AWS张侠：把机器学习能力交到每一位构建者手中

4月24日消息，在昨天举办的AWS INNOVATE 2020 在线技术大会上，AWS首席云计算企业战略顾问张侠发表主题演讲，针对当前火热的企业数字化转型，分享了AWS在数据库、数据分析、人工智能和机器学习等多个方面的技术能力，以及他们对企业数字化转型的助力。

数字化的时代，数据已经成为最重要的战略资产。如果把大数据、机器学习和人工智能结合在一起，就可以用这些数据来做一些前瞻性的数据分析，实现对大数据更广泛、深入的应用，进行预测性的分析。

在谈到AWS的人工智能和机器学习能力时，张侠透露，过去一年时间，AWS新推出了近250项人工智能方面的服务和功能。AWS针对机器学习的中间平台之关键服务Amazon SageMaker和Amazon SageMaker Studio近期将正式在中国区域推出，目前这个服务在中国可进行有限预览。

Amazon SageMaker是一项完全托管的服务，可以帮助开发者和数据科学家快速构建、训练和部署机器学习模型。SageMaker消除了机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。Amazon SageMaker为开发者提供了弹性笔记本、实验管理、自动模型创建、模型调试分析，以及模型概念漂移检测等强大功能，并将这些功能封装在首个面向机器学习的集成开发环境(IDE) Amazon SageMaker Studio中。

张侠表示，亚马逊在机器学习方面有近25年的积累，亚马逊有数千名工程师和数据科学家在从事机器学习方面的工作。我们也非常愿意把这些方法分享给更多的用户，所以我们提出一个口号，希望把机器学习的能力交到每一位构建者手中。

张侠

亚马逊AWS的机器学习服务究竟如何做的呢？以下将张侠的介绍进行编辑整理介绍：

亚马逊AWS的机器学习服务分为三个层次。

底下层，是机器学习的框架和基础设施。在机器学习框架方面，AWS支持各种主流的机器学习基础框架和接口标准，比如TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod、Keras等；也支持AWS Glue、Amazon Kinesis这种机器学习数据库或者数据接口等。基础设施方面，AWS提供各种各样机器学习的虚机、实例和镜像，提供GPU的计算实例Amazon EC2 G4，也提供Amazon EC2 P3这样专门做并行计算、适合机器学习的实例类型，还推出了Amazon Elastic Inference，在Amazon EC2上动态地挂一个专门的GPU，然后自动缩放，以比较低的成本来做机器学习推理工作。AWS还推出了基于自家创新芯片的AWS Inferentia的Amazon EC2 Inf1实例，专门用于机器学习推理。

中层是前文所述的Amazon SageMaker。

在上层，AWS提供了比较现成的人工智能服务，如Amazon Rekognition图像识别服务，Amazon Polly文字转语音、Amazon Transcribe语音转文字这样的语言服务。Polly、Transcribe在中国已经向用户提供。另外有语言理解、语言翻译、语义识别和读取这些文字处理服务。这次还新推出了在企业内部做全局搜索的Amazon Kendra搜索服务。

在过去两年，AWS也基于Amazon.com使用的一些人工智能和机器学习技术，推出了个性化推荐服务Amazon Personalize、欺诈侦测服务Amazon Fraud Detector，预测服务Amazon Forecast。AWS还有用于做代码审核和分析服务Amazon CodeGuru，它采用机器学习来做代码分析，找出代码里占用资源多、开销最大的部分。Amazon Connect Contact Lens服务用机器学习的方法分析客服中心中客户的情绪。AWS还有人机对话服务Amazon Lex，它是Amazon Echo智能语音音箱背后的技术。

AWS在人工智能和机器学习方面的服务广泛而深入，这一点从分析机构Gartner对AWS的评价也可以得到佐证。Gartner在2020年2月最新发布的《云上AI开发者服务魔力象限》中，将AWS排名在领导者象限首位。Gartner说，AWS是这个魔力象限的领导者，提供了一套全面的服务和应用开发接口(API)，包括语言方面、视觉方面的多种服务，而Amazon SageMaker机器学习服务为开发者和数据科学家提供了进一步支持。