8月底，以“智聯(lián)世界 無限可能”為主題的2019世界人工智能大會（WAIC）成為科技界最受關(guān)注的盛會。AI應(yīng)用落地成為今年WAIC的最大亮點之一。

目前，中國人工智能產(chǎn)業(yè)正進入落地實踐階段。據(jù)相關(guān)機構(gòu)測算，到2020年我國人工智能產(chǎn)業(yè)規(guī)模有望突破1600億元，帶動相關(guān)產(chǎn)業(yè)突破1萬億元，AI日益成為經(jīng)濟社會發(fā)展中新舊動能轉(zhuǎn)換的動力。

作為 WAIC 戰(zhàn)略合作伙伴，第二次參會的AWS通過“AWS 云端的人工智能”主題論壇、“AWS人工智能主題體驗展”等環(huán)節(jié)，分享了AI發(fā)展最新趨勢并展示了AI在細分行業(yè)的眾多落地實踐。

目前，全球已有幾萬個客戶選擇借助 AWS 實施機器學(xué)習(xí)，其中既有巨頭企業(yè)，也有風(fēng)口上的初創(chuàng)企業(yè)。作為全球云計算領(lǐng)域公認的領(lǐng)先者，AWS在AI領(lǐng)域的定位是什么？AWS是如何推動AI技術(shù)實際落地到各行各業(yè)場景中？

WAIC期間，AWS副總裁，負責(zé)亞馬遜人工智能和機器學(xué)習(xí)業(yè)務(wù)的Swami Sirasubramanian先生接受了媒體專訪。

AWS副總裁Swami Sirasubramanian

跨越數(shù)據(jù)處理障礙，縮短企業(yè)構(gòu)建AI的時間

“現(xiàn)在AI還處于發(fā)展早期，但是AI技術(shù)采納率的增長速度非常快。已經(jīng)不只是一兩個細分行業(yè)在應(yīng)用，非常多的細分行業(yè)已經(jīng)開始使用AI技術(shù)。”

Swami曾任AWS的NoSQL數(shù)據(jù)庫總經(jīng)理，負責(zé)AWS核心數(shù)據(jù)庫業(yè)務(wù)的工程設(shè)計、產(chǎn)品管理和運營保障，他還打造了Amazon CloudFront、Amazon S3等30項以上的AWS云服務(wù)。

Swami認為，目前全球包括中國都處在一個AI加速落地的階段，但是依然有很多因素阻礙企業(yè)采納人工智能技術(shù)。其中很關(guān)鍵一項就是，擁抱AI之前，很多企業(yè)被卡在數(shù)據(jù)處理階段。

“AI或者機器學(xué)習(xí)就像一個蛋糕上的奶油，蛋糕底下要有別的東西來支撐，包括大數(shù)據(jù)、存儲、計算等。機器學(xué)習(xí)對于科學(xué)家和開發(fā)者的最大挑戰(zhàn)，就是為機器學(xué)習(xí)模型籌備所需的數(shù)據(jù)。很多公司50%到70%的人力和時間都花在數(shù)據(jù)籌備上。”Swami表示。

比如，一家自動駕駛領(lǐng)域的初創(chuàng)公司在開發(fā)算法的過程中，需要籌備大量的數(shù)據(jù)，包括道路數(shù)據(jù)、行駛數(shù)據(jù)、標識數(shù)據(jù)、障礙物數(shù)據(jù)等等，然后需要對所有數(shù)據(jù)進行分類、做標注。

AWS提供了很多存儲、計算、大數(shù)據(jù)方面的工具，便于企業(yè)更加穩(wěn)定、端到端整合地籌備數(shù)據(jù)，可以將企業(yè)數(shù)據(jù)準備和數(shù)據(jù)標注費用降低70%，從而更加快速地采納機器學(xué)習(xí)方案。

國內(nèi)自動駕駛公司Momenta就借助AWS的平臺來進行數(shù)據(jù)收集、數(shù)據(jù)標注，并進行分布式的機器學(xué)習(xí)訓(xùn)練。英語流利說也是基于AWS大數(shù)據(jù)基礎(chǔ)架構(gòu)來進行人工智能建模，極大節(jié)省了技術(shù)投入的成本。

在AI領(lǐng)域，AWS的定位非常明確——為企業(yè)提供廣泛、深入的機器學(xué)習(xí)工具，幫助企業(yè)盡可能縮短構(gòu)建AI技術(shù)所用的時間，更快地把核心產(chǎn)品和技術(shù)部署到全球市場。

“積木拼裝”，AWS機器學(xué)習(xí)的三層架構(gòu)

那么，從技術(shù)架構(gòu)上，AWS的AI服務(wù)是如何幫助企業(yè)用好AI的呢？這就離不開AWS機器學(xué)習(xí)的整體框架。可以說，AWS所有AI服務(wù)都離不開這個整體框架。

Swami指出，AWS將多層面、多維度的機器學(xué)習(xí)技術(shù)按對象和功能不同，分為三層，針對不同的技術(shù)人群提供不同的服務(wù)：

最底層是機器學(xué)習(xí)框架和基礎(chǔ)架構(gòu)，包括與主流機器學(xué)習(xí)框架、接口，以及高性能服務(wù)器、虛擬機為主的基礎(chǔ)服務(wù)。比如，Amazon EC2的p3dn實例類型就是非常適合做分布式機器學(xué)習(xí)開發(fā)的虛擬機。AWS最底層的AI服務(wù)，面向的是IT工程師、機器學(xué)習(xí)科學(xué)家、應(yīng)用開發(fā)人員。調(diào)用這些服務(wù)，需要三類專業(yè)人員共同開發(fā)。

中間層是AWS端到端的托管機器學(xué)習(xí)平臺Amazon SageMaker為主的模型訓(xùn)練層。Amazon SageMaker相當(dāng)于一個自動化的機器學(xué)習(xí)模型訓(xùn)練平臺，只要輸入訓(xùn)練數(shù)據(jù)并挑選好算法，Amazon SageMaker可以幫企業(yè)進行人工智能建模，同時還能管理底層需要用到的所有的服務(wù)器和框架。

Amazon SageMaker主要面向數(shù)據(jù)科學(xué)家，可以把他們從漫長的模型構(gòu)建中解放出來。Swami舉例說，此前一家制藥公司自己要花費超過兩個月時間才能建立一個機器學(xué)習(xí)模型，但借助Amazon SageMaker等工具之后，現(xiàn)在只要花不到4個小時。

最上層是供企業(yè)直接調(diào)用的AI服務(wù)，包括視覺、語音、語言、預(yù)測等領(lǐng)域的AI能力。面向的是應(yīng)用開發(fā)人員，而且他們不需要懂AI技術(shù)。AWS架構(gòu)工程師告訴智能進化論，最上層相當(dāng)于SaaS AI服務(wù)，即插即用，按需付費。企業(yè)可以根據(jù)自己的需求進行積木化拼裝，極大降低了AI應(yīng)用的門檻。

這些AI服務(wù)包括：用于靜態(tài)圖片識別的Amazon Rekognition、用于視頻識別的Amazon Rekognition Image、從視頻中提取文本的Amazon Textract、能為視頻打字幕的Amazon Transcribe、發(fā)現(xiàn)文本中的見解和關(guān)系的自然語言處理服務(wù)Amazon Comprehend等等。

值得注意的是，這些AI能力中不少是經(jīng)過亞馬遜電商業(yè)務(wù)驗證過的。

比如，聊天機器人服務(wù)Amazon Lex和文字轉(zhuǎn)語音服務(wù)Amazon Polly正是亞馬遜智能語音助手Alexa的內(nèi)核。Amazon Lex負責(zé)文本對文本的聊天，Amazon Polly再將文本轉(zhuǎn)換為逼真語音，其目前已支持中文普通話在內(nèi)的29種語言。基于時序數(shù)據(jù)的預(yù)測工具Amazon Forecast也是亞馬遜電商在全球使用多年的成熟架構(gòu)。

現(xiàn)在，這些先進的AI技術(shù)，都通過AWS云服務(wù)的形式向開發(fā)者開放，可以直接使用。

此外，AWS也在加速服務(wù)在中國市場的落地。比如本屆WAIC上，AWS宣布Amazon Transcribe已支持中文普通話語音的轉(zhuǎn)寫，最新的Amazon EC2 G4實例將于今年部署到AWS 中國（北京）和AWS中國（寧夏）兩個區(qū)域。

拒絕路線圖模式，保持敏捷與客制化

AI在不同細分行業(yè)的落地過程中，是否面臨著一些共同的痛點？

Swami認為，很多企業(yè)缺乏把AI技術(shù)進行客制化、用來解決本行業(yè)核心業(yè)務(wù)的能力，而AWS想要幫企業(yè)補足這一點。

2018年，AWS新推出的服務(wù)多達1957個，是5年前的四倍。Swami指出，AWS有90%到95%的服務(wù)擴展都是基于客戶反饋，另外5%到10%的擴展也是基于AWS對客戶反饋的詮釋。

“我們從來不會發(fā)布所謂的擴展路線圖或者擴展計劃，因為AWS想保持敏捷性。AWS的技術(shù)可以讓不同細分行業(yè)的企業(yè)對人工智能進行定制，使得開發(fā)者更加容易使用我們的人工智能、機器學(xué)習(xí)技術(shù)納入細分領(lǐng)域的應(yīng)用程序中去。” Swami強調(diào)。

在本屆WAIC的展臺，AWS展示了一系列從智慧零售到工程監(jiān)控、從媒體分析到AI醫(yī)療的行業(yè)解決方案，無不體現(xiàn)了AWS AI技術(shù)的客制化。

在智能媒體分析技術(shù)展示中，根據(jù)輸入的關(guān)鍵詞“男性”或“悲傷”等，AI可以自動搜索出包含有這些關(guān)鍵詞的圖像、聲音、視頻內(nèi)容。該方案可用在智能零售、安防等場景下。

比如，AI技術(shù)可以根據(jù)零售商自定義要求，從賣場的視頻、聲音和圖像三種信息介質(zhì)中，實時分析出對銷售有價值的信息，進行精準用戶畫像。

AWS智能媒體分析案例

在工業(yè)控制場景下，基于視頻識別和圖片識別，AWS的AI服務(wù)實現(xiàn)遠程監(jiān)控作業(yè)工地，實時分析施工現(xiàn)場畫面是否出現(xiàn)異常。該方案比基于傳感器的IOT方案在成本和效率上都有很大提升，也可以用來監(jiān)測人流密集場所的垃圾桶等公共設(shè)施。

AWS施工現(xiàn)場智能監(jiān)控案例

在AI醫(yī)療場景下，基于AWS云平臺和AI技術(shù)，大數(shù)據(jù)醫(yī)療應(yīng)用平臺領(lǐng)先醫(yī)學(xué)已經(jīng)運用醫(yī)療大數(shù)據(jù)為腫瘤患者提供精準醫(yī)療的用藥方案，目前已在國內(nèi)多家三甲腫瘤醫(yī)院展開合作。

WAIC2019向我們展示了一個不一樣的AWS。

隨著越來越多企業(yè)借助AWS部署機器學(xué)習(xí)方案，AWS正在刷新人們的既有印象：不僅是全球云老大，也是為企業(yè)提供簡單、易使用的AI技術(shù)的人工智能平臺。