AWS用机器学习驱动企业创新,aws 框架结构-ESG跨境

AWS用机器学习驱动企业创新,aws 框架结构

用AWS机器推动企业创新学习

为什么各行各业的客户都喜欢选择亚马逊云服务(AWS)的machine 学习服务？

在日前举行的AWS re:Invent 2020上，AWS全球机器学习副总裁Swami Sivasubramanian(以下简称Swami)就人工智能与机器学习的话题进行了长达数小时的演讲，同时也揭晓了上述问题的答案。

机器学习:实现人工智能的重要途径

如果要评选当下最火的IT技术，恐怕大多数人第一时间想到的是AI人工智能。

1956年，麻省理工学院教授约翰·麦卡锡(john mccarthy)在达特茅斯会议上首次提出了“人工智能”(AI)一词，被普遍认为是人工智能正式诞生的标志。

然而，当时很多人没想到的是，长期以来，由于数据匮乏、计算能力不足等各种原因，人工智能的落地和应用遇到了严重的瓶颈。很多学者甚至认为人工智能描绘的美好前景只是镜中花、水中月，永远不会成为现实。

但随着近年来云计算、大数据等新兴技术的快速崛起，各类数据开始呈现几何级数的快速增长，计算能力也有了很大的提升，这也成为人工智能技术发展的巨大推动力。作为实现人工智能的重要途径，机器学习(machine 学习，简称ML)技术在此背景下发展迅速。

俗话说“工欲善其事，必先利其器。”machine 学习服务通过分析设计各种算法，可以让计算机自动学习从海量数据中发现规律，从而大大加速人工智能在各行业的应用和落地。因此深受开发者的喜爱。这也是为什么业内人士在谈论人工智能的话题时，往往会带上云计算、大数据和机器学习的原因。

AWS:机器领域的领导者学习

AWS无疑是最优秀的机器学习服务商之一。

从几年前刚刚推出AI SaaS的machine 学习服务到2017年亚马逊SageMaker的正式发布，AWS这几年在machine 学习领域的进步可以说是突飞猛进。

“过去三年，AWS每年交付超过200个machine 学习功能。其中，仅在2020年，AWS就增加了超过250个机器学习功能。对于人工智能技术来说，这些机器学习功能非常重要，AWS真正释放了人工智能技术的能力。”AWS大中华区云服务产品管理总经理顾凡表示，“目前全球有超过10万客户在使用AWS的machine 学习服务。这些客户涵盖各行各业，无论是金融、医疗、媒体、汽车、制造、零售还是体育行业，都在使用我们的机器学习。”

斯瓦米指出，AWS的machine 学习为客户提供了非常丰富的功能和服务，越来越多的行业客户正在使用AWS提供的这些工具，在各种应用场景中更好地发展自己的业务。例如，通过使用AWS提供的machine 学习模型，客户可以将培训时间从过去的几天变成几个小时，节省了大量的时间和精力，并且大大缩短了部署时间，创新速度更快。

AWS机器的特点学习服务

为什么那么多行业客户青睐AWS的machine 学习服务？Swami认为主要是因为AWS的machine 学习服务有以下特点:

1。服务的广度和深度。对于机器学习，AWS的态度一直是“正确的工具做正确的工作”，意思是用正确的工具做正确的事情，一把钥匙开一把锁。AWS可以为客户提供最合适的服务和解决方案，让他们想运行什么样的工作，什么样的场景，工具箱里应该选择什么样的工具。这也是AWS machine 学习服务在宽度和深度上的一大优势。

2。思想开放。在云计算、人工智能、机器学习等领域，AWS一直是开放合作的，包括AWS提供的很多工具，都是非常开放的，可以很好的集成和兼容客户的整个运行环境。

3。AWS与客户的合作模式。以“以客户为中心”为企业文化的AWS在服务客户时始终遵循两条原则:第一，授人以鱼不如授人以渔。AWS为客户提供工具，同时希望教会他们使用工具，从而真正建立自己的能力；第二，AWS还会在客户需要帮助的时候，帮助客户快速解决技术和业务问题，比如工程上的缺口，产品原型实现上的困难。

机器学习推动企业创新

在AWS re:Invent 2020的主题演讲中，Swami强调了四大主题:

1、关于机器的坚固性学习/

这个基础包括两个东西:一个是机器学习的框架，一个是机器学习所依赖的底层计算能力的基础架构，也就是各种CPU和GPU。AWS的愿景是把机器学习作为工具放到所有企业手里，而不仅仅是几个大企业。为此，AWS将全力支持并优化机器学习的框架，并不遗余力地将这一选择权留给客户。

2。创建机器的成功捷径学习

对于很多客户来说，即使底层架构非常扎实，也不一定能充分利用机器学习。企业还是需要Amazon SageMaker这个强大的、端到端的、高度集成的case环境来实现应用的快速落地。至于machine 学习的实例，总会有无数种计算、存储、成本等各种需求的组合。AWS将通过亚马逊SageMaker的不断迭代，让machine 学习工作流程中的每一步都变得极其易用。

3。让更多人加入机器学习 Empower

众所周知，亚马逊SageMaker可以给数据科学家、数据开发工程师或者机器学习开发工程师提供很大的帮助，但实际上真正想用机器学习的人远远大于这些人。这些人可能不想要学习机学习这种高难度的技术，但不代表他们不会用。所以AWS一直在努力让machine 学习服务赋能更多人。

4。针对客户实际业务问题的端到端解决方案

随着技术的不断演进，machine 学习的场景也在不断拓展。AWS Machine 学习服务可以为工业制造场景和边缘场景提供端到端的打包一体机解决方案。

“在过去的几年中，机器学习已经取得了长足的进步，技术壁垒已经大大降低，这使得开发者能够快速应用机器学习来解决他们最具挑战性的问题，并争取最大的机会。”斯瓦米说，“特别是在新冠肺炎疫情下，我们的客户需要对这个不断变化的世界做出快速反应。他们使用机器学习创造与客户互动的新方式，重新思考他们的工作方式，并学习实现业务流程自动化，以便更快地响应客户需求。例如，医疗行业可以使用机器学习来跟踪疾病，找到治疗和护理患者的新方法，加快疫苗的研发速度等等。他们能做到这一点，是因为他们的模型建造者可以充分利用机器学习的潜力，自由地发明这些技术。这也是AWS团队的热情所在，也是我们日复一日不断驱动创新、推出新功能的原因。"

特别声明：以上文章内容仅代表作者本人观点，不代表ESG跨境电商观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与ESG跨境电商联系。