0
| 本文作者： 王剛 | 2020-07-21 15:22 |
文 | 王剛
出品 | 雷鋒網產業(yè)組
“在亞馬遜，有一種說法是Day one（第一天）。而機器學習（Machine Learning）也毫無疑問是處在它的第一天?！?nbsp;
AWS副總裁Swami Sivasubramanian（斯瓦米·西瓦蘇布拉曼尼）這樣表達他對于機器學習廣袤市場空間的看法。
他給雷鋒網打了個比方：現(xiàn)如今的機器學習有點像我們剛睡醒需要喝杯咖啡的時刻，處于一天中的清晨。但即使在這么早的階段，機器學習領域就已經出現(xiàn)了非常多的創(chuàng)新了，而且這些創(chuàng)新不光來自于那些實力非常雄厚的大公司，同時也來自于初創(chuàng)企業(yè)。假以時日，機器學習將成為所有應用的必備成分。
同時，隨著今年4月中國區(qū)正式上線了機器學習服務Amazon SageMaker，AWS帶給中國客戶的技術能力邊界再度擴大。
資料顯示，SageMaker是AWS CEO Andy Jassy在2017年的AWS re:Invent大會上發(fā)布的，一經推出，就得到了熱烈響應，成為應用開發(fā)領域的一支新力量，目前已在全球擁有了上萬家客戶。
據雷鋒網了解，截止目前，AWS已經推出了三個層次的機器學習云服務，包括：AI服務、ML服務、ML框架和基礎架構。
AI服務：比如，文本轉語音：Amazon Polly、語音轉文本：Amazon Transcribe、從文檔中提取文本和數(shù)據：Amazon Textract、推薦引擎：Amazon Personalize等；
ML服務：Amazon SageMaker；
ML框架和基礎架構： 集成了主流框架的機器學習鏡像、GPU和CPU計算資源、集成FPGA甚至推理芯片的計算資源等。
Swami談到，作為AWS人工智能和機器學習領域的負責人，他在AWS已經工作15年，他所在部門的使命就是把機器學習的能力賦予日常工作中普通的開發(fā)者和數(shù)據科學家使用。
據悉，此前，他曾任AWS的NoSQL數(shù)據庫總經理，兼管大數(shù)據業(yè)務。多年來，Swami先生對大數(shù)據、人工智能領域始終保持著極高的熱情。
在剛剛落幕的上海世界人工智能大會上，Swami就以視頻演講的形式“布道”了AWS的機器學習。
而借此契機，我們在Swami演講后與其展開了一次對話，聽到了更多關于機器學習落地中國的進展以及在新冠肺炎疫情中他對于機器學習發(fā)展的深度思考。
平臺意識：AWS做云梯，創(chuàng)新企業(yè)聚焦業(yè)務
訪談中，Swami非常強調平臺公司和初創(chuàng)企業(yè)的分工。
他認為，整個社會在轉型，因此，當我們談到人工智能和機器學習的時候，不光只是從研究、開發(fā)的角度去看待，他覺得其實更重要的，是能夠讓開發(fā)人員和數(shù)據科學家在日常的工作中也能夠用到人工智能和機器學習，只有這樣，才能夠把機器學習的能力應用在更多領域。
而要達到這樣的目的，平臺企業(yè)就需要支持市場主流的一些機器學習框架，像Tensorflow、PyTorch、MXNet等等，并且支持GPU、CPU等不同的硬件架構。
而這些條件，包括SageMaker在內的AWS的機器學習服務都做到了。
雷鋒網注意到，截至目前，SageMaker 支持的領先的深度學習框架和接口標準包括：TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn 和 Deep Graph Library。此外，用戶可以通過上傳自己的容器鏡像讓SageMaker運行自定義的框架和模型。
Amazon SageMaker 是一項完全托管的服務，可以幫助開發(fā)者和數(shù)據科學家快速構建、訓練和部署機器學習模型。SageMaker 消除了機器學習過程中的繁重工作，讓開發(fā)高質量模型變得更加輕松。
Swami指出，其實機器學習的應用領域是非常廣泛的，可以適用于很多行業(yè)。對于初創(chuàng)公司而言，可以深入到行業(yè)應用解決方案中，聚焦于行業(yè)化的具體應用開發(fā)和部署，幫助這些行業(yè)實現(xiàn)創(chuàng)新自動化。
而SageMaker這樣的平臺則可以被用來幫他們完成建模、部署等一些“苦活累活”。
對于初創(chuàng)公司，Swami的建議是其迅速找到重要的客戶然后快速做創(chuàng)新，而工具平臺則交給AWS來完成。
機器學習落地為王：晶泰科技、圖森未來、有道樂讀案例
實際上的確如此——Swami的觀點符合當前AI重度強調落地，打造“AI+行業(yè)”的重要趨勢。在國內，目前已經有眾多公司使用AWS機器學習服務。
晶泰科技（XtalPi）是一家以計算驅動創(chuàng)新的藥物研發(fā)科技公司，通過自主研發(fā)的基于AWS GPU計算實例的機器學習框架，實現(xiàn)大規(guī)模的模型訓練及參數(shù)優(yōu)化。
在新冠肺炎疫情爆發(fā)后，該公司很快對近3000個已通過美國藥監(jiān)局（FDA）審核的上市藥物、以及超過1萬種中藥成分分子，進行了老藥新用的掃描，成功找到了183個可能對新冠病毒有潛在治療效果的藥物。之后，晶泰科技對這些藥物的活性進行了排序，然后又通過更加高精度的計算方法，最終鎖定了38個藥物。
圖森未來（TuSimple）是一個無人駕駛卡車品牌，創(chuàng)立初衷在于以 L4 級別（SAE 標準）的無人駕駛卡車技術為全球物流運輸行業(yè)提供支持。
在美國圣地亞哥和中國，它都使用了SageMaker進行超過100英里的自動駕駛貨運服務的自主研發(fā)，它使用SageMaker訓練了一百多種人工智能的模型，設立了不同的場景，以每小時65邁的速度實現(xiàn)車輛在車道中間誤差不超過5厘米的精準度進行行駛。
有道樂讀是一家網易有道旗下做少兒閱讀的科技公司，使用了Amazon Personalize來開發(fā)自己的個性化推薦引擎。據雷鋒網了解，有道樂讀的開發(fā)團隊非常精悍，他們通過Amazon Personalize這樣的服務去實現(xiàn)了推薦引擎的快速開發(fā)。
此外，彈幕式互動平臺虎牙直播也使用SageMaker，在云上訓練機器學習模型。
個人洞察：抗擊新冠肺炎疫情中，機器學習的3大趨勢
此前一次采訪中，AWS首席云計算企業(yè)戰(zhàn)略顧問張俠博士表示，在全球范圍內，有上萬個客戶都在AWS上運行各種各樣的機器學習負載，大概有85%的Tensorflow負載都是跑在AWS上。據統(tǒng)計，在AWS上運行機器學習負載的客戶量至少高于其它云運營商的2倍。
而新冠肺炎疫情大流行的這段時間，AWS的機器學習也在得到更大范圍地普及。
Swami談到，新冠肺炎疫情是一次洗禮，促使越來越多的公司向云端遷移，尤其是公共領域的公司，加快了使用云端機器學習來開發(fā)各式各樣的應用。
AWS副總裁 Swami
比如一些公司使用Amazon Textract（一項自動提取文檔中文本和數(shù)據的服務）來打造自己的應用，增加對申請表的智能處理能力，同時使用對話機器人來建構他們的呼叫中心，實現(xiàn)大規(guī)模部署的企業(yè)通訊系統(tǒng)。
總結來說，Swami看到了抗擊新冠肺炎疫情中人們使用機器學習的三大趨勢。
第一個趨勢，大規(guī)模的通訊。
比如有公司利用來自官方渠道的權威信息，結合專業(yè)文獻和詞庫，再利用機器學習和自然語言處理、知識圖譜技術對專業(yè)信息進行結構化處理、整合歸類并建立新冠肺炎防護的知識圖譜，快速打造了一套準確率很高的新冠肺炎智能問答系統(tǒng)，累計解決了數(shù)十萬個問題。
第二個趨勢，人們使用機器學習來進行新冠病毒治療方案的研發(fā)。
有公司利用機器學習進行了老藥新用的掃描，成功找到了可能對新冠病毒有潛在治療效果的藥物，這得益于這類公司基于AWS GPU計算實例的機器學習框架，實現(xiàn)大規(guī)模的模型訓練及參數(shù)優(yōu)化，加速了算法研發(fā)效率。
第三個趨勢，使用機器學習打造遠程醫(yī)療平臺。
利用AWS的機器學習服務，中國一家專注智慧遠程心電平臺及專業(yè)會診服務的初創(chuàng)企業(yè)益體康實現(xiàn)了快速構建AI模型和推理部署，通過聯(lián)網的專業(yè)心電設備和云端遠程醫(yī)療平臺幫助中小醫(yī)療機構解決專業(yè)醫(yī)生資源不足的問題，為眾多身處隔離病房不方便醫(yī)生時時監(jiān)測心臟受損狀況的病患提供了服務，大幅減少了跨區(qū)傳播的風險。
從這些鮮明的例子也可以看到，從初創(chuàng)公司到大型企業(yè)，部署機器學習應用程序幾乎是普遍的重中之重了。
在每一個細分行業(yè)，企業(yè)不僅面臨多變的外部環(huán)境（政治經濟文化），也面臨同行的激烈競爭。而借助機器學習，則有機會更快爬到行業(yè)金字塔的頂端，去應對這些不確定性。AWS提供的人工智能和機器學習服務，正是為了實現(xiàn)這一目的。
相關文章：
上萬個公司都在用的機器學習服務SageMaker，AWS宣布要在中國推出了
對話AWS：開源與創(chuàng)業(yè)生態(tài)是推動云增長的“新馬車”
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
