亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

智东西(公众号:zhidxcom)
作者 | 屈望苗
编辑 | 江心白

智东西5月11日报道,今天,亚马逊云科技(Amazon Web Services,AWS)分享了其在人工智能(AI)与机器学习(ML)方面的新进展,包括亚马逊云科技的机器学习服务合作案例的介绍,以及近期发布的新功能等。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲AWS大中华区云服务产品管理总经理顾凡

顾凡围绕“AWS如何为传统行业提供ML服务”这一主题对AWS的策略进行了解读,并介绍了个性化推荐服务Amazon Personalize、Amazon SageMaker的7项新功能,以及Amazon EC2 Inf1计算实例等三项新服务。

一、一年增250余项新功能,建设开源生态

AWS大中华区云服务产品管理总经理顾凡称,AWS在2020年新增了250多项ML功能,为不同用户提供不同的ML服务。

对于普通客户,AWS提供开箱即用的SaaS(软件即服务)解决方案;面向数据科学家和开发人员,AWS提供一个完全托管的平台Amazon SageMaker,可帮助开发人员和数据科学家快速构建、训练和部署ML模型;面向深层客户,AWS则提供ML框架和基础架构。

AWS于2020年在中国区域新推出的ML服务Amazon SageMaker,其中包括了20多个工具加速ML开发,10倍提高数据科学家开发效率,并且降低ML总体拥有成本高达54%。

AWS的服务平台并不是封闭的,它正在建设开源的生态。

顾凡举例说,Amazon SageMaker是一个开放的平台,包括TensorFlow、PyTorch、MXNet三个主流的机器学习框架在内,用户可以在AWS上任意选择最适合的框架。同时,AWS也在积极与其他伙伴进行合作,降低ML技术的门槛。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲顾凡介绍Amazon SageMaker的开放性

二、个性化推荐服务与SageMaker新功能

接下来,顾凡介绍了近期在国内落地的ML新服务。

首先是Amazon Personalize,一项用于构建个性化推荐系统的完全托管型ML服务,这项服务于今年4月1日在中国区域上线。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲顾凡介绍Amazon Personalize

Amazon Personalize是一个快速可用的API(软件包),网易有道就曾采用Amazon Personalize在青少年儿童数字阅读App“有道乐读”中实现精准个性化推荐,从POC测试到实际业务上线仅用了一个月时间,并在业务上线后使App月活跃指数增长了20%。

第二个迎来新变化的是落地中国一年的Amazon SageMaker,据顾凡介绍,这个平台近期上线了7个新功能:

1、SageMaker Data Wrangler,这是一个机器学习特征工程;

2、SageMaker Feature Store,可以存储、更新、找回和分享特征;

3、SageMaker Clarify,用来检测偏见、理解模型预测;

4、Distribued Training,可以实现大模型的分布式训练;

5、SageMaker Debugger v2.0,用以监测训练任务的调试和配置;

6、Model Monitor v2.0,用以保持已部署模型的准确性;

7、SageMaker Pipelines,将帮助实现ML工作流程编排和自动化。

顾凡还补充道,AWS为ML提供了广泛的算力选择。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲顾凡介绍Amazon SageMaker的7项新功能

三、基于自研芯片的计算实例落地中国

此外,Amazon EC2 Inf1计算实例也已落地中国区域。

Inf1计算实例基于亚马逊设计的首款定制机器学习芯片Inferentia,它与成本最低的基于GPU的实例相比,可以提高30%的吞吐量,并使每次推断的成本最多降低45%。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲顾凡介绍Amazon EC2 Inf1

顾凡说,亚马逊Alexa团队将其高度复杂的“文本转语音”模型迁移到了Inferentia,该模型生成了类似于人的语音。目前有80%的Alexa语音响应在Inf1实例上合成,为该语音服务节省了30%的成本,并降低了25%的响应延迟。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲顾凡介绍Inf1实例的应用

四、实现淄博智慧供热,与音智达共研AI/ML

AWS从四个方面用ML技术赋能传统行业:了解数据策略、找到ML技术切入点、数据科学家业务化,以及应对技能差距。

今年4月,AWS与淄博市热力集团有限责任公司(以下简称“淄博热力”)合作。淄博热力利用AWS的AI/ML技术和服务,联合研发了一套基于ML的智慧供热控调控系统,实现精准供热并提升客户满意度。

其中,精准供热模型使用Amazon SageMaker为核心开发平台,而基于AWS的无服务器架构搭建的大数据智能分析平台,帮助淄博热力提升了客户满意度。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲淄博市能源集团公司、淄博市热力集团公司党委书记、董事长汪德刚介绍与AWS的合作

汪德刚提到,以后还希望与AWS在燃气等领域进行更深一步的合作。

为了进一步研发AI/ML技术,AWS还和音智达开展了合作。

音智达是一家专注于分析预测与行业应用的大数据公司,成立于2011年,基于大数据技术的预测性分析及商务智能解决方案,为用户提供大数据软件产品、大数据SaaS应用和DaaS服务,涵盖生命科学、快消品、汽车、零售、电子消费产品等领域。

据音智达CEO孙晓臻介绍,音智达于2018年加入AWS的合作伙伴网络 (AWS Partner Network,APN),2020年获得亚马逊云科技AI/ML能力认证,并基于Amazon SageMaker完成了端到端的ML任务。

亚马逊云科技AI新服务落地中国,企业零门槛即可构建推荐系统

▲音智达CEO孙晓臻

五、优化推荐效率,提升客户体验

顾凡提到,机器学习正在不断向纵深发展,2024年将有75%的公司从试生产过渡到生产,而将AI/ML作为生产工具的仍然是传统行业。他从以下几个领域解读了AWS提供的ML服务:

1、软件个性化推荐服务:2003年,亚马逊的Amazon Prime Video深度学习算法将推荐准确率提升至200%。他们用过去20年的数据来训练深度学习模型,并利用用户过去1~2周的观影数据进行矫正,最后向用户推荐未来一周观看的视频。

另一个有趣的例子是StyleSnap看图识衣,这个智能搜索系统可以对衣服搭配的风格进行识别。

2、零售行业:亚马逊的线下无人零售场景Amazon Go,在很多人购物时能够准确地结账;对于相似商品识别的精确度显著提高;而在没有足够负面例子训练机器模型的情况下。

AWS对零售行业的物流进行了优化。主要体现在:使用机器学习解决产品需求预测;机器学习服务平台赋能人机协同,提升配送货效率;更准确地预测产品的配送时长。

3、智能语音:亚马逊搭载语音助手Alexa的智能音箱Echo已经在全球80多个国家广泛使用,而ML技术在其中充当了关键的技术核心。

与此同时,AWS也为国内其他行业提供了广泛的ML服务。比如医疗健康、教育、出行科技、工业智能、游戏,以及新媒体等等。

顾凡总结道:“亚马逊加机器学习,等于客户体验的提升。”

结语:AI/ML技术继续赋能更多传统行业

如今Amazon SageMaker落地中国已经一年,这个平台缩减了ML模型开发的资金和时间成本,降低了企业使用ML技术的门槛,让更多的传统行业能够使用AI/ML解决方案进行服务优化以及客户体验提升。

当前,AI/ML技术正在不断渗透进传统行业之中,对其生产方式进行改变。当被问及以后的发展计划时,顾凡提到,AWS将会继续把ML技术普遍惠及各个行业,并且在更多的使用场景中进行创新。