一年新增250+服務，AWS機器學習進化方法論

“Amazon機器學習的愿景是打造一個幫用戶完成任務的工具，這個工具我們希望交付到所有人的手里，而不簡簡單單是大科技公司擁有的工具箱。”AWS大中華區(qū)云服務產(chǎn)品管理總經(jīng)理顧凡表示。

機器學習可能是21世紀迄今為止最受追捧的新技術(shù)，作為這個領域的佼佼者，亞馬遜云服務（AWS）深切體會到，在追逐新技術(shù)的熱潮中，擁有高效可用的工具是多么重要，因此，你也能看到這種方法論指導下，AWS機器學習服務能力的進化脈絡。

2016年AWS開始在機器學習領域發(fā)力，當年發(fā)布了三個服務，且都是AI類服務，特點是即插即用。2017年AWS開始明顯提速，幾乎每年新發(fā)布200多個服務和功能，僅去年一年AWS發(fā)布了超過250個新產(chǎn)品和服務。

如上圖所示，AWS的創(chuàng)新當然不止體現(xiàn)在AI服務上，從最上層的AI服務，中間層的機器學習Amazon SageMaker，到底層機器學習框架和基礎設施，AWS層層遞進進化。

首先看底層機器學習框架和基礎設施，這也是機器學習的堅實基礎。AWS觀察到，客戶一般并不會只使用一個框架，而是經(jīng)常使用三個框架，比如Tensorflow、PyTorch等，AWS的思路就是要把選擇給到客戶，內(nèi)部針對不同框架分別設立調(diào)優(yōu)團隊，保證各種框架下性能最優(yōu)。

除了框架之外，算力同樣重要，不一樣的機器學習負載對于算力的需要不同，目前AWS是唯一一家能夠同時支持Intel、AMD和ARM處理器的廠商，同時AWS和英偉達有密切的合作關系。值得一提的是，AWS有非常強的芯片設計能力，其自主研發(fā)基于ARM的芯片AWS Inferentia，主打推理場景下最優(yōu)性價比，能帶來45%性價比提升。

其次是創(chuàng)造機器學習的成功捷徑。AWS通過Amazon SageMaker來實現(xiàn)，后者是一項完全托管的機器學習服務。借助SageMaker，數(shù)據(jù)科學家和開發(fā)人員可以快速、輕松地構(gòu)建和訓練機器學習模型，然后直接將模型部署到生產(chǎn)就緒托管環(huán)境中。

與此同時，SageMaker也在不停迭代，AWS聚焦在機器學習流程的每一步，無論是數(shù)據(jù)的準備、處理，到訓練模型、快速實驗、調(diào)整參數(shù)、放到生產(chǎn)環(huán)境運行并且持續(xù)的監(jiān)控和管理。一方面，AWS細化工具能力，讓客戶更易于使用；另一方面，AWS關注如何將這些工具串聯(lián)起來，放在一個環(huán)境、一個UI、一個工作流下，真正提升效率。

再次是擴展機器學習開發(fā)者的范圍，機器學習的開發(fā)工程師群體正在擴展，蔓延到數(shù)據(jù)庫、數(shù)據(jù)分析，甚至是一些業(yè)務人員，但這又帶來一個新的矛盾，不具備專業(yè)知識的新晉開發(fā)者如何把好的想法落地？

AWS通過一系列產(chǎn)品來實現(xiàn)，比如Amazon Aurora ML、Amazon Athena ML、Amazon Neptune，讓機器學習和現(xiàn)有的數(shù)據(jù)庫、分析工具之間進行集成和互動。

“我們希望機器學習有更多人參與進來，這些人并不需要懂機器學習，他只需要有主意，以及明白怎么去用機器學習為業(yè)務帶來價值，無論是數(shù)據(jù)庫的人、數(shù)據(jù)分析的人，甚至是業(yè)務線的人，都可以用我們提供的工具在機器學習領域獲得更強的易用性?！鳖櫡舱劦?。

最后是端到端地解決客戶實際業(yè)務的問題。企業(yè)客戶對于機器學習的投資不盡相同，有些企業(yè)會把整個機器學習的技術(shù)堆棧做得很全，但有些客戶會較為專注在某一層，對此，AWS總結(jié)出一些行業(yè)共通問題，并提供端到端的方案解決真實的業(yè)務問題。

“合適的工作要用合適的工具，同時一定找尋定制化的工具，機器學習服務也在深入行業(yè)場景做更多的定制化?！边@是機器學習領域的行業(yè)趨勢，也是AWS一以貫之的方法論。