現(xiàn)階段，人工智能應(yīng)用場景正在不斷增多，市場規(guī)模不斷擴大，使得機器學(xué)習(xí)價值日益凸顯。越來越多企業(yè)開始應(yīng)用機器學(xué)習(xí)技術(shù)來實現(xiàn)數(shù)字化轉(zhuǎn)型。

[[443069]]

例如，一家招聘網(wǎng)站，每天都要處理數(shù)以萬計的求職簡歷，并且精準(zhǔn)分發(fā)至數(shù)百個企業(yè)的不同職位中。分發(fā)的越精準(zhǔn)，獲取的用戶信任度就會越高，網(wǎng)站經(jīng)營自然也會取得良性發(fā)展。可是如此數(shù)量的簡歷，依靠人工分類篩選效率過于低下，而且分發(fā)精準(zhǔn)度也難以得到保障。這時就可以利用人工智能技術(shù)，通過機器學(xué)習(xí)訓(xùn)練的方式來解決這個問題。

招聘網(wǎng)站可以將企業(yè)過往應(yīng)聘者簡歷以數(shù)據(jù)形式記錄下來，并依據(jù)成功聘用簡歷內(nèi)容，設(shè)置關(guān)鍵標(biāo)識的標(biāo)簽。這些標(biāo)簽與招聘企業(yè)不同職位需求一一進行對應(yīng)，并對每一份簡歷，都有記錄標(biāo)識出是否最終被聘用，以深入了解招聘企業(yè)需求。然后開始訓(xùn)練機器，拿出一半數(shù)量的簡歷，讓機器通過學(xué)習(xí)這些簡歷找出其中的模式。

訓(xùn)練完畢，用另一半數(shù)量的簡歷來對機器進行測試。如果成功率夠高，就可以讓機器根據(jù)新收到的簡歷來判斷是否適合被聘用。

機器學(xué)習(xí)的建模、算法困擾

然而，對于多數(shù)行業(yè)來說，收集和處理數(shù)據(jù)是一個難題。機器學(xué)習(xí)三要素包括數(shù)據(jù)、算法和算力，三者缺一不可。也就是說，想要將機器學(xué)習(xí)技術(shù)在行業(yè)中成功進行應(yīng)用，首先需要具備豐厚的數(shù)據(jù)積累，比如上文中的“足夠多簡歷”，并且具有將這些數(shù)據(jù)建成數(shù)字模型，就好像上文中“找到簡歷申請成功的模式”，及運用這些模型實現(xiàn)管理、控制、分析、判斷等能力，比如上面“用另一半簡歷進行測試”。

從目前看來，企業(yè)想要快速上手機器學(xué)習(xí)仍然是一個問題，因為企業(yè)首先需要具備豐厚的數(shù)據(jù)積累，其次要建立不同的模型，最后運用這些模型實現(xiàn)管理、控制、分析、判斷等能力。但是在大多數(shù)企業(yè)之中，機器學(xué)習(xí)的普及會遇到知識的壁壘——有行業(yè)技術(shù)的人不懂AI，懂AI的人缺乏行業(yè)技術(shù)積累。如此一來，即便企業(yè)已經(jīng)積累了海量數(shù)據(jù)，也無法將數(shù)據(jù)成功進行建模，有效轉(zhuǎn)換成機器可以理解的知識。即便是有一些既有行業(yè)知識，又了解AI，但也只能局限在本行業(yè)，甚至某個企業(yè)中，實現(xiàn)智能化的業(yè)務(wù)處理。這讓機器學(xué)習(xí)的普及步履維艱。

有沒有方法可以讓企業(yè)快速簡單的掌握機器學(xué)習(xí)這項技能?

無需編碼 降低機器學(xué)習(xí)門檻為了幫助客戶最大限度實現(xiàn)數(shù)據(jù)價值，亞馬遜云科技致力于幫助客戶降低使用機器學(xué)習(xí)的門檻。2017 年亞馬遜云科技在 re:Invent上發(fā)布了一款重要AI服務(wù)——Amazon SageMaker，這也是當(dāng)年最有具有戰(zhàn)略意義的產(chǎn)品發(fā)布。Amazon SageMaker能夠面向包括數(shù)據(jù)科學(xué)家等多類角色，提供端到端快速應(yīng)用構(gòu)建的機器學(xué)習(xí)技術(shù)服務(wù)。

來到2021 re:Invent全球大會，亞馬遜云科技又帶來Amazon SageMaker的六項新功能。其中Amazon SageMaker Canvas進一步降低機器學(xué)習(xí)使用門檻，業(yè)務(wù)分析師可以無需編碼即可使用點擊式界面進行更準(zhǔn)確的機器學(xué)習(xí)預(yù)測。

Amazon SageMaker Canvas面向零機器學(xué)習(xí)經(jīng)驗群體。也就是說，無論你從事的是生產(chǎn)加工、建筑制造乃至于人力資源、業(yè)務(wù)分析，完全沒有機器學(xué)習(xí)的使用經(jīng)驗，都可以輕松使用這種無代碼機器學(xué)習(xí)預(yù)測服務(wù)。

Amazon SageMaker Canvas 就是將機器學(xué)習(xí)模型的諸多步驟轉(zhuǎn)變成可視化、可交互的 UI，從而解決用戶的AI業(yè)務(wù)應(yīng)用問題，號稱：不寫一行代碼，快速生成機器學(xué)習(xí)預(yù)測模型。客戶可以將Amazon SageMaker Canvas連接到他們的數(shù)據(jù)存儲(例如 Amazon Redshift、Amazon S3、Snowflake、本地數(shù)據(jù)存儲、本地文件等)。

在re:Invent 大會上對Amazon SageMaker Canvas的實例展示中，只需要通過拖拽上傳數(shù)據(jù)，并指定模型，再點擊一下快速生成，就可以自動化的完成機器學(xué)習(xí)的全部過程，并獲取到一個機器學(xué)習(xí)準(zhǔn)確度非常高的學(xué)習(xí)模型。

例如：全球豪華汽車和摩托車制造商寶馬集團在整個價值鏈中已經(jīng)采用人工智能，為客戶、產(chǎn)品、員工和流程創(chuàng)造附加價值。Amazon SageMaker Canvas將人工智能/機器學(xué)習(xí)擴展至整個寶馬集團。而且Amazon SageMaker Canvas還支持寶馬集團的核心數(shù)據(jù)科學(xué)團隊協(xié)作，并對由業(yè)務(wù)用戶創(chuàng)建的模型在投入生產(chǎn)環(huán)境之前對其進行評估。

免費的機器學(xué)習(xí)開發(fā)環(huán)境除了無需編碼實現(xiàn)機器學(xué)習(xí)之外，為了讓更多人能夠了解AI技術(shù)，亞馬遜云科技還通過Amazon SageMaker Studio Lab向大家提供出免費的機器學(xué)習(xí)開發(fā)環(huán)境，將機器學(xué)習(xí)帶給每個人。

目前，全球眾多研究人員和數(shù)據(jù)科學(xué)家正使用Amazon SageMaker快速構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型。現(xiàn)在想要使用Amazon SageMaker Studio Lab的用戶，不需要擁有亞馬遜云科技賬戶或提供賬單詳細信息，只需要通過Web瀏覽器，使用電子郵件注冊，Amazon SageMaker Studio Lab就能向用戶提供無限制的用戶會話、15 GB持久存儲、用于免費訓(xùn)練機器學(xué)習(xí)模型，以及長達12小時的CPU和4小時的GPU計算。

使用Amazon SageMaker Studio Lab用戶可以像開合筆記本電腦一樣輕松地開始、停止和重啟機器學(xué)習(xí)項目。而不需要構(gòu)建、擴展或管理云資源，當(dāng)用戶完成實驗并希望將他們的想法付諸實踐時，可以輕松將其機器學(xué)習(xí)項目導(dǎo)出至Amazon SageMaker Studio，在亞馬遜云科技上部署和擴展他們的模型。

免費的學(xué)習(xí)環(huán)境，將讓更多用戶獲得機器學(xué)習(xí)技術(shù)的學(xué)習(xí)機會。Amazon SageMaker Studio Lab也可以成為數(shù)據(jù)科學(xué)家的免費原型設(shè)計環(huán)境，用戶無需支付任何費用，即可快速、輕松地開始構(gòu)建和訓(xùn)練機器學(xué)習(xí)模型。

賓夕法尼亞大學(xué)工程學(xué)院是現(xiàn)代計算機的發(fā)源地，在1946 年誕生了世界第一臺大型通用電子數(shù)字計算機 ENIAC。70 多年來，賓夕法尼亞大學(xué)計算機與信息科學(xué)教授Dan Roth認為，使用機器學(xué)習(xí)編程最困難的部分之一是配置要構(gòu)建的環(huán)境，通常需要學(xué)生選擇計算實例、安全策略并提供信用卡。Amazon SageMaker Studio Lab則消除了這些設(shè)置所要的復(fù)雜性，并提供了一個免費的強大的實驗環(huán)境。這讓他們無需花時間配置機器學(xué)習(xí)環(huán)境，即可編寫代碼。

智能賽事將機器學(xué)習(xí)能力交到更多人手中在今年年初，亞馬遜推出了一項新的領(lǐng)導(dǎo)力準(zhǔn)則：“成功和規(guī)模帶來更大責(zé)任”。

為了讓人工智能和機器學(xué)習(xí)技術(shù)可以得到更加廣泛的普及，亞馬遜云科技也正加大力度踐行這一新領(lǐng)導(dǎo)力原則，Amazon Future Engineer、Amazon Girls’ Tech Day和Amazon Get IT針對年輕學(xué)者的科學(xué)、技術(shù)、工程和數(shù)學(xué)(STEM)教育計劃，以及與學(xué)院和大學(xué)的合作。

為了將機器學(xué)習(xí)能力交到更多人的手中，亞馬遜云科技還將通過Amazon DeepRacer冠軍杯賽、培訓(xùn)與認證、機器學(xué)習(xí)大學(xué)、機器學(xué)習(xí)納米學(xué)位等項目，計劃到 2025 年全球培訓(xùn) 2900 萬人，力促人工智能和機器學(xué)習(xí)更加普及。

通過Amazon DeepRacer，將理論轉(zhuǎn)化為實際操作，學(xué)習(xí)如何訓(xùn)練機器學(xué)習(xí)模型驅(qū)動虛擬賽車。學(xué)生還可以在Amazon DeepRacer Student League中測試他們的虛擬賽車。Amazon DeepRacer Student League通過一輛由機器學(xué)習(xí)驅(qū)動的全自動駕駛 1/18 比例的賽車、3D 賽車模擬器以及一場全球競賽，幫助各種技能水平的人學(xué)習(xí)如何構(gòu)建機器學(xué)習(xí)模型。

Capital One、寶馬、德勤、摩根大通、埃森哲和Liberty Mutual等企業(yè)已經(jīng)使用Amazon DeepRacer讓員工親自構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型。

千萬美元獎學(xué)金 力促人工智能和機器學(xué)習(xí)更加普及

不僅如此，亞馬遜云科技還提供高達1000萬美元的亞馬遜云科技人工智能和機器學(xué)習(xí)獎學(xué)金計劃(Amazon AI & ML Scholarship)，用于獎勵全球范圍內(nèi)年青人和服務(wù)設(shè)施欠缺地區(qū)的學(xué)生，幫助他們做好準(zhǔn)備，在未來從事工人智能與機器學(xué)習(xí)相關(guān)工作。

該項目除了免費提供數(shù)十小時機器學(xué)習(xí)模型訓(xùn)練和教育材料，還為來自弱勢群體和服務(wù)設(shè)施欠缺地區(qū)的2000名學(xué)生提供Python Udacity Nanodegree人工智能編程項目獎學(xué)金，為獲得者提供機器學(xué)習(xí)的基礎(chǔ)編程工具和技術(shù)。

亞馬遜云科技人工智能和機器學(xué)習(xí)獎學(xué)金計劃與英特爾合作提供，并由人才轉(zhuǎn)型平臺Udacity提供支持，世界各地的學(xué)生均可獲得數(shù)十小時免費培訓(xùn)模塊和涵蓋機器學(xué)習(xí)基礎(chǔ)知識及其實際應(yīng)用程序的教程。

從無代碼機器學(xué)習(xí)、免費機器學(xué)習(xí)開發(fā)環(huán)境，再到1000萬美元獎學(xué)金計劃、智能賽事的舉辦，可以看出亞馬遜云科技正在不遺余力地實行人工智能與機器學(xué)習(xí)的技術(shù)普及工作。