王永

機(jī)器學(xué)習(xí)正在不斷地縱深發(fā)展。IDC數(shù)據(jù)顯示：2023年，人工智能系統(tǒng)支出會(huì)達(dá)到979億美元，相比2019年增長(zhǎng)2.5倍，Gartner數(shù)據(jù)顯示，75%的企業(yè)在2024年底會(huì)把機(jī)器學(xué)習(xí)從試點(diǎn)轉(zhuǎn)向生產(chǎn)系統(tǒng)，需要經(jīng)過(guò)反復(fù)迭代才能真正改變客戶體驗(yàn)或者提升效率，而這樣的生產(chǎn)系統(tǒng)也在整個(gè)行業(yè)加速。

“亞馬遜有零售和硬件設(shè)備，比如，Alexa、Echo以及Prime Air，可以說(shuō)二十年前亞馬遜就開(kāi)始了自己的機(jī)器學(xué)習(xí)實(shí)踐，而且在運(yùn)營(yíng)和運(yùn)作的背后到處都是機(jī)器學(xué)習(xí)的身影。”亞馬遜云科技大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡在接受筆者的采訪時(shí)表示，亞馬遜利用機(jī)器學(xué)習(xí)有一個(gè)核心理念，即“亞馬遜+機(jī)器學(xué)習(xí)”等于客戶體驗(yàn)的提升?！八邪咐械年P(guān)鍵不是算法，而是從解決客戶體驗(yàn)的問(wèn)題入手，然后在思考機(jī)器學(xué)習(xí)是否以工具的方式進(jìn)行使用?！?/p>

事實(shí)上，亞馬遜云科技的所有技術(shù)和服務(wù)同樣在賦能給亞馬遜自身快速地進(jìn)行創(chuàng)新。“亞馬遜和亞馬遜云科技完全可以想像為一個(gè)小飛輪，亞馬遜就是亞馬遜云科技最大的客戶，二者是客戶和平臺(tái)的關(guān)系，既然是客戶就會(huì)給亞馬遜云平臺(tái)提供大量的使用實(shí)例和需求，亞馬遜云科技產(chǎn)生的服務(wù)和產(chǎn)品又可以讓亞馬遜零售包括硬件部門充分使用起來(lái)，形成一個(gè)客戶和平臺(tái)之間互動(dòng)的關(guān)系?！鳖櫡餐嘎?，亞馬遜云科技的服務(wù)已經(jīng)超過(guò)200多種，計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)數(shù)據(jù)庫(kù)、分析、IoT、AI/ML和安全等，其中很重要的一點(diǎn)就是，開(kāi)始機(jī)器學(xué)習(xí)之前需要做好數(shù)據(jù)準(zhǔn)備、清理和籌備的工作。

亞馬遜云科技一直強(qiáng)調(diào)，AI/ML普惠是其的核心使命，但是想要完成這樣一個(gè)使命的關(guān)鍵在于是否可以為不同行業(yè)的客戶提供一個(gè)全面的工具集。值得一提的是，從2016年到2020年，亞馬遜云科技的工具集重塑和演進(jìn)一直在保持穩(wěn)定的增長(zhǎng)，僅去年一年時(shí)間，就新增了250多項(xiàng)機(jī)器學(xué)習(xí)的功能。

“談到AI/ML工具集，亞馬遜云科技一直有一個(gè)核心的理念——授人以魚，不如授人以魚，能夠幫助客戶獨(dú)立完成快速迭代，開(kāi)發(fā)和規(guī)?；a(chǎn)生數(shù)據(jù)模型的工具?！鳖櫡脖硎?，AI/ML工具集可以從三個(gè)層面進(jìn)行解讀：首先是，針對(duì)沒(méi)有數(shù)據(jù)科學(xué)家和算法開(kāi)發(fā)工程師，但有數(shù)據(jù)、場(chǎng)景的客戶，亞馬遜云科技會(huì)提供開(kāi)箱即用的服務(wù)。其次，針對(duì)數(shù)據(jù)科學(xué)家和開(kāi)發(fā)人員，亞馬遜云科技會(huì)提供完全托管的平臺(tái)——Amazon SageMaker，集中資源深刻的了解業(yè)務(wù)，針對(duì)基礎(chǔ)設(shè)施的管理，以及機(jī)器學(xué)習(xí)繁瑣的步驟打包成云服務(wù)，實(shí)現(xiàn)自動(dòng)化運(yùn)營(yíng)，提高開(kāi)發(fā)人員的效率。最后是，面對(duì)深層用戶，亞馬遜云科技會(huì)提供ML框架和基礎(chǔ)架構(gòu)。

其中，比較關(guān)鍵的一點(diǎn)是，Amazon SageMaker作為一個(gè)開(kāi)放且對(duì)機(jī)器學(xué)習(xí)框架廣泛支撐的平臺(tái)，除了三大框架之外，客戶可以將自己的機(jī)器學(xué)習(xí)框架與SageMaker進(jìn)行DIY機(jī)器學(xué)習(xí)集成。

“亞馬遜云科技為了實(shí)現(xiàn)機(jī)器學(xué)習(xí)的普惠一直在開(kāi)源的領(lǐng)域持續(xù)不斷地努力，AutoGluon自動(dòng)化機(jī)器學(xué)習(xí)也是非常熱門的話題，真正達(dá)到客戶寫幾行代碼就可以做出模型，把特征的調(diào)取、參數(shù)的調(diào)優(yōu)、模型的建立都自動(dòng)化完成，更進(jìn)一步地拉低整個(gè)機(jī)器學(xué)習(xí)的門檻?！鳖櫡脖硎?，無(wú)論是AutoGluon、DGL還是MxNet都是開(kāi)源的，亞馬遜云科技要不遺余力地推進(jìn)開(kāi)源生態(tài)系統(tǒng)，讓更多的開(kāi)發(fā)者加入到機(jī)器學(xué)習(xí)這樣低門檻的開(kāi)發(fā)環(huán)境當(dāng)中。

如今，我們看到Amazon SageMaker機(jī)器學(xué)習(xí)服務(wù)越來(lái)越多地在中國(guó)各個(gè)行業(yè)相繼落地：醫(yī)療行業(yè)，益體康利用亞馬遜云科技的機(jī)器學(xué)習(xí)服務(wù)快速構(gòu)建了智能遠(yuǎn)程心電平臺(tái)的AI訓(xùn)練和推理場(chǎng)景，提升了模型訓(xùn)練的速度；教育行業(yè)，嘰里呱啦使用 Amazon Polly 和 Amazon EC2 P3 實(shí)例，依托 亞馬遜云科技 先進(jìn)的人工智能與機(jī)器學(xué)習(xí)技術(shù)快速地構(gòu)建具有逼真語(yǔ)音體驗(yàn)的在線學(xué)習(xí)平臺(tái)，讓兒童獲得具有沉浸式體驗(yàn)的純正英語(yǔ)發(fā)音學(xué)習(xí)環(huán)境。工業(yè)智能領(lǐng)域，天和榮在開(kāi)發(fā)即視通門鈴產(chǎn)品的人臉識(shí)別功能過(guò)程中，采用了開(kāi)箱即用的 Amazon Rekognition，短時(shí)間內(nèi)就為即視通平臺(tái)增加了人形偵測(cè)、人臉識(shí)別等能力。

亞馬遜云科技一直在強(qiáng)調(diào)未來(lái)傳統(tǒng)行業(yè)一定是機(jī)器學(xué)習(xí)發(fā)力的點(diǎn)，所以在和傳統(tǒng)行業(yè)的客戶交流的過(guò)程中，主要方向包含四個(gè)方面：數(shù)據(jù)策略、找到ML技術(shù)切入點(diǎn)、數(shù)據(jù)科學(xué)家業(yè)務(wù)化，以及應(yīng)對(duì)技能差距。

山東淄博市熱力集團(tuán)有限責(zé)任公司是一家有著30余年供熱歷史的供熱企業(yè)，通過(guò)使用亞馬遜云科技豐富的AL/ML技術(shù)和服務(wù)，構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)了精準(zhǔn)供熱，可以根據(jù)氣象、工控?cái)?shù)據(jù)、建筑物維護(hù)結(jié)構(gòu)等信息計(jì)算出最佳的供熱模式，并給出具體的操作指令，既讓用戶室溫始終保持人體最佳舒適溫度，又做到盡可能節(jié)約成本。

其中，精準(zhǔn)供熱模型使用Amazon SageMaker為核心開(kāi)發(fā)平臺(tái)，而基于亞馬遜云科技的無(wú)服務(wù)器架構(gòu)搭建的大數(shù)據(jù)智能分析平臺(tái)，幫助淄博熱力提升了客戶滿意度。

為了更好地服務(wù)中國(guó)市場(chǎng)的客戶，亞馬遜云科技將會(huì)在中國(guó)區(qū)持續(xù)落地新的機(jī)器學(xué)習(xí)服務(wù)：Amazon Personalize，開(kāi)發(fā)人員無(wú)需具備機(jī)器學(xué)習(xí)專業(yè)知識(shí)，用戶可用它訓(xùn)練、調(diào)整和部署自己定制的機(jī)器學(xué)習(xí)模型，構(gòu)建個(gè)性化推薦系統(tǒng)，用于產(chǎn)品推薦、個(gè)性化營(yíng)銷、個(gè)性化搜索和定制化直銷等廣泛的個(gè)性化推薦場(chǎng)景。

此外，已經(jīng)落地中國(guó)一周年的Amazon SageMaker也迎來(lái)了7項(xiàng)新的功能更新：SageMaker Data Wrangler，簡(jiǎn)化機(jī)器學(xué)習(xí)的數(shù)據(jù)準(zhǔn)備工作；SageMaker Feature Store，完全托管且專門構(gòu)建的特征存儲(chǔ)庫(kù)，用于存儲(chǔ)、更新、檢索和共享機(jī)器學(xué)習(xí)特征；SageMaker Clarify，讓機(jī)器學(xué)習(xí)開(kāi)發(fā)人員可以更好地掌控其訓(xùn)練數(shù)據(jù)和模型，從而識(shí)別和限制偏差并解釋做出相關(guān)預(yù)測(cè)的原因；Distribued Training，為訓(xùn)練大型深度學(xué)習(xí)模型和數(shù)據(jù)集提供易用的方法；SageMaker Debugger v2.0，實(shí)時(shí)捕獲訓(xùn)練指標(biāo)，自動(dòng)識(shí)別機(jī)器學(xué)習(xí)訓(xùn)練任務(wù)中正在出現(xiàn)的復(fù)雜問(wèn)題；Model Monitor v2.0，幫助客戶時(shí)刻保持機(jī)器學(xué)習(xí)模型的準(zhǔn)確性； SageMaker Pipelines，針對(duì)機(jī)器學(xué)習(xí)專門構(gòu)建、易于使用的持續(xù)集成和持續(xù)交付服務(wù)，通過(guò)編排和自動(dòng)化提高機(jī)器學(xué)習(xí)工作的效率。

“算力永遠(yuǎn)是機(jī)器學(xué)習(xí)最基礎(chǔ)的基礎(chǔ)?！鳖櫡餐嘎?，Amazon EC2 Inf1計(jì)算實(shí)例即將落地中國(guó)區(qū)域，Inf1計(jì)算實(shí)例基于亞馬遜設(shè)計(jì)的首款定制機(jī)器學(xué)習(xí)芯片Amazon Inferentia，與成本最低的基于GPU的實(shí)例相比，可以提高30%的吞吐量，每次推理成本最高能夠降低45%，對(duì)于機(jī)器學(xué)習(xí)的框架都完美支持。

據(jù)了解，亞馬遜Alexa團(tuán)隊(duì)已經(jīng)將其高度復(fù)雜的“文本轉(zhuǎn)語(yǔ)音”模型遷移到了Amazon Inferentia，該模型生成了類似于人的語(yǔ)音，目前有80%的Alexa語(yǔ)音響應(yīng)在Inf1實(shí)例上合成，節(jié)省30%的成本的同時(shí)，降低了25%的響應(yīng)延遲。

寫在最后

“我們始終在強(qiáng)調(diào)亞馬遜云科技的核心優(yōu)勢(shì)：開(kāi)放的態(tài)度以及與客戶授人以魚不如授人以漁的合作模式?！鳖櫡脖硎?，無(wú)論是上云還需要機(jī)器學(xué)習(xí)服務(wù)，客戶都不希望被某一種服務(wù)鎖定。所以，在提供深度與寬度兼具的服務(wù)同時(shí)，亞馬遜云科技必要要保持開(kāi)放的態(tài)度，做到真正與中國(guó)市場(chǎng)相結(jié)合，幫助客戶重塑競(jìng)爭(zhēng)力。