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

目前，中國(guó)人工智能產(chǎn)業(yè)正進(jìn)入落地實(shí)踐階段。據(jù)相關(guān)機(jī)構(gòu)測(cè)算，到2020年我國(guó)人工智能產(chǎn)業(yè)規(guī)模有望突破1600億元，帶動(dòng)相關(guān)產(chǎn)業(yè)突破1萬(wàn)億元，AI日益成為經(jīng)濟(jì)社會(huì)發(fā)展中新舊動(dòng)能轉(zhuǎn)換的動(dòng)力。

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

目前，全球已有幾萬(wàn)個(gè)客戶選擇借助 AWS 實(shí)施機(jī)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(jì)算領(lǐng)域公認(rèn)的領(lǐng)先者，AWS在AI領(lǐng)域的定位是什么？AWS是如何推動(dòng)AI技術(shù)實(shí)際落地到各行各業(yè)場(chǎng)景中？

WAIC期間，AWS副總裁，負(fù)責(zé)亞馬遜人工智能和機(jī)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(shí)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(zhǎng)速度非常快。已經(jīng)不只是一兩個(gè)細(xì)分行業(yè)在應(yīng)用，非常多的細(xì)分行業(yè)已經(jīng)開(kāi)始使用AI技術(shù)。”

Swami曾任AWS的NoSQL數(shù)據(jù)庫(kù)總經(jīng)理，負(fù)責(zé)AWS核心數(shù)據(jù)庫(kù)業(yè)務(wù)的工程設(shè)計(jì)、產(chǎn)品管理和運(yùn)營(yíng)保障，他還打造了Amazon CloudFront、Amazon S3等30項(xiàng)以上的AWS云服務(wù)。

Swami認(rèn)為，目前全球包括中國(guó)都處在一個(gè)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(xiàng)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(jī)器學(xué)習(xí)就像一個(gè)蛋糕上的奶油，蛋糕底下要有別的東西來(lái)支撐，包括大數(shù)據(jù)、存儲(chǔ)、計(jì)算等。機(jī)器學(xué)習(xí)對(duì)于科學(xué)家和開(kāi)發(fā)者的最大挑戰(zhàn)，就是為機(jī)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(shí)間都花在數(shù)據(jù)籌備上?！盨wami表示。

比如，一家自動(dòng)駕駛領(lǐng)域的初創(chuàng)公司在開(kāi)發(fā)算法的過(guò)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(biāo)識(shí)數(shù)據(jù)、障礙物數(shù)據(jù)等等，然后需要對(duì)所有數(shù)據(jù)進(jìn)行分類、做標(biāo)注。

AWS提供了很多存儲(chǔ)、計(jì)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(zhǔn)備和數(shù)據(jù)標(biāo)注費(fèi)用降低70%，從而更加快速地采納機(jī)器學(xué)習(xí)方案。

國(guó)內(nèi)自動(dòng)駕駛公司Momenta就借助AWS的平臺(tái)來(lái)進(jìn)行數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注，并進(jìn)行分布式的機(jī)器學(xué)習(xí)訓(xùn)練。英語(yǔ)流利說(shuō)也是基于AWS大數(shù)據(jù)基礎(chǔ)架構(gòu)來(lái)進(jìn)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(jī)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(shí)間，更快地把核心產(chǎn)品和技術(shù)部署到全球市場(chǎng)。

“積木拼裝”，AWS機(jī)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(kāi)AWS機(jī)器學(xué)習(xí)的整體框架?？梢哉f(shuō)，AWS所有AI服務(wù)都離不開(kāi)這個(gè)整體框架。

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

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

中間層是AWS端到端的托管機(jī)器學(xué)習(xí)平臺(tái)Amazon SageMaker為主的模型訓(xùn)練層。Amazon SageMaker相當(dāng)于一個(gè)自動(dòng)化的機(jī)器學(xué)習(xí)模型訓(xùn)練平臺(tái)，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(jìn)行人工智能建模，同時(shí)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(zhǎng)的模型構(gòu)建中解放出來(lái)。Swami舉例說(shuō)，此前一家制藥公司自己要花費(fèi)超過(guò)兩個(gè)月時(shí)間才能建立一個(gè)機(jī)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(gè)小時(shí)。

最上層是供企業(yè)直接調(diào)用的AI服務(wù)，包括視覺(jué)、語(yǔ)音、語(yǔ)言、預(yù)測(cè)等領(lǐng)域的AI能力。面向的是應(yīng)用開(kāi)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(jìn)化論，最上層相當(dāng)于SaaS AI服務(wù)，即插即用，按需付費(fèi)。企業(yè)可以根據(jù)自己的需求進(jìn)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(shí)別的Amazon Rekognition、用于視頻識(shí)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(jiàn)解和關(guān)系的自然語(yǔ)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(guò)亞馬遜電商業(yè)務(wù)驗(yàn)證過(guò)的。

比如，聊天機(jī)器人服務(wù)Amazon Lex和文字轉(zhuǎn)語(yǔ)音服務(wù)Amazon Polly正是亞馬遜智能語(yǔ)音助手Alexa的內(nèi)核。Amazon Lex負(fù)責(zé)文本對(duì)文本的聊天，Amazon Polly再將文本轉(zhuǎn)換為逼真語(yǔ)音，其目前已支持中文普通話在內(nèi)的29種語(yǔ)言。基于時(shí)序數(shù)據(jù)的預(yù)測(cè)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(jìn)的AI技術(shù)，都通過(guò)AWS云服務(wù)的形式向開(kāi)發(fā)者開(kāi)放，可以直接使用。

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

拒絕路線圖模式，保持敏捷與客制化

AI在不同細(xì)分行業(yè)的落地過(guò)程中，是否面臨著一些共同的痛點(diǎn)？

Swami認(rèn)為，很多企業(yè)缺乏把AI技術(shù)進(jìn)行客制化、用來(lái)解決本行業(yè)核心業(yè)務(wù)的能力，而AWS想要幫企業(yè)補(bǔ)足這一點(diǎn)。

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

“我們從來(lái)不會(huì)發(fā)布所謂的擴(kuò)展路線圖或者擴(kuò)展計(jì)劃，因?yàn)锳WS想保持敏捷性。AWS的技術(shù)可以讓不同細(xì)分行業(yè)的企業(yè)對(duì)人工智能進(jìn)行定制，使得開(kāi)發(fā)者更加容易使用我們的人工智能、機(jī)器學(xué)習(xí)技術(shù)納入細(xì)分領(lǐng)域的應(yīng)用程序中去。” Swami強(qiáng)調(diào)。

在本屆WAIC的展臺(tái)，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(wú)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(dòng)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(chǎng)景下。

比如，AI技術(shù)可以根據(jù)零售商自定義要求，從賣場(chǎng)的視頻、聲音和圖像三種信息介質(zhì)中，實(shí)時(shí)分析出對(duì)銷售有價(jià)值的信息，進(jìn)行精準(zhǔn)用戶畫(huà)像。

AWS智能媒體分析案例

在工業(yè)控制場(chǎng)景下，基于視頻識(shí)別和圖片識(shí)別，AWS的AI服務(wù)實(shí)現(xiàn)遠(yuǎn)程監(jiān)控作業(yè)工地，實(shí)時(shí)分析施工現(xiàn)場(chǎng)畫(huà)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(lái)監(jiān)測(cè)人流密集場(chǎng)所的垃圾桶等公共設(shè)施。

AWS施工現(xiàn)場(chǎng)智能監(jiān)控案例

在AI醫(yī)療場(chǎng)景下，基于AWS云平臺(tái)和AI技術(shù)，大數(shù)據(jù)醫(yī)療應(yīng)用平臺(tái)領(lǐng)先醫(yī)學(xué)已經(jīng)運(yùn)用醫(yī)療大數(shù)據(jù)為腫瘤患者提供精準(zhǔn)醫(yī)療的用藥方案，目前已在國(guó)內(nèi)多家三甲腫瘤醫(yī)院展開(kāi)合作。

WAIC2019向我們展示了一個(gè)不一樣的AWS。

隨著越來(lái)越多企業(yè)借助AWS部署機(jī)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(jiǎn)單、易使用的AI技術(shù)的人工智能平臺(tái)。