【AWS云端服务新战略:AI】大举扩充机器学习阵容多种平台服务上场

人工智能2021-03-02 18:04:39
最佳答案当前主要的公有云厂商,都在持续发展人工智慧应用,并且提供对应的解决方

当前主要的公有云厂商,都在持续发展人工智慧应用,并且提供对应的解决方案,而身为市场龙头的AWS到了2017年底,也加紧脚步推出不同层面的平台与服务,并强调整合多种AWS服务的优势。

人工智慧的应用当道,使用机器学习技术的机会跟着快速增长,许多云端服务业者都在积极发展这样的业务,而AWS当然也不例外。

他们在底层架构的部份,提供搭配GPU的加速运算型执行个体P3,以及专门用于深度学习的一系列AMI映像档,支援Apache MXNet、Caffe2、CNTK、PyTorch、TensorFlow、Theno、Torch等框架。而在深度学习的应用介面上,AWS也支援2015年问世的Keras(能在TensorFlow、CNTK、Theano当中执行),以及由AWS与微软在2016年10月所共同推出的Gluon(MXNet已涵盖在内,微软CNTK未来版本及更多深度学习框架,也将纳入)。

而在2017底年举行的re:Invent全球用户大会上,AWS新发表了多种机器学习相关的云端服务项目。

推出机器学习整合服务,以及支援深度学习的视讯摄影机

在11月29日的主题演讲当中,AWS执行长Andy Jassy针对机器学习平台,首先宣布推出的服务是SageMaker,这是一套关于机器学习模型的建立、训练与部署作业的云端服务,由AWS全权管理,可协助应用程式的开发者、资料科学家,将发展机器学习环境所需的多项繁複操作,变得更容易。

SageMaker之所提供这样的便利性,是因为运用了预先建好的Jupyter notebooks开发範本、针对PB等级资料集最佳化的常用机器学习演算法,以及自动模型调校等技术。而在训练过程中,SageMaker也能予以简化与加速,并且可以自动建立与管理所需要的IT基础架构,用于训练模型与执行推论,以便产生预测结果。

在深度学习框架的搭配上,SageMaker原生整合了TensorFlow和MXNet,未来将会支援更多类型,同时,开发者若在SageMaker使用特定的框架与演算法,也可以先把相关环境的容器,上传到EC2 Container Registry容器登录服务,再予以设定。

透过SageMaker执行训练模型的过程,也相当简单,开发者只需选择EC2的执行个体类型与数量,以及资料所在位置即可,系统会帮你设定分散式运算丛集、执行模型的训练,并将结果输出到S3,在完成作业之后,也会自动拆散丛集。此外,这套服务提供了自动调校模型功能,里面运用方式包括:超参数(Hyperparameters)的最佳化,以及自动调整几千种演算法的参数组合,藉此提升预测精确度。

接续在SageMaker之后,Andy Jassy第二项关于机器学习的发布,出乎众人意外地,竟是一台具有WI-Fi无线上网能力、内建深度学习的视讯摄影机DeepLens,令全场与会者为之震惊。

这是一部协助开发者设计深度学习应用的设备,并可用于人员的教育训练,AWS人工智慧事业群总经理Matt Wood也在现场利用这台设备,直接向全场观众展示辨识物件图像与脸部情绪的能力,处理速度与判断準确性相当不错。

Matt Wood也公布了DeepLens的售价是249美元,有意试用者,可参加re:Invent大会现场举行的DeepLens工作坊,AWS也已经开放网站预购,可到电子商务网站amazon.com下单,预计在2018年初开始出货。

AWS新服务降低机器学习门槛

想要获得机器学习的能力,首先要克服的难关是相关环境的建置,而在AWS宣布推出的服务SageMaker当中,简化了这些作业,开发者只需考虑资料模型该如何建立、训练、部署,底层的琐碎工作由AWS来处理。

提供更多类型的机器学习应用服务

除了SageMaker和DeepLens,AWS在图像、语音、语言、语意的辨识服务上,也增加了新的解决方案。

在影像识别应用上,AWS先前就有Rekogntion,是针对图片的搜寻、分析与组织,而在这次大会期间,他们推出Rekognition Video,能即时与批次分析影片,另一个则是Kinesis Video Streams,可撷取与储存影音串流资料。

其中的Rekognition Video,可以针对用户存放在S3云端储存的影片资料,追蹤里面的人员与活动状态,并且辨识物体、脸孔、名人与不当内容,AWS借助电脑视觉模型的力量,提供易于使用的API,而这些模型训练的目的,就是为了能够做到精準侦测几千个物体与活动,并且可以针对即时录製的视讯,以及放置在S3的影片,拆解出动作相关的脉络。

而对于语音识别,AWS过去已推出文字转换语音的服务Polly,以及针对应用程式提供语言和文字交谈介面的服务Lex,而到了2017年底,他们增设了将语音辨识为文字的服务Transcribe,翻译多国语文的Translate,以及具备自然语言处理能力的Comprehend。

以Transcribe为例,能够处理音质较低的语音资料,例如通话中心的电话语音记录,提供高精準度的分析,系统对于处理的每一个字,都会给予一个时戳(Timestamp),让开发者对于文字与原始档案的内容,进行精準对齐。而在多国语言的支援上,目前这套服务仅支援英文与西班牙文,至于处理其他语言的部份,未来将陆续推出。在技术的发展上,Transcribe的下个目标是针对同一个声音档,能够清楚辨识出里面的多个讲者,也将提供开发者上传自定的词彙资料,以提升语音转为文字的精确度。

而在Translate的服务当中,AWS运用了神经机器翻译(Neural Machine Translation)的技术,提供精準的多国语文翻译,初期可处理英文与6国语言之间的转换(阿、法、德、葡、简中、西),2018将推出更多语言的支援。

至于Comprehend,则是提供理解自然语言的能力,针对储存在AWS云端服务环境中的文件、社交网站的贴文、文章,以及任何文字资料,进行相关的处理。AWS在这套服务里面,主要是运用了深度学习技术,而能辨识出多种资讯,例如:文字叙述的主体(例如人物、地点、日期、所属的团体组织),内容撰写採用的语言,文字表达的情绪、表达概念与形容词的关键字。

AWS物联网云端服务的新布局

在2017年底,AWS宣布6个物联网(IoT)云端服务,都是针对连网设备而来的应用。首先发表的是IoT 1-Click,提供更易于建构物联网应用的环境,针对使用者单键操作的连网设备,使其具有技术支援、后续添购相关商品与服务,或是资产位置追蹤等功能。

接着,AWS推出IoT Device Management、IoT Device Defender、IoT Analytics,对应连网设备的管理、安全防护,以及资料分析需求。

而对于小型、低功耗连网设备的整合运用,AWS提供Amazon FreeRTOS作业系统平台,使设备安全连至AWS云端服务,或是执行Greengrass的边缘设备与闸道装置,而开发者可以更容易建构具有通用物联网能力的设备。

免责声明:本文由用户上传,如有侵权请联系删除!