学习|AWS如何为AI工作者赋能？来源：计算机世界如今

来源：计算机世界
如今，达美乐披萨可以应用机器学习下单，顾客下单后10分钟左右，达美乐就能提供出新鲜的披萨；美国运通公司Kabbage将机器学习应用于贷款服务，并用来支持保护计划；宝马使用Amazon SageMaker分析和丰富超过7PB字节的数据，以预测全球范围内的模型组合和个别设备的需求。
这是几个企业使用亚马逊云服务（AWS）机器学习服务的成功实践。事实上，全球已经有超过10万客户正在使用AWS的机器学习服务。
有研究机构指出，在数字经济时代，今天一小时产生的数据，比2000年全年产生的数据还要多；未来三年内产生的数据，将比过去30年产生的数据还要多。而处理这些海量数据，需要用数据采集、聚合工具，与机器学习模型相结合，以帮助人们分析、理解这些信息。因此，机器学习将成为这个时代的主流技术之一。如同AWS全球机器学习副总裁Swami Sivasubramanian （简称Swami）在亚马逊re：Invent大会上所言， “机器学习是我们这一代人遇到的最具颠覆性的技术之一。 ”
文章插图
三层工具集为AI工作者赋能
德勤曾在《全球人工智能发展白皮书》中预测，到2025年，世界人工智能市场规模将超过6万亿美元。而在人工智能众多的分支领域中，机器学习是人工智能的核心研究领域之一， 89%的人工智能专利申请和40%人工智能范围内的相关专利均属于机器学习的范畴。
而为了迎接数字经济的发展，许多国家和地区都将人工智能列为优先发展的国家战略，我国也不例外。但据我国人社部官网报道，目前我国人工智能人才的缺口已超过500万，国内的供求比例为1：10 ，供需比例严重失衡。
为了帮助解决人工智能人才的难题，为人工智能工作者赋能， AWS在本次亚马逊re：Invent大会上推出了丰富的机器学习工具集，该工具集包括三个层面：
第一，工具集的底层，面向技术能力超强的企业客户。这类企业通常都将人工智能和机器学习作为自己的核心竞争力。
AWS可以为他们提供强大的算力、全面的算力选择、丰富的机器学习框架选择。据悉，目前AWS可以支持所有主流的机器学习框架，当然，客户也可以通过容器部署的方式，自带机器学习框架；AWS还可以提供基于英伟达、英特尔、AMD、赛灵思等芯片厂商的最新处理器的强大算力，同时还可以通过自主设计的处理器，极大降低机器学习的算力成本。
【学习|AWS如何为AI工作者赋能？】第二，工具集的中间层，面向技术能力较强的企业客户。这类企业通常有大量的数据可以进行机器学习模型训练，而且拥有一定数量的精通算法的人才，不需要花费大量精力去管理基础设施，可以专注于自己的应用和业务创新。
AWS的Amazon SageMaker可以为他们提供首个全托管的机器学习集成开发环境，并为这个开发环境不断增加新功能，从数据准备、到模型训练、参数调优与模型迭代、到模型部署、模型质量监控，在整个过程中最大限度地提高他们开展机器学习的效率，降低他们开展机器学习的门槛。
第三，工具集的顶层，面向技术能力相对薄弱的企业客户。这类企业拥有一定的数据，但是没有精通算法的人才，他们希望能在业务场景中直接引入人工智能。
AWS可以为这类企业提供开箱即用的人工智能服务，目前已经涵盖机器视觉、语音文字转换、机器对话、文本处理、电商业务、客服、企业内信息搜索、开发与运维、工业AI等方面。
通过这个全面的工具集， AWS可以覆盖和赋能所有的人工智能工作者。
大力发展机器学习的中间力量
其中，特别值得一提的是全托管服务Amazon SageMaker ，作为面向机器学习开发者的集成开发环境，它能化繁为简，使开发人员和数据科学家从根本上更轻松、更快速地构建、训练和部署机器学习模型。