“你知道，即便是砂紙這樣久經(jīng)考驗的產(chǎn)品，我們也在利用機器學習不斷改進，同時推動其它一些領(lǐng)域包括醫(yī)療保健在內(nèi)的創(chuàng)新。”3M企業(yè)系統(tǒng)研究實驗室技術(shù)總監(jiān)David Frazee說道，“隨著我們計劃將機器學習擴展到3M的更多領(lǐng)域，我們的數(shù)據(jù)和模型快速增長，每年翻倍。”
實際上，不止是傳統(tǒng)的砂紙產(chǎn)品，日新月異的整車廠也在關(guān)注機器學習的驅(qū)動力。“寶馬集團正在推動汽車行業(yè)的數(shù)字化和創(chuàng)新，”寶馬集團IT部門高級副總裁兼首席信息官Alexander Buresch強調(diào)，“我們正在將數(shù)據(jù)作為工作方式的核心。我們期待與AWS合作，加強雙方的人才交流和融合，從而不斷提高汽車廠商的創(chuàng)新標準，為全球客戶提供令人振奮的新體驗。”
機器學習（ML）到底有多火？從全球主要行業(yè)的頭部公司，到國內(nèi)IT應(yīng)用落地領(lǐng)先的創(chuàng)新企業(yè)，ML正在呈現(xiàn)出飛速發(fā)展的態(tài)勢。除了寶馬集團、3M公司、英威達等生產(chǎn)制造型企業(yè)，湯森路透、德勤、Snowflake、Databricks、MongoDB、Intuit、DeNA和iFood等全球金融資訊、數(shù)據(jù)信息和互聯(lián)網(wǎng)行業(yè)的用戶，都在著手通過機器學習來完善的自己的商業(yè)模式和流程。
但是除了這些IT科技應(yīng)用領(lǐng)先的企業(yè)，還有更多企業(yè)正在遭遇機器學習落地的難題，甚至有些公司只見其效卻難窺門徑。
破圈兒行動
“機器學習是我們這一代人能遇到最具顛覆性的技術(shù)之一，目前已經(jīng)有超過10萬客戶在使用AWS的機器學習服務(wù)，很多客戶已經(jīng)將機器學習用于其核心業(yè)務(wù)。”在12月9日舉行的2020亞馬遜re:Invent大會上，AWS全球機器學習副總裁 Swami 發(fā)表了機器學習和人工智能的主題演講，同時展示了AWS關(guān)于人工智能與機器學習的最新全景藍圖，AWS對機器學習的雄躍然紙上，10萬客戶只是AWS角逐機器學習領(lǐng)域的一個起點。
AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡做了說明，“亞馬遜利用機器學習技術(shù)已經(jīng)有20多年時間，這是AWS機器學習服務(wù)的深厚源泉。”他指出，從2016年開始AWS就在不斷發(fā)力機器學習，并在云上提供機器學習服務(wù)。
這一階段是一個厚積薄發(fā)的過程，AWS在2016年只發(fā)布了三個AI服務(wù)，2017年開始加速，“最近三年，新增的機器學習服務(wù)和功能已經(jīng)超過200個，為全球人工智能工作者豐富了他們急需的工具集，”顧凡總結(jié)道。
在疫情之后全球互聯(lián)網(wǎng)信息化服務(wù)風云突起的當下，行業(yè)用戶對于機器學習的需求出現(xiàn)了更多變化，因此，面對機器學習目前的行業(yè)需求變化、應(yīng)用難點，以及當下嚴重缺乏人才的處境，AWS著重通過技術(shù)創(chuàng)新，為機器學習帶來了四大破圈舉措。
破圈行動之一，是推出開箱即用的解決方案，向工業(yè)制造業(yè)破圈兒。AWS發(fā)布了多項用于工業(yè)領(lǐng)域的機器學習服務(wù)。針對沒有建立傳感器網(wǎng)絡(luò)的客戶，AWS提供由傳感器、網(wǎng)關(guān)和機器學習服務(wù)組成的端到端機器監(jiān)控系統(tǒng)，檢測異常并預測何時需要維護工業(yè)設(shè)備。面向已經(jīng)擁有傳感器、但不希望自己構(gòu)建機器學習模型的客戶，AWS可以為其構(gòu)建模型并返回預測結(jié)果，檢測異常設(shè)備行為。AWS還推出計算機視覺一體機解決方案，用于改善工業(yè)運營和工作場所安全。將一體機連接到工業(yè)場所的網(wǎng)絡(luò)中，就可以自動識別攝像頭數(shù)據(jù)流，與工業(yè)攝像頭進行交互。AWS還向工業(yè)相機制造商提供機器視覺軟件開發(fā)套件，這樣新出廠的工業(yè)相機自帶AWS的計算機視覺功能。AWS還推出一個產(chǎn)品質(zhì)量異常檢測解決方案，通過機器學習技術(shù)，每小時可以處理數(shù)千張圖像，發(fā)現(xiàn)產(chǎn)品缺陷和異常。客戶可以將攝像頭圖像批量或?qū)崟r發(fā)送到AWS上，由AWS相應(yīng)的服務(wù)找出機器部件裂紋、面板表面凹痕、不規(guī)則形狀或產(chǎn)品顏色錯誤等。
破圈行動之二，是打造全面豐富的工具集，讓人人都可以用上AWS工具。顧凡將此稱為right tool for the right job（為每一項工作都提供一個趁手的工具）。AWS提供的機器學習工具集包括三個層面：工具集的底層，面向那些技術(shù)能力超強的客戶，希望將人工智能和機器學習作為自己的核心競爭力。工具集的中間層，面向那些技術(shù)能力較強的客戶，他們有數(shù)據(jù)有模型訓練，在一定基礎(chǔ)上更專注于自己的應(yīng)用和業(yè)務(wù)創(chuàng)新。而工具集的頂層，是面向技術(shù)能力相對薄弱的客戶，他們有數(shù)據(jù)但缺乏算法人才，希望能在業(yè)務(wù)場景中直接引入人工智能。而AWS通過全面的工具集，可以覆蓋和賦能上述所有的人工智能工作者。
破圈行動之三，是將機器學習拓展到數(shù)據(jù)開發(fā)者和數(shù)據(jù)分析師，網(wǎng)絡(luò)一大群人。這兩個群體人數(shù)比機器學習開發(fā)人員多，但沒有機器學習的知識和技能，優(yōu)勢則是不缺乏機器學習的想法。AWS將機器學習能力跟數(shù)據(jù)庫進行嫁接，可以讓上述兩個群體沿用數(shù)據(jù)庫查詢的方式，幫助其機器學習的想法落地到業(yè)務(wù)應(yīng)用中。
夯實核心用戶
破圈的同時，AWS非常注重核心用戶群，利用其機器學習開發(fā)平臺，牢牢抓住機器學習開發(fā)者。Amazon SageMaker是面向機器學習開發(fā)者的一個集成開發(fā)環(huán)境，是一項全托管的服務(wù)。如今SageMaker的功能仍處在快速迭代之中，僅在近一年來就交付了50多項新功能。此次AWS再次發(fā)布9項新功能，目的就是針對已經(jīng)應(yīng)用機器學習的企業(yè)，在“武學境界“上再升一級。
近年來，懂懂和很多傳統(tǒng)企業(yè)交流。在以往的實地走訪中，發(fā)現(xiàn)不少開始接觸或逐漸落地機器學習的行業(yè)用戶，在應(yīng)用中都會遇到這樣或那樣的問題和難點，雖然原因和狀況紛繁復雜，但是其中主要的問題大多集中在這五個方面，分別是：用戶對于數(shù)據(jù)的訓練和推理，期待簡便的工具和管理方式；用戶面對復雜的工作流，期望能夠自定義和自動化；用戶面對模型的偏差，期待能夠提前預測并作出解釋；用戶面對有限的預算，期待更加快速和更高效益比；用戶面對端到端的管理需求，期待跨平臺、跨場景解決方案。
AWS SageMaker的九項功能，緊緊圍繞這些工作展開，包括數(shù)據(jù)特征提取器、數(shù)據(jù)特征存儲庫、自動化工作流、模型偏差檢測、模型訓練過程剖析、拆解大型復雜深度學習模型進行分布式訓練、邊緣端模型質(zhì)量監(jiān)控和管理、快捷起步工具等等。
如果對于這些陌生的名詞有些茫然，不妨看一下在眾多企業(yè)應(yīng)對機器學習的難題時，這“九種武器”庖丁解牛、克敵制勝的一兩個經(jīng)典案例。
聯(lián)想作為國內(nèi)用戶最為熟悉的PC個人電腦制造商，在平板電腦、智能手機、PC和各種智能物聯(lián)網(wǎng)設(shè)備方面都有著巨大的機器學習應(yīng)用需求。"對于聯(lián)想而言，我們不僅僅是一家硬件供應(yīng)商，還致力于成為客戶值得信賴的合作伙伴，改變客戶使用設(shè)備的體驗，實現(xiàn)客戶的業(yè)務(wù)目標，”聯(lián)想個人電腦和智能設(shè)備部門云與軟件副總裁Igor Bergman表示，“聯(lián)想的設(shè)備智智慧功能就是使用Amazon SageMaker來增強機器學習能力的一個極好例證。以往，生產(chǎn)線對于診斷個人電腦問題、提前預測潛在系統(tǒng)故障，以及減少宕機時間等有著很高需求，通過聯(lián)想設(shè)備智慧，IT管理員可以主動診斷這些問題，避免問題發(fā)生，并且大幅提高員工的工作效率。之前，聯(lián)已經(jīng)結(jié)合Amazon SageMaker，極大地提高了設(shè)備預測模型的效果。未來幾周內(nèi)，聯(lián)想將進一步采用Amazon SageMaker邊緣端模型管理功能，進一步提高機器學習模型的準確性。”
Igor Bergman指出，Edge Manager的采用將有助于消除模型部署后進行優(yōu)化、監(jiān)控和持續(xù)改進所需的人工工作。“基于此，預計我們的模型將比其它同類機器學習平臺運行得更快，消耗的內(nèi)存更少。隨著我們將人工智能擴展到聯(lián)想整個服務(wù)組合中的新應(yīng)用，我們將繼續(xù)采用高性能的機器學習管道，在云端和數(shù)百萬邊緣設(shè)備上靈活擴展。這正是聯(lián)想選擇Amazon SageMaker平臺的原因。”
湯森路透，全球領(lǐng)先的商業(yè)信息服務(wù)提供商，為全球法律、稅務(wù)、會計和合規(guī)專業(yè)人員提供高度專業(yè)化的信息軟件和工具。其面臨的巨大挑戰(zhàn)顯而易見，就是紛繁復雜的海量信息，以及如何從這些信息中挖掘出“真金白銀”。
目前，湯森路透開發(fā)了一個內(nèi)部管理平臺，利用AWS用于在云端和邊緣構(gòu)建、訓練及部署Amazon SageMaker來大規(guī)模應(yīng)用機器學習，目的是幫助開發(fā)人員和數(shù)據(jù)科學家在完全受管理和安全的環(huán)境中，從實時和歷史數(shù)據(jù)中快速獲得新的洞察。“湯森路透為客戶提供所需的情報、技術(shù)和專業(yè)知識，以解決他們最棘手的監(jiān)管、法律和合規(guī)挑戰(zhàn)。”湯森路透架構(gòu)和開發(fā)副總裁Justin Wright強調(diào)，“我們正在利用AWS全面的云服務(wù)來開發(fā)有洞察力的新產(chǎn)品和服務(wù)，以幫助客戶在復雜領(lǐng)域重塑高效的工作和運營方式。”
目前，湯森路透使用Amazon SageMaker在一個訓練完成后自動關(guān)閉GPU實例，并利用Amazon EC2競價實例（與按需實例價格相比，最高可享受90%的折扣），降低機器學習模型推理的成本。可以看到，基于AWS豐富服務(wù)和深厚的技術(shù)，價值A(chǔ)WS托管服務(wù)的專業(yè)知識，正在幫助湯森路透擺脫管理和運營基礎(chǔ)設(shè)施的繁重工作，專注于自身的核心業(yè)務(wù)。
可以說，正是Amazon SageMaker的豐富功能，讓機器學習的核心用戶鐘情于AWS。Amazon SageMaker在推出后短短三年時間內(nèi)，其已經(jīng)有幾萬家客戶在使用，包括前面提到的多家知名企業(yè)，以及阿斯利康、Avis、拜耳、Capital One、達美樂比薩、富達投資、GE醫(yī)療、摩根大通、Intuit、Lyft、國家橄欖球聯(lián)盟、T-Mobile、Vanguard等等。而在過去一年，Amazon SageMaker已經(jīng)交付了50多項新功能。在此基礎(chǔ)上，這“九種武器”的加持將會使得開發(fā)人員和數(shù)據(jù)科學家更容易準備、構(gòu)建、訓練、部署和管理機器學習模型，從做到提速、增效、降本。
在中國市場有三個優(yōu)勢
賦能更多行業(yè)應(yīng)用和落地機器學習的技術(shù)能力，是亞馬遜AWS目前及未來的一個商業(yè)重點。
這背后的原因，是AI巨大的行業(yè)落地勢能。面對數(shù)字經(jīng)濟的發(fā)展機遇，多個國家和地區(qū)已將人工智能列為優(yōu)先發(fā)展的國家戰(zhàn)略。
那么，在云服務(wù)及機器學習方面均具備領(lǐng)跑優(yōu)勢的AWS，將如何在中國市場深化自身的價值和作用？
“其實如果歸納總結(jié)一下我們的幾個核心優(yōu)勢，大致是這三個方面：寬度和深度、開放的態(tài)度、與客戶配合的模式。”AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡對于本土化方面的三個優(yōu)勢做了一番分析。
所謂服務(wù)的寬度和深度，包含了技術(shù)的積累，以及行業(yè)應(yīng)用的覆蓋和推進。“我們團隊也在負責中國市場對于機器學習的服務(wù)（技術(shù)）引入，尤其是Amazon SageMaker。”顧凡以SageMaker Studio這個端到端的IT環(huán)境為例，國內(nèi)市場正是全球六大區(qū)域首發(fā)的一個，“全球AWS有非常多的覆蓋區(qū)域，這六個區(qū)域中SageMaker Studio是我們第一個引入到國內(nèi)市場，目的也很清晰，既然要做到服務(wù)的深度和廣度，那么面對國內(nèi)缺乏奇跡學習人才的現(xiàn)狀，就需要通過這種平臺化的工具迅速提升生產(chǎn)力，索要要第一個引入進來。”
對于開放的態(tài)度，在顧凡看來，無論行業(yè)用戶在數(shù)字化過程中對于云的需求，還是機器學習方面的需求，技術(shù)提供商的“終極目標”是要幫他們產(chǎn)生價值。“因為客戶并不希望被綁定，所以開放是我們一直堅持的策略和方法。”這一點，懂懂在和很多企業(yè)交流中也深有體會，企業(yè)應(yīng)用云計算和AI技術(shù)是基于商業(yè)發(fā)展的考量，他們不希望從IaaS到SaaS都被一家平臺捆綁，而是希望面對一個提供開放的SaaS生態(tài)，堅守價值底層以及釋放云計算ABC一體化能力的服務(wù)商。
至于與客戶配合的模式，顧凡用了一個形象的比喻，授人以魚不如授人以漁，而在此之上，他還強調(diào)了“扶上馬送一程”的姿態(tài)。“想要真正跟中國市場結(jié)合，不僅需要幫助客戶在本地市場成長，還要幫助客戶出海面向海外市場；同時還要幫助外資企業(yè)進中國市場，這三類客戶我們都要幫扶。”這句話的背后，可以看到對于機器學習的應(yīng)用落地，AWS在“交鑰匙”的基礎(chǔ)上，還會在更多的業(yè)務(wù)場景與客戶形成更為長效的合作關(guān)系，這才是加深機器學習落地的另一個關(guān)鍵。
所以，這三個優(yōu)勢也可以作為AWS在本土化方面幫助行業(yè)應(yīng)用落地的三個“愿景”，而基于這三個愿景，才有了AWS通過推出更完善的機器學習服務(wù)和產(chǎn)品（如四大破圈舉措以及“九種武器”新功能），幫助行業(yè)用戶實現(xiàn)全新商業(yè)格局的基礎(chǔ)。
透過re:Invent大會，懂懂深刻感受到機器學習時代的到來。所有的企業(yè)都應(yīng)該盡快擁抱機器學習，勇于試錯和實踐，真正感受機器學習的魅力。也許，感悟這個魅力的過程是五年，也許是十年，正如Swami在演講中坦承的：“我15年前研究生畢業(yè)，有幸進入AWS開始云計算事業(yè)。可以毫無不夸張地說，目前云計算釋放出巨大的力量，幫助各種創(chuàng)業(yè)公司和成熟企業(yè)取得了巨大的成功。如今——機器學習正處于同樣的階段。”
