AWS开发Amazon SageMaker机器学习来实现消除人工智能门槛

电子说

1.2w人已加入

描述

近年来,随着人工智能(Artificial Intelligence,简称AI)技术的不断发展,其对各行各业的影响也在不断加深。根据Gartner对2019年的CIO议程调查,仅在2018年至2019年间,部署人工智能的组织就从4%增长到了14%。

然而对于许多企业来说,作为一种新兴技术,人工智能的门槛还是太高了。那么有没有什么办法可以降低人工智能的门槛,让其可以更快更好地造福人类?

回答是肯定的。亚马逊云服务AWS旗下的机器学习(Machine Learning,简称ML)服务Amazon SageMaker,正是为此而生。

云AI开发者服务魔力象限的领导者

如今人工智能究竟有多火?通过Gartner发布的2019年人工智能新技术成熟度曲线,我们不难窥见一二。

该成熟度曲线审查了在人工智能领域的创新、趋势潮流以及计划范围,从中我们可以看到,以机器学习为代表的许多人工智能技术正在快速成熟。面对大数据时代每年都呈现指数级增长的海量数据,机器学习通过使用数学模型从数据中提取知识和模式,为各行各业的企业遭遇的业务问题提供解决方案。从提供个性化服务到预测产品故障,从供应链推荐到动态定价,从检测欺诈行为到反洗黑钱……在越来越多的行业和领域,机器学习都开始大展身手。

2020年2月,Gartner又发布了云AI开发者服务魔力象限报告。Gartner在该报告中预测,2023年将会有超过40%的开发团队使用自动化机器学习服务,以此构建向其应用程序中添加AI功能的模型。而在2019年,这一比例还不到2%;Gartner还预测,2025年将有50%的数据科学项目实现自动化,以缓解AI人才短缺的问题。

为了帮助广大AI开发者降低门槛,提升效率,AWS推出了自动生成机器学习模型工具Amazon SageMaker。通过这项工具,即使用户并不具备机器学习领域的专业知识,也可以根据自己的数据自动探索不同的解决方案,自动训练和调整最佳机器学习模型。这使得用户不仅可以快速生成高质量模型,保持可见性和控制,而且更加易于部署。

正是凭借在广大用户中有口皆碑的Amazon SageMaker,AWS才以毋庸置疑的优势成为了云AI开发者服务魔力象限排名第一位的领导者。

用机器学习消除人工智能门槛

目前制约人工智能应用普及的瓶颈,主要有哪些因素?亚马逊云服务AWS首席云计算企业战略顾问张侠博士将其归纳为以下三个方面:

一、AI专业人才短缺。目前人工智能、机器学习领域的专业知识相对较为高深,掌握相关知识的专业人才比较欠缺,企业往往需要支付百万级的年薪才能找到高级人才。

二、构建和扩展技术产品难度较大。构建和扩展人工智能技术的产品,将其真正应用到现实的生产工作流程中,目前还存在较大的难度。

三、部署应用费时且成本高昂。企业都希望能够获得低成本、易使用、可扩展的人工智能产品和服务,然而在实际生产经营中部署人工智能应用时,往往会发现需要耗费大量时间,且成本高昂。

正是为了帮助AI开发者和广大企业解决以上痛点,Amazon SageMaker才应运而生。

“为什么要选择AWS的机器学习?原因同样可以归纳为三个方面。”张侠博士表示。

一、广泛和深入的机器学习服务。AWS为用户提供了非常广泛、深入的机器学习服务,其中Amazon SageMaker服务只是AWS机器学习三层服务堆栈的一个中间层,主要用于消除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。在三层服务堆栈的底层机器学习框架和基础,用户可以根据自己在性能、灵活性、成本控制等方面的需求,灵活选择TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等机器学习框架。在三层服务堆栈的顶层人工智能服务,AWS提供了训练好的人工智能服务,以解决计算机视觉服务、个性化推荐服务等与人类认知相关的典型问题。

二、使用SageMaker加速部署机器学习。作为一个工具集,Amazon SageMaker提供了用于机器学习的所有组件,拥有弹性笔记本、实验管理、自动模型创建、调试与分析、模型概念漂移检测等诸多强大功能,贯穿了整个机器学习的工作流程。这使得用户可以加速对机器学习的学习、建模、发展、实验等所有过程,以更少的努力、更低的成本、更快地将机器学习模型投入生产。与此同时,AWS还在不断地为SageMaker增加新功能,仅仅在2019年就增加了50多项新功能。

三、在AWS云平台上发展人工智能。作为全球首屈一指的IaaS公有云平台,AWS云平台可以为用户提供数据存储、数据仓库、AIoT、容器等种类极其丰富的服务,让用户可以更加方便快捷地将机器学习应用进行部署和落地。

Amazon SageMaker在中国正式上线

在企业纷纷开展数字化转型的今天,中国各行各业的企业也对人工智能投入了极大的关注。根据IDC的统计数据,当前40%的企业数字化转型项目都会运用人工智能。IDC还预计,到2023年,中国人工智能市场规模将达到979亿美元,2018-2023年复合增长率为28.4%。

“放眼全球各地,从初创公司到大型企业,部署机器学习普遍都是重中之重。几乎每一个行业和细分市场的企业,都开始将机器学习应用于其工作负载,从数据中发掘价值、获取洞察、提升业务。”张侠博士向趣味科技表示,“包括本次疫情期间大家也都有目共睹,数字化转型做得好的企业往往表现都非常优秀。我们说的数字化转型实际体现在很多方面,包括客户体验、运营、决策、创新、竞争等,都是下一步经济发展、企业发展的关键。大数据分析和机器学习是其中两个重要的支撑点。一个企业如果抓好了这两点,就可以更好地准备就绪,在下一阶段的发展中处在一个非常有利的地位。”

2020年5月12日,Amazon SageMaker在AWS中国(宁夏)和(北京)区域正式上线,其中AWS中国(宁夏)区域由西云数据运营,(北京)区域则由光环新网运营。

“Amazon SageMaker在AWS中国(宁夏)区域和AWS中国(北京)区域的上线,将帮助更多中国客户去除机器学习涉及的混乱和复杂性,让他们能够胜任构建、训练和部署模型的工作,来应对新的挑战。”AWS全球副总裁及大中华区执行董事张文翊表示。

来自客户与合作伙伴的现身说法

谈起在使用Amazon SageMaker中的实际体验感受,AWS的客户和合作伙伴无疑最有发言权。

作为一家专门从事移动应用程序开发的公司,大宇无限主要为中东、东南亚和拉丁美洲等新兴市场提供移动短视频服务。然而对于一家初创企业来说,要想构建一个可以满足海量用户、千万级视频推荐,以及相匹配的机器学习平台,无疑是一项非常艰巨的挑战。

“SageMaker的出现,帮助我们实现了从0到1的突破。它极大地简化了整个机器学习系统的构建、训练和部署流程,而且许多算法都已经做了非常不错的优化。我们完全不需要构建基础设施,只用做好训练数据的准备,直接调用接口、设置参数,基本上几个命令就可以直接部署上线。”大宇无限机器学习技术总监苏映滨向趣味科技透露,“虽然我们一开始经验也不多,但是通过SageMaker,我们仅仅用了三个月的时间就完成了整个系统的搭建,训练成本也比自己搭建更加便宜,估算平均能节省70%的训练成本。”

苏映滨指出,在Amazon SageMaker的帮助下,公司不仅节省了大量的时间和精力,而且基本上不用投入运维人力,服务的稳定性也得到了非常可靠的保证。

作为一家云端的原生云咨询服务公司,伊克罗德是AWS的核心级咨询合作伙伴(APN Premier Consulting Partner)。其基于AWS的解决方案,可以帮助用户极大地减少开发时间和降低运营费用。

“最近几年,人工智能领域的讨论非常热烈。随着算力和算法的升级,以及数据量的扩张,人工智能可以解决的问题越来越多,光是亚马逊自己就带来了很多人工智能方面的应用,我们的许多客户看到这些应用也非常兴奋。不过面对不同的产业、不同的客户、不同的场景、不同的需求,我们必须有一个很好的平台才能帮助所有客户达到他们的目标。”伊克罗德产品经理陈昶佑表示。

Amazon SageMaker就是这样一个内嵌众多高效能算法、兼具效能和效力,能够帮助用户节省大量时间和成本优化的人工智能开发平台。通过Amazon SageMaker平台,伊克罗德可以快速将标签标注、文本分析、语意理解、预测分类、推荐系统与诈欺侦测等导入AI解决方案,针对客户实际遇到的商业问题,为其量身打造能够真正解决问题的端到端AI应用。

“随着Amazon SageMaker在中国的落地,相信伊克罗德结合Amazon SageMaker的解决方案,未来也将会为更多的中国客户提供服务。”陈昶佑说道。

责任编辑:gt

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分