Right tool for the right job ! 机器学习的伟大歌声与平凡之路

关注我们 牛年牛气冲天

作为专业的机器学习开发人员，你需要什么样的AI平台和工具？

作为企业的数据开发者和数据分析师，你又需要什么样的AI平台和工具？

不管你是哪类应用人群，亚马逊云服务（AWS）机器学习平台都能为你所用，而且保证好用、易用！

正如AWS大中华区云服务产品管理总经理顾凡所说，Right tool for the right job! AWS要为每一项工作都提供趁手的工具。

时代赋予的机遇

15年前，AWS全球机器学习副总裁Swami Sivasubramanian刚刚研究生毕业，便加入AWS开始了他的云计算事业。他的职业生涯也正是全球云计算发展最快速、最辉煌的时期。如今，作为AWS主管机器学习的副总裁，Swami再次见证并亲身参与了一个同15年前的云计算一样充满活力和巨大增长潜力的市场——机器学习是AWS的下一个金矿。AWS当前最重要的使命之一，就是让机器学习更易用，并拓展到更加广阔的应用场景、行业和使用者。

亚马逊利用机器学习技术已经有20多年的历史。早在2016年，AWS便开始大力开拓机器学习市场，并在云上提供机器学习服务，当年只推出了三项机器学习服务，而这之后的每年都在加速发展，最近三年每年新发布的机器学习服务和功能都超过200个，不断丰富着全球人工智能工作者急需的工具集。

“机器学习，是我们这一代人能遇到的最具颠覆性的技术之一。”Swami在2020年亚马逊re:Invent大会上发表演讲时十分感慨，目前全球有超过10万客户在使用AWS的机器学习服务，其中很多已将机器学习用于其核心业务。

人工智能、机器学习正在“飞入寻常百姓家”。这不仅是AWS的愿景，更是数字经济时代发展的必然趋势和结果。德勤发布的《全球人工智能发展白皮书》预测，到2025年，全球人工智能市场整体规模将超过6万亿美元。

机器学习的中流砥柱

人工智能和机器学习在全球的快速普及，与专业人才的匮乏之间形式了鲜明对比，这也是人工智能和机器学习所遇到的最大障碍之一。国家工业信息安全发展研究中心在《2020人工智能与制造业融合发展白皮书》中指出，当前的人才匮乏问题尤为突出。据人社部的测算，目前我国人工智能人才的缺口超过500万，供需比例严重失衡。

解决这一难题最有效方式就是打造更多开箱即用的机器学习工具，降低机器学习的应用门槛。AWS正是这样做的。在2020年的re:Invent大会上，AWS一口气发布了5项用于工业领域的机器学习服务，包括Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一体机、AWS Panorama SDK和Amazon Lookout for Vision。这也是AWS首次推出开箱即用的工业领域机器学习解决方案。

透过现象看本质。在这背后，我们看到的是AWS致力于为每一位AI工作者打造包罗万象且易用的机器学习工具箱。

众所周知，Amazon SageMaker是AWS机器学习平台最强大的“王牌”，也是支撑机器学习应用的中流砥柱。在2020年的re:Invent大会上，Amazon SageMaker再添9项新功能，不仅快上加快，而且简单再简单。

Amazon SageMaker是面向机器学习开发者的一个集成开发环境，是一项全托管的服务。它消除了机器学习过程中每个阶段的挑战，化繁为简，使得专业开发人员和数据科学家能够更轻松、更快速地构建、训练和部署机器学习模型。Amazon SageMaker的功能一直在快速迭代之中，仅2019年一年就交付了50多项新功能。在2020年的re:Invent大会上，AWS新增的9项功能包括数据特征提取器Data Wranger、数据特征存储库Feature Store、自动化工作流Pipelines、模型偏差检测Clarify、对模型训练进行剖析的Deep Profiling for Amazon SageMaker Debugger、大型复杂深度学习模型的分布式训练Distributed Training、边缘端模型质量监控和管理Edge Manager，以及快捷起步工具JumpStart。

不断丰富的功能，让Amazon SageMaker更加贴近客户的应用。在Amazon SageMaker推出的三年时间里，全球已有包括3M、拜耳、GE医疗、摩根大通、联想T-Mobile等在内的数万家客户成了Amazon SageMaker的拥趸。

Swami回忆说，AWS在2017年发布Amazon SageMaker时就十分明确，为每个开发者和数据科学家赋予快速建立训练模型并且部署机器学习模型的能力，同时降低应用的成本。客户的反馈证明了AWS的工作是卓有成效的。Amazon SageMaker成了AWS历史上部署最快的产品之一，金融服务、医疗、媒体、汽车、制造、零售、体育等几乎各行各业都将其机器学习的工作负载放在Amazon SageMaker上进行标准化。

人人都是AI的使用者

今天，AWS仍在持续增加其机器学习平台的“厚度”，从机器学习工具集的底层、中间层和顶层，提供更全面的覆盖和赋能，让各类人工智能的工作者都能轻松掌握和使用。

在2020年re:Invent大会上，我们看到了AWS所做的一大努力和改变，那就是将机器学习扩展到数据库开发者和数据分析师领域，而不是仅仅停留在专业AI开发者圈子里。有人形象地称之为“扩圈运动”。

人工智能与机器学习普及的一个驱动因素就是与各种不同的应用场景和行业需求深入融合。机器学习工具不是数据科学家、专业AI开发者的专利。在许多行业和企业中，数据库开发者和数据分析师才是更加庞大的机器学习工具应用群体。这类人员对业务和应用场景更加熟悉，也会在实际工作中迸发出诸多创意的火花，但是苦于没有更多更深厚的机器学习知识和技能，难以在工作中充分发挥机器学习的巨大能量。

AWS的做法是，将机器学习的诸多能力与数据库进行嫁接，让数据库开发者、数据分析师能够沿用数据库查询的方式，将机器学习的想法落地到业务应用中，从而推动业务的创新与发展。

顾凡指出，AWS的初心始终未改，那就是将机器学习作为一个有效实用的工具，交付给所有企业和所有对机器学习感兴趣的人员手中。AWS有意愿也有能力这样做，这是因为AWS的机器学习服务和工具既有宽度又有深度；这是因为AWS对所有客户持非常开放的态度；这是因为AWS提供非常灵活的合作模式。

AWS的使命是对机器学习的框架进行全面支撑和更深入的优化，并把选择权交给客户，为机器学习应用赋能。随着机器学习的普及速度加快、应用场景不断拓宽，走进工业制造、边缘计算等场景中，AWS也会持续跟进，继续提供提供好用、易用的机器学习端到端解决方案和服务。

使能者亦是英雄

就像云计算从诞生到现在的十多年中，在行业用户中经历了从一知半解到普遍接纳的转变过程，如今云计算应用正快马加鞭，成为推动企业数字化转型的一件利器。人工智能与机器学习则是驱动企业数字化转型“双轮”中的另一个轮子，正加快进入企业并与各种应用场景相结合。“云+AI”不仅是云服务商实现蜕变和成长的根基，更是千行百业从数字化转型到智能化升级的基石和抓手。

现在，很多时候只有那些大型企业才有资金、才能聘请专家打造和部署复杂的训练和推理模型。但是，一项技术发明所带来的变革性意义更在于，它能够让具有不同技术水平的使用者都能从新技术、新发明中获益。“AWS的愿景是让所有的建构者，不管他们的技能和水平如何，都能够充分释放机器学习的能力。”Swami表示，“在AWS的平台之上，我们已经提供了许多相应的能力和支持，未来我们将继续致力于打造一个更加易用的机器学习环境。”

很多时候，我们崇拜并仰视那些发明了一项新技术或新产品、实现从0到1突破的英雄们。但是谁又能说，那些推动从1到10、100甚至1000跨越的使能者们不是英雄？

识别二维码

关注我们