AWS副總裁Swami:AWS用機器學習驅動企業創新

2021-01-08 騰訊網

為什麼各行各業的客戶，都喜歡選擇亞馬遜雲服務（AWS）的機器學習服務？

在近日召開的AWS re:Invent 2020上，AWS全球機器學習副總裁Swami Sivasubramanian（以下簡稱Swami）針對人工智慧與機器學習話題發表了長達數小時的演講，同時也揭曉了上述問題的答案。

機器學習：實現人工智慧的重要途徑

如果要評選出當下最炙手可熱的IT技術，恐怕大多數人腦海裡第一時間想到的都是AI人工智慧。

1956年，美國麻省理工學院教授約翰·麥卡錫在達特矛斯會議上首次提出了「Artificial Intelligence」（人工智慧，簡稱AI）這一術語，這也被人們普遍視為人工智慧正式誕生的標誌。

然而當時許多人沒有想到的是，在相當漫長的一段時間裡，由於數據缺乏、算力不足等種種原因，人工智慧的落地與應用遇到了嚴重的瓶頸。不少學者甚至認為，人工智慧所描繪的美妙前景只不過是鏡中花，水中月，永遠也難以成為現實。

不過，隨著近年來雲計算、大數據等新興技術的快速崛起，各種數據量開始呈現出幾何級數的飛速增長，算力也獲得了極大的提升，這也成為了驅動人工智慧技術發展的巨大推動力。而作為實現人工智慧的重要途徑，Machine Learning（機器學習，簡稱ML）技術正是在這種背景之下得到了快速發展。

俗話說「工欲善其事，必先利其器」，通過分析和設計各種算法，機器學習服務可以讓計算機從海量的數據中自動學習並尋找規律，從而極大地加速人工智慧在各個行業領域的應用與落地，因此深受廣大開發者喜愛。這也是業內人士在談論人工智慧話題時，往往都會將雲計算、大數據、機器學習也一併帶入的原因。

AWS：機器學習領域的佼佼者

在眾多的機器學習服務提供商中， AWS無疑是最令人矚目的佼佼者之一。

從幾年前剛剛開始推出AI SaaS的機器學習服務，到2017年正式發布大受好評的Amazon SageMaker，AWS近年來在機器學習領域的進展可以說是突飛猛進。

「在過去的三年裡，AWS每年都交付了200多項機器學習功能。其中光是在2020年，AWS就新增了250多項機器學習功能。對於人工智慧技術來說，這些機器學習功能非常重要，AWS真正釋放了人工智慧技術的能力。」 AWS 大中華區雲服務產品管理總經理 顧凡表示，「目前全球已經有超過10萬家客戶在使用AWS的機器學習服務。這些客戶覆蓋了各行各業，無論是金融、醫療、媒體、汽車、製造還是零售、體育行業，都在使用我們的機器學習。」

Swami指出，AWS的機器學習為客戶提供了非常豐富的功能與服務，越來越多的行業客戶都使用AWS提供的這些工具，在各種應用場景更好地開展自身的業務。譬如通過使用AWS提供的機器學習模型，客戶可以將訓練時間從過去的幾天變成幾個小時，節省大量的時間精力，並且大幅縮短部署時間，更快地開展創新。

AWS機器學習服務的特點

為什麼這麼多行業客戶都對AWS的機器學習服務青睞有加？Swami認為，主要是因為AWS的機器學習服務具備以下幾個特點：

1、服務的寬度和深度。針對機器學習，AWS的態度一直是「Right tools for the right job」，意思就是用合適的工具做合適的事，一把鑰匙開一把鎖。針對客戶想要運行什麼樣的工作，在什麼樣的場景下，應該選擇工具箱中什麼樣的工具，AWS都能為其提供最適合的服務和解決方案。這也是AWS機器學習服務在寬度和深度上的一大優勢。

2、開放的心態。在雲計算、人工智慧、機器學習領域，AWS始終抱著開放合作的心態，包括AWS提供的很多工具都是非常開放的，可以同客戶的整個運行環境做到非常好的集成與兼容。

3、AWS與客戶配合的模式。將「以客戶為中心」作為企業文化的AWS，在服務客戶的時候始終遵循兩大原則：一是授人以魚不如授人以漁，AWS為客戶提供工具的同時，更希望能教會客戶使用工具，從而真正建立起自己的能力；二是在工程方面出現差距、產品原型實現困難等客戶需要幫助的時候，AWS也會助力客戶快速解決技術和業務難題。

機器學習驅動企業創新

在AWS re:Invent 2020的主題演講中，Swami重點提到了四大主題：

1、關於機器學習的堅實基礎

這個基礎包括兩件事情：一是機器學習的框架，二是機器學習所依賴的底層算力的基礎架構，也就是各種各樣的CPU、GPU。AWS的願景，是將機器學習作為一項工具交到所有企業的手中，而不是僅僅掌握在幾家大企業手裡。為此AWS會對機器學習的框架做全部的支撐和優化，並不遺餘力的將這個選擇權留給客戶。

2、創造機器學習的成功捷徑

對於很多客戶來說，就算底層架構非常紮實，那也不一定能把機器學習完全用起來。企業仍然需要在Amazon SageMaker這樣一個強大的、端到端的、高度集成案例的環境下，才能實現應用的快速落地。在機器學習的實例方面，各種計算、存儲、成本的需求永遠有無數種組合，AWS會通過Amazon SageMaker的不斷迭代，將機器學習工作流裡的每一個步驟的易用性做到極致。

3、讓更多的人加入到機器學習賦能

眾所周知，Amazon SageMaker可以為數據科學家、數據開發工程師或者機器學習開發工程師提供極大的助力，但是事實上，真正想要使用機器學習的人遠比這些人群更加龐大。這些人群也許不希望學習機器學習的艱深技術，但這並不代表他們用不到，因此AWS一直在努力讓機器學習服務為更多的人賦能。

4、端到端解決客戶的實際業務問題

隨著技術的不斷演進，機器學習的場景也在不斷拓寬。無論是工業製造的場景，還是邊緣的場景，AWS機器學習服務都可以為其提供端到端打包的一體化解決方案。

「在過去的幾年中，機器學習已經走了很長的一段路，技術壁壘已經極大的降低，這使得開發者能夠快速應用機器學習，來解決他們最有挑戰性的問題和爭取最大的機會。」Swami表示，「尤其是在新冠疫情之下，我們的客戶更加需要快速回應這個不斷變化的世界，他們應用機器學習創造新的方式和客戶互動，重新思考工作和學習的方式以及自動化商業流程，以便更快地回應客戶的需求。譬如醫療行業可以用機器學習來追蹤疾病，尋找新的方法來治療和照顧病人，加速疫苗的研發等等。他們之所以能夠做到這一點，是因為他們的模型建造者能夠充分利用機器學習的潛力，自由地去發明這些技術。這也是AWS團隊的熱情所在，是我們不斷驅動創新，日復一日推出新功能的原因。」

相關焦點

  • AWS副總裁Swami：現在是人工智慧和機器學習的黃金時代
    「在人工智慧領域，機器學習是一個非常有意思的話題。包括亞馬遜CEO傑夫·貝索斯在內，很多人都會經常談論它。」談起人工智慧與機器學習，已經在亞馬遜雲服務(AWS)工作了15年的AWS副總裁Swami Sivasubramanian（以下簡稱Swami）這樣向趣味科技表示，「對於整個世界來說，我們正在開啟一個人工智慧和機器學習的黃金時代。在未來很長一段時間，我們都會看到機器學習帶來的眾多創新。」
  • AWS宣布多項新的計算創新服務
    但是，由於這些實例在最大數據包速率方面有限制，因此某些客戶需要超額提供計算資源以驅動更高的數據包處理能力，以實現所需的網絡吞吐量。C6gn實例在EC2上提供了最佳的數據包處理性能，使客戶能夠遷移到C6gn並將其工作負載整合到更少的實例或較小的實例上，降低基礎架構成本。
  • 亞馬遜雲服務(AWS)與Formula 1共同宣布 2020賽季新增六項賽車性能...
    基於AWS包括機器學習在內的一系列服務，本賽季即將發布的六項數據可以方便車迷比較自己喜愛的車手和賽車，更好地預測比賽結果。欲了解更多信息，請訪問https://aws.amazon.com/f1/。然後，F1工程師和科學家將通過AWS用於構建、訓練和部署機器學習模型的服務Amazon SageMaker把這些數據應用於機器學習（ML）模型。其次，F1通過在AWS Lambda上部署機器學習模型，對比賽表現指標進行實時分析。AWS Lambda是一項無需預置或管理伺服器即可運行代碼的計算服務。
  • AWS Lambda 上手很輕鬆
    然後創建一個 Lambda Function （hello-lambda）Lambda 既然是個方法，就要選擇相應的 Runtime 環境，如下圖所示，總有一款適合你的（最近在用Node.js, 這裡就用這個吧）點擊右下角的 Create function 按鈕進入配置頁面
  • aws是國外雲伺服器嗎
    aws是國外雲伺服器嗎？是的，aws（亞馬遜）是美國的一家雲計算服務商。為全世界各個國家和地區的客戶提供一整套基礎設施和雲解決方案。目前，亞馬遜算是最大的美國雲伺服器提供商，產品線豐富。亞馬遜公司提供的雲計算服務產品線，涵蓋了 IT 系統架構的各個層次，加上另外幾個部署和運維產品，一個企業的數據中心可以採用亞馬遜雲計算服務產品來完全替換。亞馬遜公司最核心的雲服務產品是主機（EC2）和存儲，其他是增值產品或者支撐產品。
  • Amazon S3使用AWS CodeDeploy自動部署
    { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "logs:*" ], "Resource": "arn:aws
  • AWS發布三項全新的數據分析功能
    Amazon QuickSight Q為Amazon QuickSight提供機器學習驅動的能力，使用戶能夠使用自然語言表達，在Amazon QuickSight Q搜索欄中提出業務問題，並在幾秒鐘內收到高度準確的答案。 當前，每小時創造的數據比20年前一整年所創造的數據還要多。事實上，未來三年創造的數據量將超出過去30年創造的數據量。
  • 亞馬遜AWS宣布推出亞馬遜機器學習
    基於與亞馬遜公司內開發者所使用的同樣經過驗證、高度可擴展並且每周生成超過500億個預測的機器學習技術，亞馬遜機器學習的API和嚮導能夠為開發者提供關於機器學習模型的創建和調試流程的指導，從而輕鬆部署並擴展模型，支持數十億級別的預測。
  • AWS宣布多項新的計算創新服務 - 國內 - CTI論壇-中國領先的ICT...
    但是，由於這些實例在最大數據包速率方面有限制，因此某些客戶需要超額提供計算資源以驅動更高的數據包處理能力，以實現所需的網絡吞吐量。C6gn實例在EC2上提供了最佳的數據包處理性能，使客戶能夠遷移到C6gn並將其工作負載整合到更少的實例或較小的實例上，降低基礎架構成本。
  • 在AWS上部署、監控和擴展機器學習模型
    那麼，我們如何才能促進將機器學習模型投入生產的過程呢?Cortex是一個將機器學習模型部署為生產網絡服務的開源平臺。它利用強大的AWS生態系統，根據需要部署、監視和擴展與框架無關的模型。要安裝Cortex CLI，請運行以下命令：bash -c 「$(curl -sS https://raw.githubusercontent.com/cortexlabs/cortex/0.14/get-cli.sh)& initialize boto sessionsession = boto3.Session( aws_access_key_id=<your_accress_key_id
  • 輕鬆用開源,AWS推出簡化Apache Airflow部署與使用的託管服務
    如欲開始使用Amazon MWAA，請訪問：https://aws.amazon.com/mwaa。 如今，客戶正使用數據分析和機器學習，從大量數據中獲得洞察力。為了有效地使用這些數據，客戶通常需要首先構建一個工作流，定義一系列連續的任務來準備和處理這些數據。
  • 亞馬遜AWS認證攻略
    考試的內容 可以說整個考試都圍繞一個問題，即如何使用AWS雲計算技術更好地解決企業在各種應用場景下碰到的問題。從內容看有以下特點，而這些特點也決定了該認證考試的含金量和門檻。備考資料 •考試大綱和樣題http://aws.amazon.com/certification/certified-solutions-architect-professional/http://d0.awsstatic.com/Train%20&%20Cert/docs/AWS_certified_solutions_architect_professional_examsample.pdf
  • 如何設置Ansible AWS的動態清單
    因此，最好只提及您使用的特定aws區域。在[credentials]部分下，您需要提及abos訪問密鑰和私鑰，以便boto庫進行API調用。或者，您可以在家裡創建一個憑證文件，如下所示。touch ~/.aws/credentials打開憑證文件，然後如下所示進行輸入。
  • AWS發布AWS Wavelength
    AWS Wavelength將 AWS計算和存儲服務嵌入到電信提供商的5G 網絡邊緣，使開發者能夠服務於需要超低延遲的應用場景，例如邊緣的機器學習推理、自主工業設備、智能汽車與智慧城市、物聯網（IoT）， 以及增強現實與虛擬實境。
  • AWS 推出五項機器學習新服務
    （AWS）宣布五項新的人工智慧（AI）服務，旨在將機器學習交到更多應用程式開發者和終端用戶手中，而他們無需機器學習經驗。AWS介紹了幾項使用了 AI 的新服務，讓更多開發者應用機器學習，創造更好的終端用戶體驗，包括機器學習驅動的企業搜索、代碼審核與分析、欺詐檢測、醫療轉錄和 AI 預測的人工審核。要了解有關 AWS AI 服務的更多詳細信息，請訪問 。
  • AWS Quick Start參考部署方案
    AWS Quick Start(快速上手)參考部署方案可以幫你在AWS雲上快速部署全功能企業軟體，並遵循AWS最優實踐所帶來的安全性和可用性。AWS CloudFormation模板實現了部署的自動化。部署手冊詳細地描述了整個架構和實施過程。
  • AWS Ubuntu 18.04 鏡像採用滾動內核模型
    可作為 linux-aws-edge 內核進行預覽，建議僅在非生產部署中使用。那些想要在 Ubuntu AWS 機器上安裝 Linux 5.0 rolling kernel 的用戶需要在終端窗口中運行以下命令。成功安裝後，必須使用下面列出的第二個命令集重新引導計算機，並且重新啟動之後，可以使用下面的第三條命令查看正在運行哪個內核。
  • AWS S3 允許 IAM 用戶訪問其 S3 某個目錄
    "Resource": "*" }, { "Effect": "Allow", "Action": "s3:ListBucket", "Resource": "arn:aws
  • BigBang輕錢包服務LWS與亞馬遜aws IoT Core的交互
    通過它，BigBang核心錢包的區塊和交易數據及時地更新和緩存在lws自有的高速內存資料庫及本地資料庫中，根據這些數據，它會計算出不同終端設備持有密鑰所對應的公鑰地址的最新utxo集合，並通過與aws的IoT Core的mqtt連接，將這些信息發布（publish）到亞馬遜雲端設施上，由其message broker向對應的訂閱（subscribe）了這些信息的終端設備轉發。
  • AWS在線技術峰會2020來啦！與AWS一起構建超乎所見的雲端世界
    、APN 合作夥伴及逾萬名構建者們，共同探討雲計算前沿科技及創新方案。活動時間：2020 年 9 月 10 日 - 11 日本次峰會話題將覆蓋企業轉型、創新文化、雲計算不同領域的技術細節以及在不同行業的具體應用