AWS机器学习：推动行业创新的关键力量

在亚马逊内部，有一种说法叫“Day one”（第一天）。机器学习同样处于其发展的最初阶段。AWS副总裁Swami Sivasubramanian（斯瓦米·西瓦苏布拉曼尼）这样形容机器学习市场的广阔前景。

他认为，当前的机器学习就像清晨需要一杯咖啡的时刻，尽管还处于早期阶段，但已经涌现出了许多创新成果。这些创新不仅来自大型企业，也来自新兴企业。未来，机器学习将成为所有应用的核心组成部分。

今年4月，AWS在中国正式上线了机器学习服务Amazon SageMaker，进一步拓展了对中国客户的技术支持。SageMaker由AWS CEO Andy Jassy于2017年在AWS re:Invent大会上发布，一经推出便获得了巨大反响，目前全球已有上万家客户采用该服务。

AWS已推出三种层次的机器学习云服务：AI服务、ML服务和ML框架与基础设施。

AI服务

• 文本转语音：Amazon Polly
• 语音转文本：Amazon Transcribe
• 从文档中提取文本和数据：Amazon Textract
• 推荐引擎：Amazon Personalize

ML服务

• Amazon SageMaker

ML框架和基础设施

• 集成主流框架的机器学习镜像
• GPU和CPU计算资源
• FPGA和推理芯片的计算资源

Swami表示，他的目标是让机器学习的能力惠及普通开发者和数据科学家。他之前曾担任AWS的NoSQL数据库总经理，同时负责大数据业务。他对大数据和人工智能领域一直充满热情。

在最近的上海世界人工智能大会上，Swami通过视频演讲介绍了AWS的机器学习理念。会后，我们与他进行了对话，深入了解了机器学习在中国的发展情况及其在疫情期间的应用。

平台与初创企业的合作

Swami强调了平台公司与初创企业的分工合作。他认为，平台企业应支持主流的机器学习框架，如TensorFlow、PyTorch和MXNet，并提供GPU和CPU等不同硬件架构的支持。这些条件AWS的机器学习服务均已满足。

SageMaker支持的主要深度学习框架和接口标准包括：TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn和Deep Graph Library。用户还可以通过上传自定义容器镜像来运行特定框架和模型。

实践案例

• 晶泰科技：使用AWS GPU计算实例的机器学习框架，对药物进行大规模训练和优化，发现潜在治疗新冠病毒的药物。
• 图森未来：使用SageMaker训练自动驾驶模型，实现高精度自动驾驶。
• 有道乐读：利用Amazon Personalize开发个性化推荐引擎，快速实现推荐功能。

疫情下的机器学习应用趋势

• 大规模通信：企业利用机器学习和自然语言处理技术构建智能问答系统，提高信息处理效率。
• 药物研发：企业利用机器学习进行老药新用的筛选，加速新冠病毒治疗方案的研发。
• 远程医疗：企业借助AWS机器学习服务搭建远程医疗平台，解决医生资源不足的问题。

机器学习正在推动各行各业的创新和发展，无论是在初创公司还是大型企业中，部署机器学习应用已成为普遍现象。借助AWS提供的服务，企业能够更好地应对复杂多变的市场环境，提升竞争力。