當前，數字化轉型已經成為社會各個行業領域所面臨的必答題。在解題過程中，我們需要哪些方法和工具呢？對此，AWS首席云計算企業戰略顧問張俠表示：“在數字化轉型的過程中，大數據分析和機器學習是兩個重要的支撐點?！?/p>

“幾乎所有行業都在機器學習的影響范圍之內，比如大家相對熟悉的金融行業，從風險欺詐偵測到智能投顧，機器學習都起到了巨大的作用；再比如，媒體娛樂行業中的短視頻領域，視頻內容的生成、分類、推薦等都大量運用了機器學習的方法。”各行各業對于機器學習技術的需求日趨強烈，但是機器學習技術的使用門檻頗高，這是矛盾點，同時也是需求點、創新點。張俠表示：“ AWS希望把機器學習的能力交到每一位創建者的手中，使它成為大家手中的一個工具?！?/p>

一、讓機器學習能力唾手可得

工具的創造和使用在社會發展進程中一直處于重要地位，從石器到鐵器，再到蒸汽機、電動機、計算機……時代的車輪不斷前進，到了信息化、智能化的今天，工具的形式已不再局限于實體硬件。

在數字社會，機器學習就是一種手段、一種工具。

日前，亞馬遜云服務Amazon Web Services， Inc. （AWS） 宣布，Amazon SageMaker在由西云數據運營的AWS中國 （寧夏） 區域和光環新網運營的AWS中國（北京）區域正式上線。

Amazon SageMaker的出現，有效地幫助企業解決了制約人工智能廣泛應用的三個方面的挑戰：一是掌握人工智能專業知識的人才不足；二是構建和擴展人工智能的技術產品的難度大；三是在生產經營中部署人工智能應用費時且成本高。

AWS推出Amazon SageMaker的一系列行動的含義可以解釋為：打造工具，簡化過程，推動生產，激發創造。

二、“保姆式”工具刪繁就簡

新工具的創造和采用必然促使科學技術水平和能力相應地提高，工具越高級，對使用者進行相關作業的賦能作用越大，AWS的機器學習服務就是這樣的一種新工具。

作為AWS機器學習服務的核心產品，Amazon SageMaker 是一項完全托管的服務，可以幫助開發者和數據科學家快速構建、訓練和部署機器學習 （ML） 模型。SageMaker 可通過主動學習、超參數優化、模型分布式訓練、監控訓練進展，部署培訓模型作為自動擴展的 RESTful 服務，以及對并發 ML 實驗進行集中式管理，從標簽數據開始簡化 ML工作流，消除了機器學習過程中的繁重工作，讓開發高質量模型變得更加輕松。

Amazon SageMaker提供了強大的功能，如彈性筆記本、實驗管理、自動模型創建、調試與分析，以及概念漂移檢測等，這些功能封裝在首個面向機器學習的集成開發環境Amazon SageMaker Studio中。

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）、環球郵報和T-Mobile等眾多企業都已開始利用Amazon SageMaker加快機器學習部署。在中國，如虎牙、大宇無限、嘉誼互娛、華來科技等也都選擇使用Amazon SageMaker服務大規模地構建、訓練和部署機器學習模型。

為什么這么多國內外知名企業紛紛選擇AWS的機器學習技術服務呢？張俠指出：“AWS提供的是最廣泛、最深入的機器學習的服務?！盇WS機器學習服務到底有多高級，能給急于數字化轉型的企業帶來多大的賦能作用？下面讓我們一起來看一下亞馬遜AWS目前提供的三層“保姆式”的機器學習服務都有哪些內容。

底層是機器學習框架和基礎架構層。在這一層，AWS幾乎支持了所有的開源標準框架，比如TensorFlow、Apache Mxnet、PyTorch等，另外還支持GLUON、Keras等多個平臺的接口標準、轉換標準。在基礎架構層還提供亞馬遜機器鏡像——AMI（Amazon Machine Image），它是一個可以將操作系統、用戶的應用程序、配置等一起打包的加密機器鏡像，可用于啟用實例的預配置服務器模板。

中層是AWS機器學習的核心服務層。該層最主要的產品就是Amazon SageMake和SageMake Studio，它針對的有技術背景的專業人員，開發人員和數據科學教可以利用這個工具找到人工智能、機器學習所衍生的創新點、突破點，進而推出新產品、新服務。

上層是人工智能服務層。該層提供了AWS通過深度學習開發出來的人工智能專用服務，這些服務主要解決與人類認知相關的典型問題?？蛻艨梢灾苯釉谄鋺弥姓{用AWS提供的這些人工智能服務，而無需關注服務背后的機器學習模型。比如，針對計算機視覺類方面的Amazon Rekognition，針對文字語音的轉換和記錄的Amazon Polly和Amazon Transcribe、針對人機對話的Amazon Lex等。

張俠博士解釋說：“這三層的關系，越往下越基礎，功能越強大對使用者的要求也會更高；越往上越專門化，越產品化、服務化，通用化?！?/p>

三、推動生產 激發創造

恩格斯指出：“工具意味著異于其他動物的人所特有的活動，意味著人對自然界進行改造的反作用，意味著生產?！笨偠灾?，工具意味著生產，意味著創造。

“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。”張俠這樣講道。

機器學習正在引領新一輪的創新浪潮，新產品新功能的出現、 產業鏈流程優化和自動化、傳統行業的突破性進展，無一不有機器學習的身影，也無時無刻不刺激著各行各業從業者的神經。

大宇無限是一家專門從事移動應用程序開發的公司，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。對于當初作為初創企業的大宇無限來說，要構建一個滿足海量用戶有千萬級視頻的推薦系統，以及相匹配的機器學習平臺，在人力和時間相當有限的情況下，是一項非常大的挑戰。但是AWS機器學習服務工具的出現，為大宇無限產品服務的生產創造提供了絕佳的助力。

大宇無限機器學習技術總監蘇映濱表示：“Amazon SageMaker幫助大宇無限實現了從0到1的突破。SageMaker極大地簡化了整個機器學習構建、訓練和部署的流程，而且其中的很多算法的性能已經被優化得非常好，完全能夠滿足我們的需求，我們只需要做好訓練數據的準備、調用接口、設置參數，只需幾個命令就可以完成機器學習平臺的部署上線。”

伊克羅德是AWS的核心級咨詢合作伙伴 （APN Premier Consulting Partner），致力利用云計算優勢引領企業實現數字化轉型。伊克羅德運用Amazon SageMaker平臺加速企業導入行業AI解決方案，如標簽標注、文本分析、語意理解、預測分類、推薦系統與詐欺偵測等，針對客戶實際遇到的商業問題，量身打造真正解決問題的端到端AI應用。伊克羅德產品經理陳昶佑表示：“Amazon SageMaker是幫助企業兼顧了效能和成本的絕佳選擇。”

好的工具能夠激發出各行各業“百花齊放”的優秀局面，數字化轉型進程的有效推進正需要AWS機器學習服務這種“以點帶面”作用的激發。同時，優秀的局面和創新環境又進一步反哺機器學習技術的提升，AWS正不斷地為Amazon SageMaker增加新功能，僅僅在2019年就增加了50多個新功能，這使我們堅定不移地相信，未來企業的數字化轉型將會處在一個非常良性的正向循環中。
責任編輯：tzh