借助SageMaker亚马逊旨在将机器学习带给更多应用程序开发人员

如果您认为人工智能和机器学习是除了训练有素的专家以外的任何人都无法实现的，请再考虑一下。Amazon Web Services Inc.的使命是使任何开发人员都可以访问高级AI解决方案。

“采用传统上只有极少数资金充裕的组织才能使用的技术，并使其尽可能广泛地传播，”该 公司深度学习和人工智能部门总经理Matt Wood表示 。 AWS。“我们已经在计算存储，数据库，分析和数据仓库方面取得了相当成功，并且我们希望为机器学习做同样的事情。”

伍德在纽约举行的AWS峰会期间与SiliconANGLE Media的移动直播工作室CUBE主持人John Furrier进行了交谈。他们讨论了为AWS的SageMaker机器学习服务引入的新服务，以及AWS使机器学习民主化的目标。

帮助更多的用户

AWS将机器学习用户分为三个级别。被伍德确定为学者，研究人员和数据科学家的第一级访问开放源代码编程库以构建神经网络和人工智能。这些专家以最高的复杂性水平研究机器学习和AI。

下一级别的开发人员和数据科学家想要应用机器学习的特定方面，以从基于云的数据中构建定制模型。根据伍德的说法，这是 AWS SageMaker 独有的地方，可帮助开发人员尽可能快速，轻松地构建，训练和部署机器学习模型。“我们尝试消除与[构建定制模型]相关的未区别的繁重举重，”他萨迪说。

第三级是想要构建智能应用程序的应用程序开发人员。这群人“不想进入野草;他们只是想真正，非常快地启动并运行，”他补充说。

四种新的AI服务

Wood表示，在每个级别上为每个人提供帮助是AWS的目标，该公司最近宣布了四项新的AI服务，旨在帮助数据科学家和开发人员管理日益复杂的工作负载。

首先是向SageMaker添加高吞吐量批处理作业。伍兹说，用户以前只限于在SageMaker中进行实时处理，但在许多情况下，客户希望“一次预测数百或数千甚至数百万个事物”。一个月。

“您想……对下个月做出预测。您不需要实时进行操作;您需要做一次然后下订单，”他说。

借助SageMaker中新的批处理转换功能，简单的API允许客户端“拉入所有这些数据，大量数据，在全自动环境中进行批处理，然后缩减基础架构，一切就完成了”木说。他解释说，这既使访问机器学习变得更容易，又降低了成本。

第二项新服务是为内置TensorFlow容器添加管道输入模式。快速流动的数据以及大量数据是构建成功的机器学习应用程序的关键之一，而借助这项新服务，SageMaker用户不再受磁盘空间或内存的限制。

他说：“您可以在TB之后再抽TB TB。因此，您会看到训练时间减少了10%到25%。”他说。“因此，您可以训练更多的模型，或者可以在相同的单位时间内训练更多的模型，或者只是降低成本。”

第三是 向Amazon Translate服务添加新语言：繁体中文，捷克语，意大利语，日语，俄语和土耳其语。第四是在Amazon Transcribe服务中添加了称为渠道综合的功能。通道综合服务可用于通常将客户服务呼叫记录在单个轨道上的联络中心，它能够识别语音，然后将记录的音频分成两个通道，每个扬声器一个。它还可以自动转录对话，分析时间戳并创建单个脚本。

“您可以使用[AWS] Comprehend自动检查主题，也可以检查合规性：座席是否在对话过程中的某个时刻说出出于合规原因必须说的话?” 伍德说。

展望未来，伍德设想机器学习将成为亚马逊的核心优势之一。他说：“在时间充裕的情况下，机器学习的使用量可能甚至不超过整个AWS的总和。”