AI“蛋糕”的烘焙师

奶油蛋糕的美味不言而喻，烘焙师要善于创造，运用不同的操作技术、成型技巧及成熟的方法对主料、辅料进行加工和创新，制成中式、西式的风味面点。“人工智能（AI）和机器学习（ML）是蛋糕上的奶油，所需的计算、存储、框架和大数据等就像蛋糕的面粉、蛋和油脂等构成了蛋糕的底座”，AWS副总裁Swami Sirasubramanian的比喻很甜。

AI，云端构建

亚马逊的机器学习历史十分悠久，早在20多年前已经将机器学习应用于在线零售的个性化推荐引擎。10多年前，亚马逊在其内部就不断自省一个问题：如何利用机器学习来重新改造业务的决策和流程？当时，来自亚马逊的各条业务线都要回答这个问题，进而在亚马逊内部诞生了“机器学习大学”，这样的自我驱动使得亚马逊的人工智能与机器学习取得了长足的发展。

AWS副总裁Swami Sirasubramanian

“机器学习现在的发展阶段就像‘欧洲的文艺复兴时期’，人工智能发展速度，技术、算法和应用的创新百家争鸣”，Swami Sirasubramanian说。

今天，亚马逊的自动化库存管理，无人机递送系统，语音驱动交互系统Alexa，AmazonGo的无人商店......这些应用场景的业务创新，都结合了计算机视觉、传感器、语音识别、自然语言处理（NLP）等等机器学习的算法和工具。亚马逊将机器学习和人工智能的成功经验，结合用户的需求，以AWS云的方式构建。

如同AWS将云基础设施像水、电、气等基建一样带给企业按需的IT资源，AWS正将构建在云端的AI服务和机器学习能力，以同样的方式输出给用户。

AWS将机器学习服务分为三层，就像云的IaaS、PaaS和SaaS，用户可根据自身的技术团队能力和成本，选择从哪里开始你的AI之旅。

AWS机器学习堆栈

底层由机器学习框架、接口和计算基础架构组成，如果用户考虑完全自主对计算资源调配，对机器学习框架和接口的选择拥有自由度，则可以从底层开始，由IT工程师、开发人员和机器学习专家一起协同来构建需要的AI服务。

如果你的训练数据已经就绪，但限于IT运维团队薄弱，则可以直接从中间层切入，由机器学习专家和开发人员通过Amazon Sagemaker的机器学习服务，自动化为训练数据进行标记、训练算法和部署你的模型，Sagemaker会替你去管理底层需要用到的所有的计算资源、框架和接口。

在上层，AI的构建更为简单，AWS提供了具备AI能力的视觉服务、语音类服务、语言类服务、预测服务、聊天机器人服务等。从这里起步，企业可以不需要机器学习专家和IT运维团队，只需要开发者根据业务需求，选择AWS现成的AI服务，完成产品和应用的构建。

“AWS提供已经就绪的机器学习和人工智能服务，端到端的集成能力，让AI应用的创新更为简单，在AWS部署机器学习和构建AI应用的采纳率高于其他任何地方”，Swami Sirasubramanian自信的说。

目前，使用Amazon Sagemaker的企业已经超过10000家。云为更广泛的机器学习和人工智能应用打开了上行通道，因为企业可以不再为高性能计算成本和算法模型训练等投入而举足不前。

AI，云上之旅

在世界人工智能大会（WAIC）的AWS展区，我们跟随一名AWS架构师，深入了解如何使用AWS的机器学习和AI服务，开启AI云上之旅。

在机器学习基础架构方面，AWS提供超过200种计算实例类型适用机器学习工作负载，有支持通用计算的M5实例，也有支持最大规模的机器学习和GPU的最新实例P3DN，有适用于x86、AMD和ARM处理器的实例，有适用于高性能、非关系型计算的实例I3en。所以不管是怎样的机器学习工作负载，AWS都能在为企业保持成本优势的基础上提供高性能计算资源。

底层框架方面，AWS支持Tensorflow、MXnet、PyTorch等主流框架，接口支持如Gluon、Keras等，据悉全球85%的机器学习框架Tensorflow的工作流跑在AWS上。

在中间层，Amazon Sagemaker可基于用户已有的训练数据，自动化的训练模型。用Sagemaker可以对训练数据集进行打标签，从而实现速度的提升。AWS也对主流的ML的模型算法进行了提速，比如说图形分类、时间序列预测以及用于异常事件判断的算法；同时在AWS Marketplace中有150多个ML的算法，企业可以部署到Amazon Sagemaker中，其次Sagemaker还提供内置以及全托管的强化推荐算法。

在上层，AWS提供丰富的AI服务，让开发人员“开箱即用”。

计算视觉类服务：Amazon Rekognition是做静止图片识别的服务，Amazon Rekognition Immage是做视频识别的服务；Amazon Textract是从视频里面提取文本的服务。

语音类服务：Amazon Polly是把文字转成自然语音，支持23种语言；Amazon Transcribe是用AI给视频打字幕服务，目前已支持中文普通话的视频。

语言类服务：Amazon Translate是语言的翻译服务；Amazon Comprehend是语言理解服务，可自动归纳文字段落的中心思想。

预测服务：Amazon Forecast是一项销售预测服务，基于Amazon.com销售预测的模型，封装成云服务为用户所用。

聊天机器人服务：Amazon Lex是一项聊天机器人服务，支持文本到文本的聊天功能。它是Alexa智能音箱的人工智能核心。

AWS在云端构建的机器学习服务和AI服务，组合灵活而且功能深入，让AI像“搭积木”一样简单。比如，如何利用AWS的一系列服务组合实现智能媒体分析，施工现场智能监控和产品销量预测。

AWS智能媒体分析示例

当多媒体文档上传到Amazon S3，触发AWS Lambda服务执行AWS Step Function的事件（事件驱动的函数执行环境AWS Lambda），将图像、影像、声音文档发送至AWS的人工智能API，比如Amazon Rekognition处理图像和影像的分析和比对，Amazon Transcribe将声音变成文本，Amazon Comprehend进行语义分析，所有的处理结果发送到Amazon Elasticsearch（数据搜索和分析服务），用户通过Web UI输入关键字进行查询，比如人、物体的影像，声音等，从而对相关数据进行标注，通过相似度百分比进行筛选和过滤。

AWS施工现场智能监控示例

施工现场智能监控应用，基于Amazon Sagemaker服务进行图像标注，训练物体检测模型，部署推理接口，实时监控挖掘机工作状态（是否在工作和挖掘次数），以及施工现场卡车数量。

AWS产品销量预测示例

AWS自动物流餐吧示例

“AWS看到越来越多的细分行业，上云使用机器学习和人工智能服务，比如金融科技、自动驾驶、医药行业和移动营销等行业”，Swami Sirasubramanian兴奋的说，“我们还看到很多非盈利机构使用人工智能和机器学习，来打击人口贩卖，消除饥饿。”

Momenta是一家自动驾驶公司，使用AWS的平台来进行数据收集、数据标注，以及分布式的机器学习训练；触宝利用AWS云服务和AI服务，通过提供移动端输入法出海，走出了全球化的市场格局，产品月均活跃用户达2.52亿，覆盖超过240个国家及地区；流利说基于AWS的人工智能服务和大数据基础架构进行AI建模；领星医学利用AWS的NLP、GPU计算和AI服务等实现医疗大数据提供肿瘤患者精准医疗的用药方案；弘衍信息使用AWS的服务做基于人工智能引擎推送的阅读评价平台。

结语

AWS就像一位手艺精湛的AI“蛋糕”烘焙师，提供了最广泛且深入的云服务和工具，让人工智能和机器学习变成适合每一位机器学习专家、开发者和IT工程师口味的“美食”，从而落地到百行百业。