借助SageMaker亞馬遜旨在將機器學習帶給更多應用程序開發人員

如果您認為人工智能和機器學習是除了訓練有素的專家以外的任何人都無法實現的，請再考慮一下。Amazon Web Services Inc.的使命是使任何開發人員都可以訪問高級AI解決方案。

“采用傳統上只有極少數資金充裕的組織才能使用的技術，并使其盡可能廣泛地傳播，”該 公司深度學習和人工智能部門總經理Matt Wood表示 。 AWS。“我們已經在計算存儲，數據庫，分析和數據倉庫方面取得了相當成功，并且我們希望為機器學習做同樣的事情。”

伍德在紐約舉行的AWS峰會期間與SiliconANGLE Media的移動直播工作室CUBE主持人John Furrier進行了交談。他們討論了為AWS的SageMaker機器學習服務引入的新服務，以及AWS使機器學習民主化的目標。

幫助更多的用戶

AWS將機器學習用戶分為三個級別。被伍德確定為學者，研究人員和數據科學家的第一級訪問開放源代碼編程庫以構建神經網絡和人工智能。這些專家以最高的復雜性水平研究機器學習和AI。

下一級別的開發人員和數據科學家想要應用機器學習的特定方面，以從基于云的數據中構建定制模型。根據伍德的說法，這是 AWS SageMaker 獨有的地方，可幫助開發人員盡可能快速，輕松地構建，訓練和部署機器學習模型。“我們嘗試消除與[構建定制模型]相關的未區別的繁重舉重，”他薩迪說。

第三級是想要構建智能應用程序的應用程序開發人員。這群人“不想進入野草;他們只是想真正，非常快地啟動并運行，”他補充說。

四種新的AI服務

Wood表示，在每個級別上為每個人提供幫助是AWS的目標，該公司最近宣布了四項新的AI服務，旨在幫助數據科學家和開發人員管理日益復雜的工作負載。

首先是向SageMaker添加高吞吐量批處理作業。伍茲說，用戶以前只限于在SageMaker中進行實時處理，但在許多情況下，客戶希望“一次預測數百或數千甚至數百萬個事物”。一個月。

“您想……對下個月做出預測。您不需要實時進行操作;您需要做一次然后下訂單，”他說。

借助SageMaker中新的批處理轉換功能，簡單的API允許客戶端“拉入所有這些數據，大量數據，在全自動環境中進行批處理，然后縮減基礎架構，一切就完成了”木說。他解釋說，這既使訪問機器學習變得更容易，又降低了成本。

第二項新服務是為內置TensorFlow容器添加管道輸入模式。快速流動的數據以及大量數據是構建成功的機器學習應用程序的關鍵之一，而借助這項新服務，SageMaker用戶不再受磁盤空間或內存的限制。

他說：“您可以在TB之后再抽TB TB。因此，您會看到訓練時間減少了10%到25%。”他說。“因此，您可以訓練更多的模型，或者可以在相同的單位時間內訓練更多的模型，或者只是降低成本。”

第三是 向Amazon Translate服務添加新語言：繁體中文，捷克語，意大利語，日語，俄語和土耳其語。第四是在Amazon Transcribe服務中添加了稱為渠道綜合的功能。通道綜合服務可用于通常將客戶服務呼叫記錄在單個軌道上的聯絡中心，它能夠識別語音，然后將記錄的音頻分成兩個通道，每個揚聲器一個。它還可以自動轉錄對話，分析時間戳并創建單個腳本。

“您可以使用[AWS] Comprehend自動檢查主題，也可以檢查合規性：座席是否在對話過程中的某個時刻說出出于合規原因必須說的話?” 伍德說。

展望未來，伍德設想機器學習將成為亞馬遜的核心優勢之一。他說：“在時間充裕的情況下，機器學習的使用量可能甚至不超過整個AWS的總和。”