AWS如何为AI工作者赋能？

　　如今，达美乐披萨可以应用机器学习下单，顾客下单后10分钟左右，达美乐就能提供出新鲜的披萨；美国运通公司Kabbage将机器学习应用于贷款服务，并用来支持保护计划；宝马使用Amazon SageMaker分析和丰富超过7PB字节的数据，以预测全球范围内的模型组合和个别设备的需求。

这是几个企业使用亚马逊云服务（AWS）机器学习服务的成功实践。事实上，全球已经有超过10万客户正在使用AWS的机器学习服务。

有研究机构指出，在数字经济时代，今天一小时产生的数据，比2000年全年产生的数据还要多；未来三年内产生的数据，将比过去30年产生的数据还要多。而处理这些海量数据，需要用数据采集、聚合工具，与机器学习模型相结合，以帮助人们分析、理解这些信息。因此，机器学习将成为这个时代的主流技术之一。如同AWS全球机器学习副总裁Swami Sivasubramanian （简称Swami） 在亚马逊re：Invent大会上所言，“机器学习是我们这一代人遇到的最具颠覆性的技术之一。”

三层工具集为AI工作者赋能

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。而在人工智能众多的分支领域中，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%人工智能范围内的相关专利均属于机器学习的范畴。

而为了迎接数字经济的发展，许多国家和地区都将人工智能列为优先发展的国家战略，我国也不例外。但据我国人社部官网报道，目前我国人工智能人才的缺口已超过500万，国内的供求比例为1：10，供需比例严重失衡。

为了帮助解决人工智能人才的难题，为人工智能工作者赋能，AWS在本次亚马逊re：Invent大会上推出了丰富的机器学习工具集，该工具集包括三个层面：

第一，工具集的底层，面向技术能力超强的企业客户。这类企业通常都将人工智能和机器学习作为自己的核心竞争力。

AWS可以为他们提供强大的算力、全面的算力选择、丰富的机器学习框架选择。据悉，目前AWS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的方式，自带机器学习框架；AWS还可以提供基于英伟达、英特尔、AMD、赛灵思等芯片厂商的最新处理器的强大算力，同时还可以通过自主设计的处理器，极大降低机器学习的算力成本。

第二，工具集的中间层，面向技术能力较强的企业客户。这类企业通常有大量的数据可以进行机器学习模型训练，而且拥有一定数量的精通算法的人才，不需要花费大量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可以为他们提供首个全托管的机器学习集成开发环境，并为这个开发环境不断增加新功能，从数据准备、到模型训练、参数调优与模型迭代、到模型部署、模型质量监控，在整个过程中最大限度地提高他们开展机器学习的效率，降低他们开展机器学习的门槛。

第三，工具集的顶层，面向技术能力相对薄弱的企业客户。这类企业拥有一定的数据，但是没有精通算法的人才，他们希望能在业务场景中直接引入人工智能。

AWS可以为这类企业提供开箱即用的人工智能服务，目前已经涵盖机器视觉、语音文字转换、机器对话、文本处理、电商业务、客服、企业内信息搜索、开发与运维、工业AI等方面。

通过这个全面的工具集，AWS可以覆盖和赋能所有的人工智能工作者。

大力发展机器学习的中间力量

其中，特别值得一提的是全托管服务Amazon SageMaker，作为面向机器学习开发者的集成开发环境，它能化繁为简，使开发人员和数据科学家从根本上更轻松、更快速地构建、训练和部署机器学习模型。

据了解，自推出以来，Amazon SageMaker一直在快速迭代。在过去一年中，Amazon SageMaker交付了50多项新功能。在本次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和快捷起步工具JumpStart。

据Swami透露，不断丰富的新功能，让Amazon SageMaker备受客户欢迎。虽然只推出短短三年时间，但已拥有了数万家客户，如3M、ADP、阿斯利康、Avis、拜耳、Bundesliga、Capital One、Cerner、Chick-fil-A、Convoy、达美乐比萨、富达投资、GE医疗、Georgia-Pacific、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、联想、Lyft、国家橄榄球联盟、Nerdwallet、T-Mobile、汤森路透、Vanguard等知名企业。

而为了让机器学习更易用，更易拓展到广泛的使用者、应用场景和行业，AWS不仅打造了丰富的工具集，还推出了五项面向工业领域的开箱即用的解决方案，并将机器学习能力跟数据库进行嫁接，让机器学习拓展到数据开发者和数据分析师。

事实上，亚马逊本身利用机器学习技术已经有20多年时间了。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就开始在云上提供机器学习服务，并发布了三个服务。2017年，AWS开始加速，最近三年，AWS每年新增的机器学习服务和功能都超过200个。仅2020年一年，AWS就新增了250多项机器学习功能，释放了巨大的技术能力。

Swami强调，如今机器学习的技术壁垒已经大大降低，使AI工作者们能够在具有挑战性的问题上快速应用机器学习服务，快速响应这个不断变化的世界。尤其是在新冠疫情之下，企业可以应用机器学习来追踪疾病，找到新的方法来治疗病人，并加速疫苗的研发。“他们能够做到这一点，是因为他们的模型建造者能够充分利用机器学习的潜力，发明这些技术，这也是驱动我们创新以及我们为什么要不断推出新功能的原因。”