加速人工智能與機器學習的規?；涞?/b>
北京2022年9月2日 /美通社/ -- 今天，在2022世界人工智能大會上，亞馬遜云科技舉辦了"人工智能前沿技術趨勢與最佳實踐" 線上分論壇，分享了亞馬遜云科技在人工智能與機器學習（AI/ML）領域的趨勢洞察和前沿技術應用的最佳實踐，并探討了AI/ML如何賦能行業數字化轉型。亞馬遜云科技通過三大AI/ML創新驅動力 -- 處理海量多樣化數據、加速推動產業規?；涞匾约百x能更多AI開發者，加速推動各行業創新。同時，在本次世界人工智能大會上，亞馬遜云科技基于圖神經網絡技術構建的Amazon Neptune ML入圍了2022年度 SAIL（Superior AI Leader，卓越人工智能引領者）TOP30榜單。
亞馬遜云科技人工智能與機器學習產品副總裁Bratin Saha在本次分論壇上發表了主題演講，他表示，AI/ML技術是當今最具變革性的技術之一，正在解決人類面臨的一些最具挑戰性的問題，也為我們提供了前所未有的新機遇。目前，全球數以萬計的客戶正借助我們全棧式的AI/ML服務，從海量數據中獲得洞察、做出更準確的預測、減少運營開銷、改善客戶體驗并創建全新的業務線，助力企業成為數據驅動的組織。
推出專門構建的數據準備工具，幫助客戶處理海量多樣化數據
如今，每時每刻都會有海量結構化以及如音頻、視頻、圖像、醫療數據等非結構化數據的產生，企業要借助AI/ML技術創新，需要處理海量多樣化的數據。亞馬遜云科技為機器學習構建了專用的數據準備工具，幫助企業從海量多樣化數據中獲取洞察。其中，Amazon SageMaker Data Wrangler 為表格數據的數據準備提供了無代碼/低代碼接口，將聚合和準備機器學習數據所需的時間從幾周縮短到幾分鐘；Amazon SageMaker Ground Truth能夠輕松地從非結構化數據創建高質量的訓練數據集，有效降低數據標注成本；Amazon SageMaker Feature Store專門用于存儲、共享和管理ML模型特征。
提供從底層到應用的全套服務，加速推動AI/ML產業規?；涞?/b>
企業要獲得實際的業務價值，需要規?；渴餉I/ML，將其融入到業務的方方面面。亞馬遜云科技如今為客戶構建訓練模型的參數已達到數十億的規模，每個月提供數千億預測結果，這樣的規模效應推動了亞馬遜云科技AI/ML的產業化落地實踐。其中，在底層的基礎設施，亞馬遜云科技自研的面向機器學習推理和訓練的加速芯片Amazon Inferentia和Amazon Trainium，可以幫助客戶實現從擴展訓練工作負載到部署加速推理的端到端 ML 計算流程。Amazon Elastic Compute Cloud (Amazon EC2) P4d實例與G5實例為客戶提供了數倍于前代產品的ML性能。亞馬遜云科技還在Amazon SageMaker Studio中提供了集成的機器學習工具，并通過Amazon SageMaker Pipelines自動化機器學習工作流程，極大提升了開發人員的工作效率。
降低機器學習門檻，賦能更多開發者共同構建AI/ML解決方案
亞馬遜云科技通過降低機器學習開發門檻，讓更多開發者參與其中。其中，Amazon SageMaker Studio Lab讓任何人都可以輕松、快速地構建學習和實驗機器學習的開發環境；Amazon SageMaker Canvas提供無代碼擴展功能，非專業技術人員也能夠快速從機器學習模型中獲得準確的預測結果；基于Amazon AutoML框架的Amazon AutoGluon開源庫使得開發人員只需編寫幾行代碼，即可利用深度學習來構建應用程序。亞馬遜云科技還通過與高校建立合作、舉辦Amazon DeepRacer比賽等項目，激發更多人參與機器學習創新。
此外，亞馬遜云科技在本次分論壇上還分享了圖神經網絡、自動化機器學習（AutoML）等AI/ML前沿技術的應用實踐。其中，亞馬遜云科技基于圖神經網絡技術構建的Amazon Neptune ML在本次世界人工智能大會上，入圍了2022年度 SAIL（Superior AI Leader，卓越人工智能引領者）TOP30榜單。作為Amazon Neptune圖數據庫的一項新功能，它可以實現整個圖神經網絡模型創建、配置、訓練、測試和驗證過程的自動化，并依托Amazon SageMaker平臺，自動化部署模型和完成模型推斷的調用。在實際應用中，Amazon Neptune ML解決了工業環境海量多樣化數據、開發測試部署周期長和技術門檻高的難題。使用Amazon Neptune ML可以讓圖神經網絡的部署時間從幾周變成幾天，并可以輕松地應對諸如欺詐檢測和推薦等場景下數億級別的數據規模。
