原標(biāo)題:在普惠AI這方面,AWS今年干了幾件重要的事情
機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)、TensorFlow、PyTorch……一個(gè)個(gè)神乎其神的專業(yè)詞匯,讓AI似乎有點(diǎn)“高處不勝寒”,跟各種企業(yè)總有種“距離感”。因此,消除“距離感”,讓AI普惠化,真正進(jìn)入千行百業(yè)之中,就成為近年來各大廠商實(shí)現(xiàn)AI平民化的核心目標(biāo)。
所謂普惠AI,其本質(zhì)核心就是從“用上”到“用好”的過程,即如何讓更多不同類型的人員在更多業(yè)務(wù)場(chǎng)景中更好地使用AI。這是一個(gè)極為艱難的歷程,需要通過產(chǎn)品層面的不斷完善,來充分考慮不同類型人員使用AI的習(xí)慣,以降低其在業(yè)務(wù)場(chǎng)景中使用AI的難度,然后不斷循環(huán)迭代,實(shí)現(xiàn)AI在各種業(yè)務(wù)場(chǎng)景中的深入應(yīng)用。
在眾多廠商中,云計(jì)算巨頭亞馬遜云服務(wù)(AWS)是推動(dòng)AI走向普惠化的重要代表。從2016年開始在機(jī)器學(xué)習(xí)領(lǐng)域發(fā)布三個(gè)服務(wù)開始,逐年增加每年新增的服務(wù)和功能;最近三年,每年都新增超過200個(gè)服務(wù);迄今為止有超過10萬用戶在AWS上使用機(jī)器學(xué)習(xí)服務(wù),極大推動(dòng)了機(jī)器學(xué)習(xí)技術(shù)在千行百業(yè)中的落地。
今年AWS re:Invent大會(huì)上,跟機(jī)器學(xué)習(xí)相關(guān)的產(chǎn)品發(fā)布依然是大會(huì)的重頭戲,隨著AWS一系列跟機(jī)器學(xué)習(xí)相關(guān)新產(chǎn)品和新服務(wù),筆者愈發(fā)感受到AWS加速掃除機(jī)器學(xué)習(xí)應(yīng)用的幾個(gè)攔路虎,在普惠AI這件事情上走在了業(yè)界最前沿。
AI百寶箱:為用戶更多選擇
在數(shù)字化時(shí)代,人工智能是用戶智能化升級(jí)的重要技術(shù)手段。但人工智能并不是一個(gè)孤立存在技術(shù),涉及到從底層芯片、機(jī)器學(xué)習(xí)框架、AI服務(wù)等一系列環(huán)節(jié)。要想真正讓用戶把AI用好,這要求AI產(chǎn)品和服務(wù)在產(chǎn)品的深度與廣度上為用戶提供足夠多的選擇權(quán)。
“為AI每一項(xiàng)工作都提供一個(gè)趁手的工具,并給予用戶更多選擇權(quán),這是AWS在機(jī)器學(xué)習(xí)的宗旨?!盇WS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡如是說。所以,我們看到今年AWS又推出了超過250項(xiàng)新服務(wù)或新功能,進(jìn)一步豐富了AI工具箱。
具體來看,在底層AI芯片和機(jī)器學(xué)習(xí)框架方面,AWS可以提供基于英偉達(dá)、英特爾、AMD、賽靈思等芯片廠商的最新處理器的強(qiáng)大算力,并通過自主設(shè)計(jì)的處理器,極大地降低機(jī)器學(xué)習(xí)的算力成本。顧凡直言:“不同機(jī)器學(xué)習(xí)應(yīng)用對(duì)于算力的顆粒度和需求是不一樣的。在計(jì)算領(lǐng)域重塑的創(chuàng)新點(diǎn)就是量體裁衣,將細(xì)分需求坐待極致?!睋?jù)悉,AWS此次推出了兩款訓(xùn)練新產(chǎn)品:基于intel Habana Gaudi、AWS Trainium,其中Trainium專門針對(duì)訓(xùn)練提供極致性價(jià)比。
在中間層的SegaMaker全托管機(jī)器學(xué)習(xí)集成開發(fā)環(huán)境上,AWS此次一口氣推出了九款重量級(jí)的新功能,包括更易用的數(shù)據(jù)預(yù)處理、專用的特征存儲(chǔ)、自動(dòng)化工作流、更多的訓(xùn)練數(shù)據(jù)可見性以減少數(shù)據(jù)傾斜和更好的預(yù)測(cè)解釋、大型模型的分布式訓(xùn)練速度可最多提升兩倍,以及監(jiān)控邊緣設(shè)備上的模型。
比如,機(jī)器學(xué)習(xí)的數(shù)據(jù)準(zhǔn)備是一個(gè)極為耗時(shí)、復(fù)雜過程。因?yàn)闄C(jī)器學(xué)習(xí)用于訓(xùn)練的數(shù)據(jù)特征通常都是多源異構(gòu)的,很多數(shù)據(jù)科學(xué)家往往耗費(fèi)大量精力在數(shù)據(jù)提取和規(guī)范上。這種基礎(chǔ)工作耗時(shí)、耗力,的確是當(dāng)前很多用戶在使用AI過程中的典型挑戰(zhàn)。
為此,AWS推出了為機(jī)器學(xué)習(xí)將將數(shù)據(jù)轉(zhuǎn)化為特征的工作稱為特征工程的快速簡(jiǎn)便工具--Amazon SageMaker Data Wrangler。通過 Amazon SageMaker Data Wrangler,客戶可以從各種數(shù)據(jù)存儲(chǔ)中快速數(shù)據(jù),并一鍵導(dǎo)入,成為模型的特征數(shù)據(jù)。據(jù)悉,Amazon SageMaker Data Wrangler支持與其他產(chǎn)品進(jìn)行廣泛對(duì)接,包括一鍵直接對(duì)接Amazon Athena、Amazon Readshift、Amazon S3、AWS CloudFormation ,Snowflake、MongoDB、Databricks等。
“Data Wrangler解決了從原始數(shù)據(jù)到特征數(shù)據(jù)轉(zhuǎn)換的易用性問題。但特征數(shù)據(jù)大量出現(xiàn)之后,其存儲(chǔ)和管理也會(huì)遇到挑戰(zhàn),這也是當(dāng)前很多用戶向我們反饋的一點(diǎn)。”顧凡介紹道。
之前,很多開發(fā)人員和數(shù)據(jù)科學(xué)家試圖使用電子表格、筆記和電子郵件來解決這個(gè)問題。他們甚至要嘗試開發(fā)一個(gè)應(yīng)用程序來跟蹤管理特征,工作量大且容易出錯(cuò)。為解決特征數(shù)據(jù)的存儲(chǔ)與管理,AWS推出了Amazon SageMaker Feature Store,提供了一個(gè)專門構(gòu)建的特征庫(kù),供開發(fā)人員訪問和共享特征,使開發(fā)人員和數(shù)據(jù)科學(xué)家團(tuán)隊(duì)可以輕松地存儲(chǔ)、更新、檢索和共享用于訓(xùn)練和推理的機(jī)器學(xué)習(xí)特征。
毫無疑問,隨著Amazon SageMaker功能越來越全面,其正在解決的是從數(shù)據(jù)準(zhǔn)備、到模型訓(xùn)練、參數(shù)調(diào)優(yōu)與模型迭代、到模型部署、模型質(zhì)量監(jiān)控等整個(gè)機(jī)器學(xué)習(xí)過程中的產(chǎn)品易用性和提升機(jī)器學(xué)習(xí)效率,從而真正實(shí)現(xiàn)降低AI門檻的目的。
在面向技術(shù)能力相對(duì)薄弱的用戶群,AWS為他們提供開箱即用的人工智能服務(wù),目前已經(jīng)涵蓋機(jī)器視覺、語(yǔ)音文字轉(zhuǎn)換、機(jī)器對(duì)話、文本處理、電商業(yè)務(wù)、客服、企業(yè)內(nèi)信息搜索、開發(fā)與運(yùn)維、工業(yè)AI等方面。
“Amazon Sagemaker成為AWS史上增長(zhǎng)最快的服務(wù)之一。現(xiàn)在,AWS希望將機(jī)器學(xué)習(xí)每一個(gè)工作流越做越細(xì)?!鳖櫡部偨Y(jié)道。
讓更多人用上和用好AI
眾所周知,數(shù)據(jù)科學(xué)家或者AI技術(shù)人員屬于極少一部分人群,這部分人群的專業(yè)度和技術(shù)能力不可比擬。企業(yè)中大部分人員都不具備相關(guān)的知識(shí)和技能,但這部分人又渴望在自身的業(yè)務(wù)場(chǎng)景中能夠用到機(jī)器學(xué)習(xí)等跟技術(shù)。
進(jìn)入到智能化時(shí)代,AI并不應(yīng)該是數(shù)據(jù)科學(xué)家或者AI技術(shù)人員的專屬。從讓AI更加普惠的角度來看,企業(yè)有更多人員使用和用好AI,那無疑會(huì)極大提升AI應(yīng)用效率,并且會(huì)加速AI場(chǎng)景的落地。
為此,AWS做了一項(xiàng)重要的創(chuàng)新,就是將機(jī)器學(xué)習(xí)能力跟數(shù)據(jù)庫(kù)進(jìn)行嫁接,讓數(shù)據(jù)庫(kù)開發(fā)者、數(shù)據(jù)分析師沿用數(shù)據(jù)庫(kù)查詢的方式,讓他們的機(jī)器學(xué)習(xí)想法落地到業(yè)務(wù)應(yīng)用中。此次re:Invent大會(huì)上,AWS一口氣介紹了Amazon Aurora ML、Amazon Athena ML、Amazon Redshif ML、Amazon Neptune ML以及Amazon QuickSight 等多項(xiàng)功能,給數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、圖數(shù)據(jù)庫(kù)、BI等服務(wù)都集成了機(jī)器學(xué)習(xí)功能,讓數(shù)據(jù)庫(kù)開發(fā)者和數(shù)據(jù)分析師可以將機(jī)器學(xué)習(xí)用起來。
“舉一個(gè)例子,電商領(lǐng)域經(jīng)常會(huì)哪些客戶有可能流失,這時(shí)你可能并沒有一個(gè)模型來判斷什么樣特征的客戶有可能會(huì)流失。通過Redshift ML,數(shù)據(jù)分析師只管SQL查詢,Redshift ML可以把數(shù)據(jù)導(dǎo)入S3,然后SageMaker的Autopilot功能結(jié)合。Autopilot是一個(gè)自動(dòng)建模的功能。這樣的Redshift ML可以自動(dòng)進(jìn)行數(shù)據(jù)清洗、模型訓(xùn)練,選擇最優(yōu)的模型進(jìn)行預(yù)測(cè)?!鳖櫡惭a(bǔ)充道。
毫無疑問,AWS此舉將極大提升人工智能的使用人群,讓更多人更加簡(jiǎn)單地把AI用起來。
目前,AWS是將機(jī)器學(xué)習(xí)能力與自身的數(shù)據(jù)庫(kù)產(chǎn)品進(jìn)行嫁接與集成,未來是否會(huì)擴(kuò)展到AWS其他數(shù)據(jù)庫(kù)品牌服務(wù)商。對(duì)此,顧凡表示:“Amazon Data Wrangler就是用戶喜歡類型,可以對(duì)接不同品牌的數(shù)據(jù)源產(chǎn)品。AWS的原則是客戶至尚,未來一定會(huì)朝著這個(gè)方向迭代?!?/p>
將AI深入行業(yè)進(jìn)行到底
曾幾何時(shí),AI常被人揶揄為:有技術(shù)、沒場(chǎng)景,一堆高薪的AI人才卻不知如何發(fā)揮。這其實(shí)從側(cè)面反映出人工智能在行業(yè)業(yè)務(wù)場(chǎng)景中所遇到的挑戰(zhàn),即如何將場(chǎng)景與AI進(jìn)行更好地融合。機(jī)器學(xué)習(xí)等技術(shù)最早在互聯(lián)網(wǎng)的各個(gè)業(yè)務(wù)場(chǎng)景中得到落地與重用,但在其他行業(yè)之中依然任重道遠(yuǎn)。所以,場(chǎng)景化一直都是近年來各行各業(yè)用戶采用AI的主旋律話題。
那么,如何真正的將AI融入到行業(yè)的業(yè)務(wù)場(chǎng)景之中?這其中絕對(duì)不僅僅是幾個(gè)數(shù)據(jù)科學(xué)家、幾套算法就能夠搞定的。很多行業(yè)用戶往往需要是開箱即用的解決方案,在一套解決方案中融入了包括硬件、算法、軟件等一系列產(chǎn)品,并且還需要具備企業(yè)級(jí)的特征,保障各種產(chǎn)品可以持續(xù)高效穩(wěn)定運(yùn)行。
因此,普惠AI的另一大重要的任務(wù)就是在行業(yè)場(chǎng)景中提供開箱即用的產(chǎn)品與解決方案。比如,AWS發(fā)布了Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama Appliance、AWS Panorama SDK和Amazon Lookout for Vision。這五項(xiàng)全新的機(jī)器學(xué)習(xí)服務(wù)共同幫助工業(yè)和制造業(yè)客戶在其生產(chǎn)過程中嵌入智能能力,以提高運(yùn)營(yíng)效率,改善質(zhì)量控制、信息安全和工作場(chǎng)所安全。
- Amazon Monitron提供包含傳感器、網(wǎng)關(guān)和機(jī)器學(xué)習(xí)服務(wù)的端到端機(jī)器監(jiān)控解決方案,以檢測(cè)可能需要維護(hù)的異常設(shè)備狀況。
- Amazon Lookout for Equipment為擁有設(shè)備傳感器的客戶提供了使用AWS機(jī)器學(xué)習(xí)模型來檢測(cè)異常設(shè)備行為并進(jìn)行預(yù)測(cè)性維護(hù)的能力。
- AWS Panorama Appliance幫助已在工業(yè)設(shè)施中裝配攝像機(jī)的客戶使用計(jì)算機(jī)視覺來改善質(zhì)量控制和工作場(chǎng)所安全。
- AWS Panorama軟件開發(fā)套件(SDK)使得工業(yè)相機(jī)制造商可以在新相機(jī)中嵌入計(jì)算機(jī)視覺功能。
- Amazon Lookout for Vision在圖像和視頻流上使用AWS訓(xùn)練的計(jì)算機(jī)視覺模型,以發(fā)現(xiàn)產(chǎn)品或生產(chǎn)流程中的異常和缺陷。
“針對(duì)具體行業(yè)的業(yè)務(wù)問題,例如,在具體行業(yè)之中到底要解決什么問題,在什么情況下使用什么工具?AWS的思路是提供端到端的解決方案,非常有針對(duì)性的定制相關(guān)的服務(wù)于產(chǎn)品。”顧凡表示。
結(jié)語(yǔ)
顧凡認(rèn)為:“AI并不應(yīng)該僅僅是大型公司所擁有。”
誠(chéng)然AI雖好,但手頭沒有趁手工具是萬萬不行的。為機(jī)器學(xué)習(xí)每一個(gè)工作流、每一個(gè)環(huán)節(jié)打造最合適、最易用的功能與產(chǎn)品,是當(dāng)下AWS在機(jī)器學(xué)習(xí)領(lǐng)域的目標(biāo),也的確是當(dāng)下所有用戶所亟需的。面向未來,隨著AWS在機(jī)器學(xué)習(xí)領(lǐng)域產(chǎn)品與服務(wù)的不斷完善,有望幫助更多行業(yè)用戶加速AI落地與應(yīng)用的步伐。
- 蜜度索驥:以跨模態(tài)檢索技術(shù)助力“企宣”向上生長(zhǎng)
- 美媒聚焦比亞迪“副業(yè)”:電子代工助力蘋果,下個(gè)大計(jì)劃瞄準(zhǔn)AI機(jī)器人
- 微信零錢通新政策:銀行卡轉(zhuǎn)入資金提現(xiàn)免手續(xù)費(fèi)引熱議
- 消息稱塔塔集團(tuán)將收購(gòu)和碩印度iPhone代工廠60%股份 并接管日常運(yùn)營(yíng)
- 蘋果揭秘自研芯片成功之道:領(lǐng)先技術(shù)與深度整合是關(guān)鍵
- 英偉達(dá)新一代Blackwell GPU面臨過熱挑戰(zhàn),交付延期引發(fā)市場(chǎng)關(guān)注
- 馬斯克能否成為 AI 部部長(zhǎng)?硅谷與白宮的聯(lián)系日益緊密
- 余承東:Mate70將在26號(hào)發(fā)布,意外泄露引發(fā)關(guān)注
- 無人機(jī)“黑科技”亮相航展:全球首臺(tái)低空重力測(cè)量系統(tǒng)引關(guān)注
- 賽力斯發(fā)布聲明:未與任何伙伴聯(lián)合開展人形機(jī)器人合作
- 賽力斯觸及漲停,汽車整車股盤初強(qiáng)勢(shì)拉升
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。