当前位置：世界数码科技网 >> 数码产品 >> 文章正文
AWS首席执行官安迪·贾斯西:机器学习重塑企业
2020年12月2日，——亚马逊re:Invent全球大会首次在线举行，这是一场长达16天的饕餮盛宴。与往年一样，AWS首席执行官安迪贾斯西(Andy Jassy)发表了一篇三小时的主题演讲，内容充满了干货，解释了他对行业和客户需求趋势的见解。
AWS首席执行官安迪贾斯西
看着这场技术盛宴，最让老纪兴奋的是亚马逊云服务(AWS)在机器学习(ML)领域的最新发展。众所周知，机器学习是人工智能领域最重要的技术之一，包括89%的人工智能专利申请和40%的人工智能相关专利。
“去年的re:发明，我讲了75分钟机器学习。今年就不多说了。”安迪贾斯西说：“云使机器学习成为可能。越来越多的企业使用机器学习，机器学习的几乎每一个阶段都在不断地被再造和重塑。”
在老纪看来，这种轰轰烈烈的重塑，是对机器学习的基础能力、应用能力和求解能力的改造和拓展。让我们仔细看看AWS是如何做到的。
更多元的基础能力
AWS为技术能力强、想以人工智能和机器学习为核心竞争力的客户提供强大的计算能力、全面的计算能力选择和丰富的机器学习框架选择。
AWS可以基于NVIDIA、Intel、AMD、Xilinx等芯片厂商的最新处理器提供强大的计算能力。在这次会议上，AWS还发布了自己的机器学习专用芯片：其中基于AWS Expression TIA芯片的Inf1实例比英伟达G4实例的吞吐量高3倍，成本低40%，实现了机器学习中“推理”的终极性价比。另一个芯片，AWS Trainium，使“培训”极具成本效益。
在计算能力方面，客户可以选择AWS专用芯片，也可以选择其他厂商的产品。AWS大中华区云服务产品管理总经理顾凡说：“我们把所有的选择都放在这里。核心目的是看计算方面有没有创新，另一个是量身定做，满足你的定制需求。”
AWS也是唯一完全支持Tensorflow、PyTorch、Apache、MXNet的云服务提供商。无论客户喜欢或需要哪个框架，AWS内部都会有针对不同框架的调优团队，以确保最佳性能。
针对机器学习中的训练环节，AWS专门开发了分布式训练模式，以进一步提高训练效率。在AWS平台上，去年用Tensorflow完成了复杂的Mask-RCNN模型，耗时28分钟。今年采用分布式培训模式后，只需6分钟即可完成。
同样，启用分布式训练模式后，至少需要几个月的时间来调整T5-3B的性能，它使用PyTorch运行一个极其复杂的自然语言处理模型。今天这个时间缩短到了5.9天。
AWS为客户提供了更多的选择，消除了他们在计算能力和机器学习框架方面的担忧。
更丰富的应用能力
那么，企业如何将机器学习的基本能力转化为应用呢？要知道很多企业都有数据开发人员和数据分析师。虽然他们缺乏机器学习的知识、技能和开发者，但他们并不缺乏机器学习的思想。
这时候，AWS在2017年发布的亚马逊SageMaker发挥了重要作用。它为企业提供了一个完全托管的机器学习集成开发环境，并为该开发环境添加了新的功能，从数据准备到模型培训、参数调整和模型迭代，到模型部署和模型质量监控。在整个过程中，最大化了他们的机器学习效率，降低了他们的机器学习门槛。老纪认为，亚马逊SageMaker是机器学习领域的APP Store。
例如，通过亚马逊SageMaker，AWS将机器学习能力嫁接到数据库中，允许数据库开发人员和数据分析师遵循数据库查询的方式，将他们的机器学习思想应用到业务应用中。
亚马逊极光是AWS著名的关系数据库服务，AWS为极光推出了新功能亚马逊极光ML。数据库开发人员发起数据库查询(SQL)时，只要选择了机器学习模型，机器学习服务就会被唤醒，极光ML会自动将查询结果交给机器学习模型进行推理并返回结果。比如查询客户的评价是正面还是负面，数据库开发者只需要查询数据库，选择这个模型，返回的查询结果会自动添加正面或负面的判断。同样，出站电子商务想把数据库中的商品信息改成多种语言，数据库开发者只需要查询商品信息，选择多语翻译，返回的结果会自动包含商品信息的多语翻译。
企业不懂机器学习？没关系，只要他们懂数据分析，甚至会提问。在亚马逊re:Invent全球大会上，AWS推出了全新酷炫的机器学习功能亚马逊QuickSight Q，让客户可以用自然语言提问数据，获得想要的数据洞察。比如直接输入“我们的同比增长率是多少？”在查询框中，可以在几秒钟内获得高度准确的答案。以前可能需要几天甚至几周的时间来提前定义增长率，更新模型，处理数据。
亚马逊QuickSight Q功能演示
AWS还推出了Amazon Lookout For Metrics，它使用机器学习技术，通过比较各种企业数据来检测数据异常。例如，顾凡说，在某个数据源中，一种商品的价格从200元变成了20元。通过Amazon Lookout For Metrics发现这类异常数据具有重要意义。如果网上销售出现这样的价格失误，可能会给企业带来巨大的损失。
此外，AWS还发布了亚马逊DevOps Guru，这是一款使用机器学习的运维服务，可以帮助应用开发者自动检测运维中的问题，给出建议和补救措施，提高应用可用性。此前，AWS已经推出了亚马逊CodeGuru，允许开发人员使用机器学习来自动审核代码，并提供指导和建议。
更端到端的解决方案
AWS发布了这么多机器学习的产品，都用在哪些领域？事实上，AWS已经为不同行业、不同领域、不同场景积累了丰富的解决方案。
在这次re:Invent大会上，AWS发布了5款面向工业领域的机器学习服务，分别是亚马逊Monitron、亚马逊Lookout for Equipment、AWS Panorama一体机、AWS Panorama SDK和亚马逊Lookout for Vision，这是AWS首次针对工业领域推出开箱即用的机器学习解决方案。
有了这个解决方案，即使你只是一个传统的铅笔制造企业，也能享受到人工智能的好处。例如，您可以使用Amazon Lookout for Equipment对这些安装了传感器的机器和设备进行建模和监控。一旦设备出现问题，不仅可以报警，还可以快速排除故障。还可以为没有传感器的设备配备亚马逊Monitron，提供由传感器、网关、机器学习服务组成的端到端机器监控系统。
铅笔生产出来后，如何判断是否正常？只需要上传30张正常铅笔的图片，就可以建立基本模型。然后成品可以通过亚马逊Lookout for Vision进行检验，发现缺陷和异常。整条生产线运行如何？工厂可以通过AWS全景一体机连接网络，自动识别摄像头数据流，与工业摄像头交互，实现整条生产线的监控。
目前使用过AWS工业机器学习服务的客户和合作伙伴有安讯士、凌华科技、BP、德勤、芬达、GE医疗、西门子交通等。
在中国，AWS解决方案也得到广泛应用。不久前，AWS和国内软件公司中科创达联手，为施耐德电气的中国工厂打造了完整的工业愿景解决方案。此前，施耐德使用传统机器视觉进行产品检测。然而，由于产品良率高、缺陷产品数据积累少、产品变化快，传统机器视觉的学习能力不足。
有了AWS的解决方案，生产线只需要很少的样图就可以快速完成培训、验证和交付，推理时间从50毫秒以上减少到20毫秒以下，过检率从20%减少到1.5%，漏检率从3%直接减少到零。
“当我们进行大量合作时，我们不会给出产品。在很多情况下，我们会开发能力，和客户一起探索整个应用模型，最后做出这个项目。”AWS大中华区机器学习产品总监戴文说。
如今，AWS独特的解决方案已经在中国的电气、汽车旅行、医疗服务、教育、媒体、游戏等行业蓬勃发展。
重塑企业未来
当今世界变得越来越快，企业要保持过去的竞争优势越来越困难。
一个企业如何才能永垂不朽？AWS CEO安迪贾斯西(Andy jassy)认为，企业必须找到像AWS这样的技术合作伙伴，利用人工智能和机器学习重塑流程和运营，重塑未来。
例如，在与仍在世界各地肆虐的新冠肺炎疫情的斗争中，美国生物技术公司莫德纳(Moderna)与AWS合作，将需要一年才能完成的工作减少到四个月。
作为亚马逊的资深员工，安迪贾斯西(Andy Jassy)亲身经历了亚马逊利用机器学习重塑电子商务、云服务、供应链等业务，成长为全球领先科技公司的全过程。今天，他领导的AWS正在重塑未来。
斯瓦米西瓦苏布拉曼人，AWS全球机器学习副总裁
顺便说一下，12月9日，AWS全球机器学习副总裁斯瓦米西瓦苏布拉曼安(Swami Sivasubramanian)发表了关于机器学习的主旨演讲，对AWS在机器学习方面的举措进行了更深入的解释。有兴趣的读者可以在re:Invent中文官网观看。