AWS如何为AI工作者赋能,aws 以simple命名的服务-ESG跨境

AWS如何为AI工作者赋能,aws 以simple命名的服务

AWS如何赋能人工智能工作者

现在达美乐的披萨可以通过机器学习订购，顾客下单后10分钟左右达美乐就可以提供新鲜的披萨；美国运通公司Kabbage将machine 学习应用于贷款服务，并使用它来支持保障计划；使用亚马逊SageMaker分析和丰富超过7pb的数据，从而预测型号组合和单个设备的全球需求。

以上是几家企业使用亚马逊云服务(AWS) machine 学习服务的成功实践。事实上，全球有超过10万客户在使用AWS的machine 学习服务。

有研究机构指出，在数字经济时代，今天一个小时产生的数据比2000年全年产生的数据还多；未来三年产生的数据将超过过去30年。要处理这些海量数据，我们需要数据收集和聚合工具，结合machine 学习模型，帮助人们分析和理解这些信息。所以机器学习会成为这个时代的主流技术之一。正如AWS全球Machine 学习副总裁Swami Sivasubramanian(简称Swami)在亚马逊Re: Invent大会上所说，“Machine 学习是我们这一代人遇到的最具颠覆性的技术之一。”

三层工具集增强人工智能工作者的能力

德勤曾在《全球人工智能发展白皮书》中预测，到2025年，世界人工智能市场规模将超过6万亿美元。在人工智能的众多分支中，机器学习是人工智能的核心研究领域之一，89%的人工智能专利申请和40%的人工智能范围内的相关专利都属于机器学习的范畴。

为了适应数字经济的发展，许多国家和地区都将人工智能列为优先发展的国家战略，中国也不例外。然而，据中国人力资源和社会保障部官网报道，目前，中国人工智能人才缺口已超过500万，国内供需比为1: 10，严重失衡。

为帮助解决人工智能人才问题，赋能人工智能工作者，AWS在本次亚马逊Re: Invent大会上推出了丰富的工具集machine 学习，包括三个层次:

一、工具集底层，面向技术能力超强的企业客户。这类企业通常把人工智能和机器学习作为核心竞争力。

AWS可以为他们提供强大的计算能力，全面的计算能力选择，丰富的机器学习框架选择。据悉，AWS目前可以支持所有主流的机器学习框架。当然，客户也可以通过容器部署自带machine 学习框架；AWS还可以基于Nvidia、Intel、AMD和Xilinx等芯片制造商的最新处理器提供强大的计算能力。同时可以通过自主设计的处理器大大降低机器学习的计算能力成本。

第二，中间层的工具集，面向技术能力强的企业客户。这类企业通常有大量的数据用于机器学习模型训练，有一定数量的精通算法的人才。他们不需要花费大量的精力去管理基础设施，可以专注于自己的应用和业务创新。

AWS的Amazon SageMaker可以为他们提供第一个完全托管的machine 学习集成开发环境，并在这个开发环境中不断添加新的功能，从数据准备，到模型训练，参数调优和模型迭代，到模型部署和模型质量监控。在整个过程中，可以最大化他们开发machine 学习的效率，降低他们开发machine 学习的效率。

第三，顶级的工具集是针对技术能力相对较弱的企业客户。这些企业有一些数据，但是没有精通算法的人才。他们希望将人工智能直接引入商业场景。

AWS可以为这类企业提供现成的人工智能服务。目前已覆盖机器视觉、语音转文本、机器对话、文本处理、电商业务、客户服务、企业内部信息搜索、开发运维、工业AI等。

通过这套全面的工具集，AWS可以覆盖并赋能所有人工智能工作者。

大力发展机器的中间动力学习

其中特别值得一提的是全托管服务Amazon SageMaker。作为machine 学习开发者的集成开发环境，可以简化复杂度，让开发者和数据科学家从根本上更容易、更快速地构建、训练和部署machine 学习模型。

据了解，亚马逊SageMaker自上线以来一直在快速迭代。在过去的一年里，亚马逊SageMaker推出了50多项新功能。在这次Re: Invent大会上，AWS再次发布了9项新功能，包括数据特征提取器Data Wranger、数据特征存储库Feature Store、自动化工作流管道、模型偏差检测Clarify、用于分析模型训练的Amazon Sagemaker调试器的深度剖析、模型的大型复杂深度学习分布式训练、用于Edge模型质量监控和管理的Edge Manager以及快速启动工具JumpStart。

Swami表示，不断增加的新功能使亚马逊SageMaker受到客户的欢迎。虽然它才推出短短三年，但已经拥有数万名客户。如3M、ADP、阿斯利康、Avis、拜耳、德甲、Capital One、Cerner、福乐鸡快餐店、康沃、达美乐披萨、富达投资、GE医疗、乔治亚太平洋、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、联想、Lyft、National

为了让machine 学习更容易使用，扩展到更广泛的用户、应用场景和行业，AWS不仅打造了丰富的工具集，还推出了五款面向工业领域的开箱即用解决方案，并将machine 学习能力与数据库进行嫁接，让machine 学习扩展到数据开发人员和数据分析师。

事实上，亚马逊本身使用machine 学习技术已经超过20年。AWS大中华区云服务产品管理总经理顾凡指出，“这是AWS机器学习服务的深厚源泉。”据悉，2016年，AWS开始在云上提供machine 学习服务，并发布了三项服务。2017年，AWS开始加速。在过去的三年里，AWS每年都会增加200多台新机器学习服务和功能。仅在2020年，AWS就增加了超过250个machine 学习功能，释放出巨大的技术能力。

斯瓦米强调，如今machine 学习的技术壁垒已经大大降低，使得AI工作者能够快速将machine 学习服务应用于具有挑战性的问题，并应对这个不断变化的世界。尤其是在新冠肺炎疫情下，企业可以利用机器学习追踪疾病，找到治疗病人的新方法，加快疫苗的研发。“他们能够做到这一点，是因为他们的模型构建者能够充分利用机器学习的潜力，发明这些技术，这是推动我们创新的动力，也是我们不断推出新功能的原因。”

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。