(chǎn)品和業(yè)務(wù)。

　　相對來(lái)說(shuō)，機器學(xué)習對企業(yè)仍然是一項非常復雜的工作，大多數企業(yè)并不具備獨立開(kāi)發(fā)機器學(xué)習模型的能力，AWS 等廠(chǎng)商則扮演“云梯”的角色。

　　比如開(kāi)發(fā)者和數據科學(xué)家首先必須對數據進(jìn)行可視化、轉換和預處理，這些數據才能變成算法可以使用的格式，用以訓練模型;從選擇和優(yōu)化算法，到調節影響模型準確性的數百萬(wàn)個(gè)參數，訓練模型的所有階段都需要大量的人力和猜測;在應用程序中部署訓練好的模型時(shí)，客戶(hù)又需要另一套應用設計和分布式系統方面的專(zhuān)業(yè)技能。

　　此外，隨著(zhù)數據集和變量數的增加，模型會(huì )過(guò)時(shí)，客戶(hù)又必須一次又一次地重新訓練模型，讓模型從新的信息中學(xué)習和進(jìn)化。所有這些工作都需要大量的專(zhuān)業(yè)知識，并耗費龐大的算力、數據存儲和時(shí)間成本。而且，由于沒(méi)有集成化的工具用于整個(gè)機器學(xué)習的工作流，機器學(xué)習模型的傳統開(kāi)發(fā)方式是復雜、繁復和昂貴的。

　　AWS 提供的機器學(xué)習解決方案是一個(gè)包括三層的服務(wù)堆棧。

　　底層是機器學(xué)習框架和基礎架構，AWS 支持 TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras 等機器學(xué)習框架。在基礎架構方面，AWS 虛機提供各種各樣的實(shí)例，同時(shí)提供現成的亞馬遜機器鏡像 AMI(Amazon Machine Image)。

　　張俠表示，“我們的策略是全方位的支持各種各樣的開(kāi)源框架，因為不同的框架有不同的特點(diǎn)、不同的使用場(chǎng)景，所以我們并不局限于某一個(gè)框架，而是全方位支持。”

　　AWS 機器學(xué)習解決方案上層是訓練好的人工智能服務(wù)，這些服務(wù)主要解決與人類(lèi)認知相關(guān)的典型問(wèn)題。例如，計算機視覺(jué)方面的服務(wù)，可以識別圖像或視頻中的對象、人員、文本、場(chǎng)景、活動(dòng)和不安全或不適宜的內容。個(gè)性化推薦服務(wù)可以從庫存中向消費者推薦多種產(chǎn)品和服務(wù)?？蛻?hù)可以直接在其應用中調用 AWS 提供的這些人工智能服務(wù)，而無(wú)需關(guān)注服務(wù)背后的機器學(xué)習模型。

　　中間層是機器學(xué)習服務(wù)，主要目標是消除機器學(xué)習過(guò)程中的繁重工作，讓開(kāi)發(fā)高質(zhì)量模型變得更加輕松。依靠的是 Amazon SageMaker 托管服務(wù)，也是本次 AWS 強調的重點(diǎn)。

　　Amazon SageMaker 落地中國

　　張俠介紹，制約人工智能廣泛應用的因素有三個(gè)方面，導致缺乏低成本、易使用、可擴展的人工智能產(chǎn)品和服務(wù)，分別是：

　　掌握人工智能專(zhuān)業(yè)知識的人才不足;

　　構建和擴展人工智能的技術(shù)產(chǎn)品有難度;

　　在生產(chǎn)經(jīng)營(yíng)中部署人工智能應用費時(shí)且成本高。

　　Amazon SageMaker 就是為了消除機器學(xué)習各步驟的繁重工作而來(lái)。5 月 12 日，AWS 宣布 Amazon SageMaker 在由西云數據運營(yíng)的 AWS 中國 (寧夏) 區域和光環(huán)新網(wǎng)運營(yíng)的 AWS 中國(北京)區域正式上線(xiàn)。

　　通過(guò)預置的 Notebook、針對 PB 級數據集優(yōu)化的常用算法，以及自動(dòng)模型調優(yōu)，Amazon SageMaker 降低了模型構建和訓練的難度。并且，Amazon SageMaker 簡(jiǎn)化和加快了模型訓練過(guò)程，可以通過(guò)自動(dòng)提供和管理基礎設施來(lái)訓練模型和運行推理。

　　同時(shí)，AWS 最近宣布了多項重要功能和高級特性，讓客戶(hù)能夠更輕松地構建、訓練、調優(yōu)和部署機器學(xué)習模型。這些功能包括：

　　面向機器學(xué)習的集成開(kāi)發(fā)環(huán)境(IDE)：Amazon SageMaker Studio 將所有用于機器學(xué)習的組件集中，開(kāi)發(fā)者可以在 Amazon SageMaker Studio 中查看和組織源代碼、依賴(lài)項、文檔和其它應用程序資產(chǎn)，Amazon SageMaker Studio 使構建、訓練、解釋、檢查、監視、調試和運行機器學(xué)習模型變得更簡(jiǎn)單、更快。

　　彈性筆記本：Amazon SageMaker Notebooks 提供了一鍵啟用的 Jupyter Notebook，具有秒級的彈性計算提升能力，讓開(kāi)發(fā)者可以輕松地調高或降低 Notebook 需要的算力(包括 GPU 加速)，這些調整在后臺自動(dòng)發(fā)生，不會(huì )打斷開(kāi)發(fā)者的工作。Amazon SageMaker Notebook 還可以自動(dòng)復制特定環(huán)境和庫依賴(lài)項，實(shí)現 Notebook 一鍵共享。

　　實(shí)驗管理：Amazon SageMaker Experiments 可以幫助開(kāi)發(fā)者組織和跟蹤機器學(xué)習模型的迭代。Amazon SageMaker Experiments 自動(dòng)捕獲輸入參數、配置和結果，并將它們存儲為“實(shí)驗”，幫助開(kāi)發(fā)者管理這些迭代。Amazon SageMaker Experiments 使開(kāi)發(fā)者更容易快速迭代和開(kāi)發(fā)高質(zhì)量的模型。

　　調試與分析：Amazon SageMaker Debugger 用于調試和分析模型訓練，提高準確性，減少訓練時(shí)間，讓開(kāi)發(fā)者更好地理解模型。使用 Amazon SageMaker Debugger，在 Amazon SageMaker 中訓練的模型將自動(dòng)發(fā)出收集到的關(guān)鍵指標，Amazon SageMaker Debugger 也可幫助開(kāi)發(fā)者解讀模型是如何工作的，向神經(jīng)網(wǎng)絡(luò )的可解釋性邁出了第一步。

　　自動(dòng)構建模型：Amazon SageMaker Autopilot 是業(yè)內首個(gè)可以讓開(kāi)發(fā)者對其模型保持控制和可見(jiàn)性的自動(dòng)化機器學(xué)習功能。Amazon SageMaker Autopilot 會(huì )自動(dòng)檢查原始數據，應用特征處理器，挑選最佳算法集，訓練多個(gè)模型，對它們進(jìn)行調優(yōu)，跟蹤其性能，然后根據性能對模型進(jìn)行排名，開(kāi)發(fā)者能夠針對應用場(chǎng)景選擇最佳模型，并且可以結合不同的優(yōu)化因子考慮多個(gè)候選模型。

　　概念漂移檢測：Amazon SageMaker Model Monitor 允許開(kāi)發(fā)者檢測和糾正概念漂移(concept drift)。開(kāi)發(fā)者可以使用 Amazon SageMaker Model Monitor 的開(kāi)箱即用功能檢測漂移，也可以為 Amazon SageMaker Model Monitor 編寫(xiě)自己的規則用于監測。Amazon SageMaker Model Monitor 讓開(kāi)發(fā)者更容易調整訓練數據或算法以解決概念漂移問(wèn)題。

　　IDC 報告指出，中國人工智能市場(chǎng)已成為全球第二大人工智能單一市場(chǎng)，并且市場(chǎng)規模還在保持高速增長(cháng)。當前 40% 的企業(yè)數字化轉型項目都會(huì )運用人工智能，人工智能將成為各業(yè)務(wù)部門(mén)不可或缺的一部分，推動(dòng)大規模創(chuàng )新并實(shí)現巨大的商業(yè)價(jià)值。
　?。?a href="http://m.lsbmaoyi.com">邯鄲網(wǎng)絡(luò )公司）