纪·阿晶的首次AWS之行！
戳藍字“CSDN云計算”關注我們哦！
這是阿晶的第一次AWS之行，在上海，2019世界人工智能大會。
一年前，同樣在上海，AWS成立其亞太地區首個人工智能研究院。還記得當時振奮人心的官宣：AWS上海人工智能研究院將重點聚焦推進和發展深度學習算法及其未來應用。具體會為AWS中國開發者社區帶來不止于工具層面的突破，而是讓早已大熱的人工智能技術更快應用在開發者手上，走入開發者心中。
如今，一樣的上海，AWS又發布了由上海人工智能研究院構建的Deep Graph Library (DGL)，即圖神經網絡框架。據悉該框架可以高效幫助開發者構建深度學習模型，以快速、可擴展的方式理解數據中的圖結構，從而讓機器學習更好地應用到制藥公司的新藥開發，社交媒體的圖像資料分析等諸多領域，召集更多開發者開展深度學習，促進初創企業采用機器學習技術。
“按需所用”，AWS機器學習服務“劃重點”
以上講了人工智能、深度學習、機器學習等專有名詞概念，可能多少有些難于理解。談及AWS的機器學習服務，阿晶覺得總體來說可以概括為四個字“隨需所用”。
如圖所示，AWS提供了多層面多維度的服務：通常如果使用最底層服務，原則上需要IT工程師、機器學習的科學家以及應用開發人員協作才能開發出一個適用性較高的AI服務；相比而言，使用中間層并不需要IT工程師，只需機器學習科學家以及應用開發人員這兩者就可以輕松hold住；如果選擇最上層服務，甚至不需要機器學習的科學家，僅僅是應用開發人員就可高效利用。
三層“結構”的機器學習堆棧
如此看來三個層面的服務，最大特點就是應用開發人員的不可或缺性，這一點很像云基礎架構中的IaaS、PaaS以及SaaS。逐一說來，最底層涉及到很多框架、接口與基礎服務，例如Tensorflow、MXnet、PyTorch等主流框架；Gluon、Keras等接口支持。據悉全球85%的機器學習框架Tensorflow的工作流都跑在AWS上。
所謂基礎服務，更多是那些提供強大運算性能的服務器，例如Amazon EC2的P3DN實例類型。據阿晶了解，這是一個虛擬機類型，采用的GPU是NVIDIA的Tesla V100，一款在機器學習與推理方面表現十分強勁的加速卡。“P3DN后面的DN字綴則代表網絡，速度高達100GB/s，如此看P3DN非常適合分布式機器學習。”AWS方技術專家表示。
此外這一層還有可以支持通用計算的M5實例，適用于x86、AMD和ARM處理器的實例以及適用于高性能、非關系型計算的實例I3en。一句話概括：無論機器學習的工作負載如何，AWS都可以提供保證成本優勢的高性能計算資源。
著眼中間層，其主要服務被稱為Amazon SageMaker，顯著特點為自動化，即可以做到將一些機器學習模型打標記、訓練、部署，最后成為高可用。簡言之，使用本層服務只需要擁有大量的訓練數據，輸入并自選算法就可以很快出爐具備AI性質的服務，過程中Amazon SageMaker會代替去管理底層需要用到的所有服務器與框架。
另外AWS也對主流的ML的模型算法進行了提速，例如圖形分類、時間序列預測以及用于異常事件判斷的算法等。如果說到具體的使用效果，據了解此前一家制藥公司自身建立一個機器學習的模型至少需花費超過兩個月的時間構建，但憑借Amazon SageMaker等工具的幫助，耗時不超過4小時，簡直又快又好的節奏，目前使用Amazon Sagemaker的企業已經超過10000家。
聚焦最上層 ，我們發現主要是已有的AI服務，無需訓練直接調用。例如視覺類服務：Amazon Rekognition主要是靜止圖片識別的，Amazon Rekognition Immage是視頻識別，Amazon Textract是從視頻里面提取文本。
此處需要補充的一點，阿晶進一步了解到，于兩三月之前上線的Amazon Textract開發合作伙伴社區始終在蓬勃發展之中，基于深度學習讀取數據與分析數據技術，其中加拿大一家出版公司正在積極使用社區資源完成掃描文章的工作，另外還有部分機器自動化處理供應商用來讀取表格信息等，采納率正在不斷提高。
語音類服務：Amazon Polly工具可以做到將文字轉化成非常自然流暢的語音，區別于生硬的機器轉化。此外 ，Amazon Transcribe是一種自動語音識別服務，使用它可以方便地為應用程序添加語音轉文本的功能。此前Amazon Transcribe已經支持的語言包括美國英語、英國英語、澳洲英語、印度英語、西班牙語、美國西班牙語、法語、加拿大法語、意大利語、德語、巴西葡萄牙語、印地語、韓語和現代標準阿拉伯語。
目前該服務已支持中文普通話的語音轉寫。這一新的語言集拓展了Amazon Transcribe所服務的領域，讓客服中心、媒體和娛樂、教育等領域的使用場景能夠觸達全球更廣泛的受眾。
語言類服務：Amazon Translate是幾國語言的互相翻譯，功能很實用；Amazon Comprehend是語言理解，類似于一段文字的中心思想提煉。
預測服務：Amazon Forecast是銷售預測服務，采用Amazon.com背后做銷售預測的模型，封裝給所有人使用。
聊天機器人服務：Amazon Lex是聊天機器人服務，即文本到文本的聊天形式。
在進一步的智能媒體分析技術展示中，現場依照輸入的關鍵詞“男性”或“快樂”等，AI可以自動搜索出包含這些關鍵詞的圖像、聲音、視頻內容等，具體來說用戶可以用電腦或者手機來獲取圖片、聲音、視頻等，通過服務上傳到存儲服務Amazon S3上，觸發AWS Lambda服務，將圖像、影像、聲音文檔發送至AWS的人工智能API，只要文件到位之后就可以按照次序進行分析對比，系統會先判斷屬于這三種文件中的哪一種，即Amazon Transcribe將聲音變成文本，Amazon Comprehend進行語義分析等，所有的處理結果都會發送到Amazon Elasticsearch，這是一個搜索功能非常快的服務，該方案可用在智能零售、安防等場景。
談及發展，AWS更傾向于“這樣”
在很多公開場合，我們都習慣發問“目前的AI 究竟落地到什么程度？”對此，AWS副總裁Swami Sirasubramanian(斯瓦米·西瓦蘇布拉曼尼)表示，如今的AI還是處于發展早期，但可喜的是AI采納率上升速度、增長速度非常快。
“它已經不只是一兩個細分行業中被應用的技術了，包括金融科技、自動駕駛、醫藥行業，還有移動端營銷甚至時尚行業在內都紛紛嘗試采用。例如，金融科技行業使用人工智能和機器學習來進行個性化定制，給客戶提供個性化的金融計劃，幫助減少納稅或者填表格的難度；自動駕駛行業也不斷使用AWS機器學習服務，其中包括數據存儲、分布式GPU計算等，甚至還有一些自動駕駛公司將AI 技術應用在無人駕駛的卡車上。”
“AWS看到越來越多的細分行業，上云使用機器學習和人工智能服務”，Swami Sirasubramanian很開心，“此外我們還發現很多非盈利機構使用人工智能和機器學習來打擊人口販賣并消除饑餓。”
AWS副總裁Swami Sirasubramanian(斯瓦米·西瓦蘇布拉曼尼)
但我們從不同的細分行業應用中也確實看到了很多共同屬性，例如更多情況下還是缺乏將AI技術主流化的技巧。因此 AWS不僅專注AI，更主張為細分行業提供有效的AI培訓，例如免費的機器學習幫助完成訓練并提供認證等。此外，Swami認為，目前全球范圍內，包括中國，都處在一個AI加速落地的階段，但是依然有很多因素阻礙企業采納人工智能技術，其中很關鍵一項就是擁抱AI之前，被卡在數據處理階段。“AI或者機器學習就像一個蛋糕上的奶油，蛋糕底下一定要有其他的東西作為支撐，其中包括大數據、存儲、計算等方面。機器學習對于企業以及開發者們帶來的最大挑戰，就是為機器學習模型訓練所籌備的數據。如今50%到70%的人力和時間都花在數據籌備上。”Swami表示。
關于5G發展，Swami坦承IoT與邊緣計算技術，目前在AWS被作為優先發展的內容之一。“未來十年，如果你看到用戶部署線下服務器的數量降低，那是因為更多都放在了云上，而這些屬于云上的溝通交流完全離不開5G基礎架構。確切的說，5G出現不但改變了設備之間的溝通方式，甚至變革了連接性。”未來，AWS會加強IoT方面的資金投入。
近年來反觀AWS的發展，我們就會發現AWS的各項服務一直有條不紊地擴展到全球范圍內各個不同的區域，截至目前已進入全球22個區域、69個可用區，重要的是最新的Amazon EC2 G4實例也將于今年部署到AWS 中國（北京）和AWS中國（寧夏）兩個區域。關于業務拓展，Swami總結道，AWS有90%到95%的服務擴展都是基于客戶反饋，另外5%到10%的變化也是基于AWS對客戶反饋的詮釋。
“我們從來不會發布所謂的擴展路線圖或者擴展計劃。因為如果搶先發布了諸如此類的路線圖，卻不是用戶想要的，就很被動。一直以來用戶很享受與我們之間的互動，而我們也會隨時隨地傾聽他們的反饋并對其拓展，僅僅去年一年，AWS新推出的服務就多達1957個，是5年前的四倍。” Swami強調。
福利
掃描添加小編微信，備注“姓名+公司職位”，加入【云計算學習交流群】，和志同道合的朋友們共同打卡學習！
推薦閱讀：
上萬條數據撕開微博熱搜的真相！
IT公司老板落水，各部門員工怎么救？？
HTML 30 年進化史
讀了鴻蒙 OS 的代碼后，我發現優秀項目都有這個共性！
字節跳動李航：自學機器學習，研究AI三十載，他說AI發展或進入平緩期
主鏈增幅最高飚至 152%，主流幣卻驚現回落；以太坊發幣速度持續放緩
真香，朕在看了！
總結
以上是生活随笔為你收集整理的纪·阿晶的首次AWS之行！的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 新的硅胶地毯为什么被敲起？
- 下一篇： Nutanix，在转型的道路上越走越远