5月18日消息，基于深度學習算法的突破性發(fā)展，近幾年機器學習推動的AI能力在企業(yè)實際生產(chǎn)、服務中的應用已經(jīng)越來越廣泛，一些基于機器學習平臺構建的內(nèi)容推薦系統(tǒng)、基于語音語義智能理解的在線教學系統(tǒng)等，甚至還催生出許多新的商業(yè)業(yè)態(tài)。

但整體而言，除了少數(shù)具有專家人才和數(shù)據(jù)科學家的企業(yè)外，大部分公司仍然很難應用AI相關技術和能力。

因此，如何降低機器學習使用門檻，賦能更多企業(yè)快速、便捷、有效獲得AI能力加持，已經(jīng)成為包括AWS在內(nèi)的很多平臺型技術巨頭企業(yè)競技的新領域。

Amazon SageMaker上線中國區(qū)

從Gartner在2020年2月發(fā)布的《 云上AI開發(fā)者服務魔力象限》來看，目前，AWS憑借技術執(zhí)行力和對技術未來發(fā)展愿景的完整規(guī)劃排名在領導者象限最高位置。

在Gartner看來，支撐AWS如此高地位的正是2017年AWS推出的Amazon SageMaker這項服務。

據(jù)介紹，Amazon SageMaker 是一項完全托管的服務，可以幫助開發(fā)者和數(shù)據(jù)科學家快速地規(guī)模化構建、訓練和部署機器學習 (ML) 模型。

今年4月30日，Amazon SageMaker在由西云數(shù)據(jù)運營的AWS中國 (寧夏) 區(qū)域和光環(huán)新網(wǎng)運營的AWS中國（北京）區(qū)域正式上線，AWS機器學習能力離中國企業(yè)和開發(fā)者更近了。

AWS首席云計算企業(yè)戰(zhàn)略顧問張俠表示，Amazon SageMaker旨在消除企業(yè)使用人工智能的門檻，把機器學習能力輸送給每一家企業(yè)和機構。

截至目前，全球已有數(shù)以萬計的客戶利用Amazon SageMaker加快機器學習部署， Autodesk、Change Healthcare、拜耳、英國航空、蓋洛普、洛杉磯快船隊、松下航空電子(Panasonic Avionics)、環(huán)球郵報和T-Mobile等等。中國客戶如虎牙、大宇無限、嘉誼互娛、華來科技等也已選擇Amazon SageMaker大規(guī)模地構建、訓練和部署機器學習模型。

Amazon SageMaker如何賦能上萬企業(yè)

Amazon SageMaker究竟是一個怎樣的設計、怎樣的運行模式，能夠在2年多時間內(nèi)為上萬家企業(yè)提供適用的AI能力的呢？

近日，AWS首席云計算企業(yè)戰(zhàn)略顧問張俠在接受媒體采訪時對AWS機器學習能力進行了系統(tǒng)介紹。

張俠認為，制約人工智能廣泛應用的因素有三個：一是掌握人工智能專業(yè)知識的人才不足；二是構建和擴展人工智能的技術產(chǎn)品有難度；三是在生產(chǎn)經(jīng)營中部署人工智能應用費時且成本高，最終導致缺乏低成本、易使用、可擴展的人工智能產(chǎn)品和服務。Amazon SageMaker的出現(xiàn)，正是為了幫助企業(yè)解決這些挑戰(zhàn)。

張俠介紹，整個亞馬遜提供“全站的機器學習服務”。AWS機器學習服務做了三層結構設計，越往下基礎功能越強大，對使用的人可能要求越高；越往上是更專門化的服務。

在AWS機器學習服務的三層結構設計中，Amazon SageMaker處在承上啟下的中間核心服務層。

張俠表示：“中層機器學習（ML）服務對一些相對來說有技術背景的比較專業(yè)的人員，可以利用這個工具真正為企業(yè)找到人工智能、機器學習所帶來的一些創(chuàng)新點、突破點，推出新產(chǎn)品、新服務的點，使其能夠全方位把握這些機器學習的工具、手段、方法，為自己所用?！?/p>

整體而言，Amazon SageMaker是一個工具集，提供了用于機器學習的所有組件，貫穿整個機器學習的工作流程，從而以更少的努力、更低的成本、更快地將機器學習模型投入生產(chǎn)。

Amazon SageMaker內(nèi)置了豐富的算法，提供強大的功能，如彈性筆記本、實驗管理、自動模型創(chuàng)建、調試與分析，以及模型概念漂移檢測，等等。這些功能封裝在首個面向機器學習的集成開發(fā)環(huán)境Amazon SageMaker Studio中。

例如，Amazon SageMaker Studio將所有用于機器學習的組件集中在一個地方。跟使用集成開發(fā)環(huán)境（IDE）做軟件開發(fā)一樣，開發(fā)者現(xiàn)在可以在Amazon SageMaker Studio中查看和組織源代碼、依賴項、文檔和其它應用程序資產(chǎn)，例如用于移動應用程序的圖像。當前，機器學習工作流有大量組件，其中許多組件都帶有自己的一組各自獨立的工具。Amazon SageMaker Studio IDE為所有Amazon SageMaker功能和整個機器學習工作流提供了一個統(tǒng)一界面。Amazon SageMaker Studio為開發(fā)者提供了創(chuàng)建項目文件夾、組織Notebook和數(shù)據(jù)集，以及協(xié)作討論Notebook和結果的功能，使構建、訓練、解釋、檢查、監(jiān)視、調試和運行機器學習模型變得更簡單、更快。

另外，比如自動構建模型的功能Amazon SageMaker Autopilot，它是業(yè)內(nèi)首個可以讓開發(fā)者對其模型保持控制和可見性的自動化機器學習功能。Amazon SageMaker Autopilot會自動檢查原始數(shù)據(jù)，應用特征處理器，挑選最佳算法集，訓練多個模型，對它們進行調優(yōu)，跟蹤其性能，然后根據(jù)性能對模型進行排名。點擊幾下鼠標，用戶可以得到易于部署的、性能最佳的模型推薦，而這只需很少一點時間和精力用于訓練。并且，用戶可以清楚地看到模型是如何創(chuàng)建的，以及模型中包含什么內(nèi)容。

缺乏機器學習經(jīng)驗的人可以使用Amazon SageMaker Autopilot輕松地生成僅基于數(shù)據(jù)的模型，經(jīng)驗豐富的開發(fā)者可以使用它快速開發(fā)基礎模型，團隊可以在此基礎上進行進一步迭代。Amazon SageMaker Autopilot為開發(fā)者提供了多達50種不同的模型，可以在Amazon S ageMaker Studio中查看。

據(jù)張俠介紹，整套Amazon SageMaker服務可以使用戶開發(fā)效率提升10倍。而以“SageMaker+TensorFlow”為例，從一些客戶案例中也可以看到，已經(jīng)把效率從65%提高到90%，訓練時間從30分鐘縮短到14分鐘。

現(xiàn)場，AWS機器學習服務應用者大宇無限也現(xiàn)身說法。

大宇無限主要為中東、東南亞和拉丁美洲等新興市場提供移動短視頻服務，主力產(chǎn)品Snaptube的月活用戶已經(jīng)突破1億。

大宇無限機器學習技術總監(jiān)蘇映濱介紹：“短視頻的聚合服務面對海量的數(shù)據(jù)與海量的用戶，我們需要一個精準的個性化內(nèi)容推薦系統(tǒng)。但是對一個初創(chuàng)企業(yè)來說，要構建一個滿足海量用戶、千萬級視頻的推薦，以及相匹配的機器學習平臺，在人力、時間、資金相當有限的情況下獨立實現(xiàn)不太現(xiàn)實。”

蘇映濱稱，SageMaker的出現(xiàn)，幫助大宇無限實現(xiàn)從0到1的突破?！癝ageMaker的出現(xiàn)極大的簡化了整個機器學習的構建、訓練和部署的流程。而且SageMaker的很多算法已經(jīng)優(yōu)化得性能非常不錯，對我們來說，就直接做好訓練數(shù)據(jù)的準備，直接調用接口、設置參數(shù)，基本上幾個命令就可以直接部署上線了。SageMaker已經(jīng)幫我們實現(xiàn)了這個功能，所以整體上它的訓練成本還是相比自己搭建要便宜，我們估算平均下來能節(jié)省70%的訓練成本?！?/p>

在張俠看來，AWS自己獨特的這一套方法，就是高度關注客戶的需求，和客戶一起創(chuàng)新，在客戶的創(chuàng)新實踐中找到AWS產(chǎn)品服務所需要提供的新功能。具體在AWS機器學習服務上，由于它服務的廣泛、成本簡便，支持所有通用架構，而且背后還有AWS全方位云技術服務和平臺支持，這些構成了Amazon SageMaker的獨特優(yōu)勢。