大数据分析和机器学习是数字化转型的过程中的两个重要支撑点

当前，数字化转型已经成为社会各个行业领域所面临的必答题。在解题过程中，我们需要哪些方法和工具呢？对此，AWS首席云计算企业战略顾问张侠表示：“在数字化转型的过程中，大数据分析和机器学习是两个重要的支撑点。”

“几乎所有行业都在机器学习的影响范围之内，比如大家相对熟悉的金融行业，从风险欺诈侦测到智能投顾，机器学习都起到了巨大的作用；再比如，媒体娱乐行业中的短视频领域，视频内容的生成、分类、推荐等都大量运用了机器学习的方法。”各行各业对于机器学习技术的需求日趋强烈，但是机器学习技术的使用门槛颇高，这是矛盾点，同时也是需求点、创新点。张侠表示：“ AWS希望把机器学习的能力交到每一位创建者的手中，使它成为大家手中的一个工具。”

一、让机器学习能力唾手可得

工具的创造和使用在社会发展进程中一直处于重要地位，从石器到铁器，再到蒸汽机、电动机、计算机……时代的车轮不断前进，到了信息化、智能化的今天，工具的形式已不再局限于实体硬件。

在数字社会，机器学习就是一种手段、一种工具。

日前，亚马逊云服务Amazon Web Services， Inc. （AWS） 宣布，Amazon SageMaker在由西云数据运营的AWS中国 （宁夏） 区域和光环新网运营的AWS中国（北京）区域正式上线。

Amazon SageMaker的出现，有效地帮助企业解决了制约人工智能广泛应用的三个方面的挑战：一是掌握人工智能专业知识的人才不足；二是构建和扩展人工智能的技术产品的难度大；三是在生产经营中部署人工智能应用费时且成本高。

AWS推出Amazon SageMaker的一系列行动的含义可以解释为：打造工具，简化过程，推动生产，激发创造。

二、“保姆式”工具删繁就简

新工具的创造和采用必然促使科学技术水平和能力相应地提高，工具越高级，对使用者进行相关作业的赋能作用越大，AWS的机器学习服务就是这样的一种新工具。

作为AWS机器学习服务的核心产品，Amazon SageMaker 是一项完全托管的服务，可以帮助开发者和数据科学家快速构建、训练和部署机器学习 （ML） 模型。SageMaker 可通过主动学习、超参数优化、模型分布式训练、监控训练进展，部署培训模型作为自动扩展的 RESTful 服务，以及对并发 ML 实验进行集中式管理，从标签数据开始简化 ML工作流，消除了机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。

Amazon SageMaker提供了强大的功能，如弹性笔记本、实验管理、自动模型创建、调试与分析，以及概念漂移检测等，这些功能封装在首个面向机器学习的集成开发环境Amazon SageMaker Studio中。

Autodesk、Change Healthcare、拜耳、英国航空、盖洛普、洛杉矶快船队、松下航空电子（Panasonic Avionics）、环球邮报和T-Mobile等众多企业都已开始利用Amazon SageMaker加快机器学习部署。在中国，如虎牙、大宇无限、嘉谊互娱、华来科技等也都选择使用Amazon SageMaker服务大规模地构建、训练和部署机器学习模型。

为什么这么多国内外知名企业纷纷选择AWS的机器学习技术服务呢？张侠指出：“AWS提供的是最广泛、最深入的机器学习的服务。”AWS机器学习服务到底有多高级，能给急于数字化转型的企业带来多大的赋能作用？下面让我们一起来看一下亚马逊AWS目前提供的三层“保姆式”的机器学习服务都有哪些内容。

底层是机器学习框架和基础架构层。在这一层，AWS几乎支持了所有的开源标准框架，比如TensorFlow、Apache Mxnet、PyTorch等，另外还支持GLUON、Keras等多个平台的接口标准、转换标准。在基础架构层还提供亚马逊机器镜像——AMI（Amazon Machine Image），它是一个可以将操作系统、用户的应用程序、配置等一起打包的加密机器镜像，可用于启用实例的预配置服务器模板。

中层是AWS机器学习的核心服务层。该层最主要的产品就是Amazon SageMake和SageMake Studio，它针对的有技术背景的专业人员，开发人员和数据科学教可以利用这个工具找到人工智能、机器学习所衍生的创新点、突破点，进而推出新产品、新服务。

上层是人工智能服务层。该层提供了AWS通过深度学习开发出来的人工智能专用服务，这些服务主要解决与人类认知相关的典型问题。客户可以直接在其应用中调用AWS提供的这些人工智能服务，而无需关注服务背后的机器学习模型。比如，针对计算机视觉类方面的Amazon Rekognition，针对文字语音的转换和记录的Amazon Polly和Amazon Transcribe、针对人机对话的Amazon Lex等。

张侠博士解释说：“这三层的关系，越往下越基础，功能越强大对使用者的要求也会更高；越往上越专门化，越产品化、服务化，通用化。”

三、推动生产 激发创造

恩格斯指出：“工具意味着异于其他动物的人所特有的活动，意味着人对自然界进行改造的反作用，意味着生产。”总而言之，工具意味着生产，意味着创造。

“Amazon SageMaker是一个工具集，提供了用于机器学习的所有组件，贯穿整个机器学习的工作流程，从而以更少的努力、更低的成本、更快地将机器学习模型投入生产。”张侠这样讲道。

机器学习正在引领新一轮的创新浪潮，新产品新功能的出现、 产业链流程优化和自动化、传统行业的突破性进展，无一不有机器学习的身影，也无时无刻不刺激着各行各业从业者的神经。

大宇无限是一家专门从事移动应用程序开发的公司，主要为中东、东南亚和拉丁美洲等新兴市场提供移动短视频服务。对于当初作为初创企业的大宇无限来说，要构建一个满足海量用户有千万级视频的推荐系统，以及相匹配的机器学习平台，在人力和时间相当有限的情况下，是一项非常大的挑战。但是AWS机器学习服务工具的出现，为大宇无限产品服务的生产创造提供了绝佳的助力。

大宇无限机器学习技术总监苏映滨表示：“Amazon SageMaker帮助大宇无限实现了从0到1的突破。SageMaker极大地简化了整个机器学习构建、训练和部署的流程，而且其中的很多算法的性能已经被优化得非常好，完全能够满足我们的需求，我们只需要做好训练数据的准备、调用接口、设置参数，只需几个命令就可以完成机器学习平台的部署上线。”

伊克罗德是AWS的核心级咨询合作伙伴 （APN Premier Consulting Partner），致力利用云计算优势引领企业实现数字化转型。伊克罗德运用Amazon SageMaker平台加速企业导入行业AI解决方案，如标签标注、文本分析、语意理解、预测分类、推荐系统与诈欺侦测等，针对客户实际遇到的商业问题，量身打造真正解决问题的端到端AI应用。伊克罗德产品经理陈昶佑表示：“Amazon SageMaker是帮助企业兼顾了效能和成本的绝佳选择。”

好的工具能够激发出各行各业“百花齐放”的优秀局面，数字化转型进程的有效推进正需要AWS机器学习服务这种“以点带面”作用的激发。同时，优秀的局面和创新环境又进一步反哺机器学习技术的提升，AWS正不断地为Amazon SageMaker增加新功能，仅仅在2019年就增加了50多个新功能，这使我们坚定不移地相信，未来企业的数字化转型将会处在一个非常良性的正向循环中。
责任编辑：tzh