【51CTO.com快譯】專業用戶能夠充分利用EC2實例內GPU與FPGA編程等靈活性資源，普通用戶則可利用開箱即用智能方案構建Alexa型會話接口。

[[178053]]

在今天的AWS Re:Invent大會上，Amazon公司推出了一系列全新機器學習方案——這一方面是為了能夠在激烈的市場競爭中繼續保持領先，另一方面則是為了將由簡到繁的各類工具交付至各種專業級產品當中。

面向硬核用戶的硬件選項

毫無疑問，Amazon的每一輪發布活動都必然包含與AWS EC2相關的內容。今天與機器學習相關的公布內容Elastic GPU，就允許將GPU附加至目前八種現有EC2實例類型之一，這意味著用戶再也不用像過去那樣只能從少數預配備GPU的實例中作出選擇了。

幾乎可以肯定的是，這屬于Amazon針對谷歌近來動作的一次反擊。就在上個月初，谷歌方面在其云端***次提供GPU實例，允許將多達八個GPU附加至現有系統當中。無論出發點如何，Amazon的此次反應都能夠有效提升在EC2中使用GPU資源的靈活性。不過需要指出的是，目前該服務尚未面向全部Amazon客戶開放：截至目前，Amazon給出的上線時間仍然是“不久后”。

GPU可以說是當下機器學習浪潮下硬件變革的基礎，但Amazon及其它廠商已經開始著眼于下一片戰場：FPGA。Amazon***推出的EC2實例類型F1當中即包含八塊Xilinx UltraScale+ VU9P FPGA并提供配套編程工具。

FPGA很可能作為CPU的補充性，而非替代性方案。IDC公司軟件開發研究項目主管Al Hilwa在一封郵件中指出，FPGA將“總體上被用于處理高度定制化計算負載，包括圖像、視頻及音頻流處理任務，而由此準備的數據結果通常可供機器學習使用。”

就目前而言，面向GPU的機器學習軟件工具數量要遠高于FPGA。然而，面向F1編寫的應用亦可在AWS Marketplace之上共享，這些應用最終應該能夠提供更多可作為借鑒、復用以及重構的開發素材。

看與說

并不是每個人都希望從零開始構建項目。對于這類受眾，Amazon公司推出了三項新的高水平機器學習型服務，專門面向文本到語音、圖像識別以及對話接口。

在此之中，Amazon Rekognition可能最為大家所熟悉——其在本質上屬于一套現有深度學習功能的精致化版本。在為其提供圖像之后，Rekognition將識別圖像中的常見對象——包括面部識別機制——而后據此提供各方面反饋（例如‘看似快樂’等總體氛圍性結論）。這些API非常簡單，可以輕松整合起來者演示，但結果數據則可進行存儲并供其它更為復雜的應用進行復用。

Amazon Polly是一項文本到語音服務，允許用戶將文本內容翻譯為語音表達。舉例來說，“NYC”之類的縮寫會被自動擴展為“紐約市”，但“Main St.”與“St. Peter”等則會被擴展為“大道”與“圣彼得”。各文本亦可與其它上下文數據進行匹配，從而提供更為準確的轉化效果。但Amazon的優勢正在于基本正確要求下的易用性，因此除了在極端情況下，我們并不需要如此大費周章地提升準確率。

Amazon Lex在某種程度上算是Amazon的一次冒險，其提供一套工作流用于構建語音驅動型對話接口——其中使用的正是Amazon Alexa服務與Amazon Echo設備的專有引擎。Lex工作流所使用的部分構建概念與聊天機器人相同，且其能夠接入來自其它Amazon技術方案的業務邏輯，例如AWS Lambda。就目前而言，Lex尚僅在美國東部AWS服務區提供預覽版本，但考慮到其無需精確調試的機器學習組件即可達成***結果的承諾，相信其會在不久的將來大獲人氣。

原文標題：Amazon's next wave of machine learning: Powerful, practical

原文作者：Serdar Yegulalp

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】