确认了AI作为自己的支柱后，亚马逊云服务如何赢得AI大战的未来？

   <p style="text-align:center"><img alt="确认了AI作为自己的支柱后，亚马逊云服务如何赢得AI大战的未来？" src="https://simg.open-open.com/show/7a8b5eb566e7c6c0cd3f023d3b9b7131.jpg" /></p>    <p>虽然没有谷歌、微软、非死book 在 AI 上的名气那么大，但亚马逊的 AI 方面积累很深厚，一直在默默投入。到底亚马逊在 AI 方面做了哪些事情，他们是如何与现有的业务，如云、电商相结合的呢？外媒 siliconAngle 对亚马逊 AWS 的 AI 负责人 Swami Subramanian 进行了专访，雷锋网将文章编译如下。</p>    <p>亚马逊通常不会和谷歌、微软、非死book 以及 IBM 一同出现在人工智能领导者的名单上。不过这种情况即将发生变化。</p>    <p>亚马逊首席执行官杰夫·贝佐斯（Jeff Bezos）最近在他每年致股东的公开信中透露，他很看重机器学习技术，这项 AI 的分支技术能够教会电脑在不需要明确的编程情况下即可完成学习，这是公司未来成败的关键。</p>    <p>像今天的其他 AI 领导者一样，亚马逊专注于深度学习神经网络，旨在以原始方式模仿大脑学习的方式。在过去几年中，深度学习技术促使语音和图像识别取得了巨大的进步，使亚马逊的 Alexa 语音助手和 Google 的无人驾驶汽车都变为现实。</p>    <p>Bezos 指出，亚马逊的一些工作是显而易见的，例如 Alexa，Prime Air 快递无人机以及使用机器学习来收费的 Amazon Go 商店。其他机器学习工作主要在幕后，供电需求预测，产品建议等等，而 Bezos 希望它能够产生最大的影响。</p>    <p><strong>关注领域</strong></p>    <p>下一阶段是使用 Amazon Web Services 云服务向开发者群体推广机器学习，降低使用成本，提高易用性。亚马逊去年秋天开始通过云服务，推出新的服务，例如 Lex，Alexa，使得机器学习技术能够配合开发人员进行工作。可以用来创建会话界面，如机器人，以及文本转语音的 Polly 和图像分析及相关任务的 Rekognition。</p>    <p>“客户已经开发出强大的系统，应用领域从早期的疾病检测到农作物增产。”贝佐斯说。“看着这个领域。还有更多的事情会发生。”</p>    <p>机器学习服务对于帮助亚马逊在逐渐加剧的云计算战争中战胜竞争对手具有重要意义，谷歌和微软都希望在与这家西雅图线上零售巨头的较量中获得成功。事实上，很明显，亚马逊想要成为未来智能应用时代的主要技术供应商。</p>    <p>“亚马逊的下一个支柱可能是 AI，”与其 Prime 会员免费送货服务和 AWS 本身一样重要，CB Insights 在新的报道中说。“亚马逊比以往任何时候都有希望成为一家平台公司。”</p>    <p>通过比较其他公司，如 Gartner，它有一个办法在云机器学习产品方面赶上微软和谷歌。过去一周在旧金山举行的 AWS Summit 峰会上，该公司宣布了新的更新和功能，旨在开始补救这种情况。</p>    <p style="text-align:center"><img alt="确认了AI作为自己的支柱后，亚马逊云服务如何赢得AI大战的未来？" src="https://simg.open-open.com/show/6d18044816fc35648f891f16261cf721.jpg" /></p>    <p style="text-align:center">亚马逊 AI 副总裁 Swami Sivasubramanian</p>    <p>为了更深入地了解亚马逊的机器学习计划， silliconangel 对负责 Amazon Web Services（AWS）的亚马逊 AI 副总裁 Swami Sivasubramanian，在开发者会议上进行了采访。以下是对话的文字编辑版本：</p>    <p><strong>问：请阐述亚马逊在机器学习中所涉及的工作范围。</strong></p>    <p><strong>答：</strong>有三层。<strong>顶层的应用程序</strong>，如 Lex，Polly 和 Rekognition 是预先训练的深度学习模型，提供应用程序编程接口，适合于不想了解任何有关深度学习的应用程序开发人员，但希望构建可以听，说或看的智能应用程序。</p>    <p><strong>下一层是像亚马逊机器学习这样的 API 平台服务</strong>，还有 EMR [Elastic MapReduce，用于分析大量数据]等各个部分，适合那些想要建立自己的机器学习模型，基于 Redshift 的数据之上[ AWS 数据仓库]或关系数据库。<strong>而我的团队努力的下一个层面就是深度学习框架和机器学习算法</strong>。</p>    <p>我的团队的一大堆科学家正在研究核心深度学习框架。在 AWS，我们非常开放，支持所有深度学习框架，如从 Apache MXNet 到 TensorFlow 到 Caffe 到 Theano 等等。</p>    <p><strong>问：广义而言，你想在这里达到什么目标？</strong></p>    <p><strong>答：</strong>我们的目标是基本上将人工智能 AI 技术民主化，使每个开发人员都可以使用 AI。在很大程度上，即使在今天建立人工智能，在许多情况下需要在机器学习领域做得很好的博士研究人员。</p>    <p>我们希望能够构建新的智能应用程序，实际上可以做人类能够做的事情，例如能看、能听或能说或能理解。而且我们使企业能够根据自己存储在 AWS 中的数据做出明智的决策。</p>    <p><strong>问：我们在哪里可以看到相关的行动？</strong></p>    <p><strong>答：</strong>Netflix 已经建立了一个使用深度学习的推荐引擎来向客户展示他们应该看的内容。 Pinterest 已经做了图像识别。我们使用 Amazon 内的机器学习实现物流自动化，所以当您单击订单购买某物时，机器人将使用计算机视觉和深度学习来选择和发送货物。我们还使用它来增强现有产品，例如X-Ray，这是一款酷炫的亚马逊即时视频功能软件，它使用计算机视觉和深度学习，因此当你暂停视频时，它会告诉你页面中所有演员是谁。</p>    <p>我们也在使用它来创建新的产品系列。大家现在都知道 Alexa。我使用了两年 Alexa，它像是家里的真人一样。而与亚马逊 Go 一起，这项技术为部分无结帐体验提供支持，实际上我们可以看到谁正在走过去拿起一些东西或放下它。</p>    <p><strong>问：亚马逊最近在谈论 AI，但 Google，微软，非死book 等公司获得了更多关注，亚马逊希望改变这一点不？</strong></p>    <p><strong>答：</strong>在亚马逊，我们倾向于更加专注于和客户相关的事项。以亚马逊 Go 为例，我们说：“这是一个无结账的零售体验，可以帮助客户更快地购物。”我们不会说，“嘿看这个，这是一个很棒的深度学习应用，顺便提一下它非常有用。”Alexa 也是一样。我觉得我是一个科学家，但我更喜欢这个是因为我的家人喜欢和 Alexa 交谈。</p>    <p>也就是说，亚马逊多年来一直在机器学习和人工智能方面投入巨资，我们在科学界一直非常公开，做出了我们的贡献，并且相当开放。我们今年提交的多篇文章，研究论文等。在 MXNet 中，我们在代码提交方面贡献了 35％。</p>    <p><strong>问：什么改变使得有大约 20 年历史的深度学习算法如今变得好很多？</strong></p>    <p><strong>答：</strong>三件事。</p>    <p>一、现在，我们有能力以便宜的方式存储所有这些数据，而无需为这些存储供应商支付大量资金。</p>    <p>二，使用专业计算设备。 GPU [图形处理单元]和 FPGA[现场可编程门阵列]芯片已经解锁并用于这些应用。</p>    <p>最后一个方面是一旦建立和训练了这些东西，我们就可以通过预配置的模板轻松地将分布式培训基础架构扩展到数百个 GPU。多亏了云计算，现在编程工作变得非常简单。</p>    <p><strong>下一步是什么</strong></p>    <p><strong>问：亚马逊多大程度会专注于应用现有技术，而不是提出新的算法或技术？</strong></p>    <p><strong>答：</strong>我们在许多领域进行基础创新研究 - 语言识别，自然语言理解，视觉理解。如果退回到十年之前，我们必须推动深度学习技术的进步，使其交到客户手中后能够正常使用。像 Alexa，既便如此受欢迎，我们还是需要发明新的算法，以获得我们想要的客户体验。对于 Amazon Go，我们必须大幅度提高深度学习和计算机视觉领域的技术水平。</p>    <p>我们也在这里的核心引擎进行基础研究，如深度学习框架。我们有一个在深度学习引擎上工作的团队，继续努力扩展系统。我们的客户有他们想要处理的 PB 级别的大量数据 - 图像，视频等。随着需要处理的数据量不断增加，可扩展性将成为未来几年的主要区别之一。</p>    <p><strong>问：您的机器学习模型是否也可以在云服务网络的边缘工作，例如等不及从中央云回复的无人驾驶汽车？</strong></p>    <p><strong>答：</strong>我们认为，为云构建的模型也可以在边缘运行。我们构建的深度学习模型可以在传统的计算机环境中运行，也可以运行在 EC2 [AWS 的弹性计算云服务]或 Lambda [AWS 的自组织计算服务]中。Greengrass [允许离线操作和数据的本地处理的软件，无需云服务]是在边缘设备中运行的良好环境。我的团队移植了一个 MXNet 深度学习模型，可以识别表中的对象，他们可以在 Raspberry Pi 相机上运行[内置一个小巧便宜的电脑]。</p>    <p>目标是要有一个混合体，一些深度学习模型将在边缘运行，用于快速使用情况，一些在云中可用于更复杂的用例。这是 Alexa 工作的方式。这就是为什么我们看到这种新的混合模式的部署，可能在未来更有趣。</p>    <p><strong>问：机器学习的下一步是什么？</strong></p>    <p><strong>答：</strong>我的女儿已经两岁了，她看到两只西红柿后，就能认出西红柿是什么样子的。她不需要观察一千个西红柿。这就是为什么我认为深度学习还处于起步阶段。实际上，今天存在的技术可以用非常有限的数据来提高深度学习模型的准确性。</p>    <p>我们一直在尝试这些东西。有时人们不需要绝对的准确性。即使像视觉搜索这样的东西，人们只要能够获得更好的覆盖面，就愿意向更低的精度妥协。</p>    <p>所以接下来还有更多的事情会发生。如果这是在亚马逊公司的机器学习领域工作的第一天，那我们则是刚刚醒来，甚至都没有喝一杯咖啡。</p>    <p>Via <a href="/misc/goto?guid=4959007212783537979" rel="nofollow">silliconangel</a></p>    <p>来自: <a href="/misc/goto?guid=4959007212896288663" id="link_source2">雷锋网</a></p>