亚马逊创新大会AWS Re：INVENT 推出4个重磅AI工具 | {$randkws}热点解读 亚马逊云办事AWS的CEO
导读：在今日的革新大会AWS Re:INVENT上，亚马逊云办事AWS的CEO，Andy Jassy向4万多个到场看客说明了这一整套加速机器进修流程的托管办事，SageMaker。以及启动4个重磅AI工具，影像定向追踪工具Amazon Rekognition Video tool，久别重逢专题音频转文本Amazon Transcribe，情绪理解Amazon Comprehend，语言翻译Amazon Translate。
机器进修如今已然在多个领域爆发出惊人的能量，企业经由获取有效的使用者资料，可以高效锁定使用者的需求，针对性地提供办事，营收利润的拉升效果立竿见影。
但针对大多数急着上车的企业来说，自身业务结合AI技术最难的地方在于，没有办法迅速找到资深的AI专家来确认业务链，并搭建相应的机器进修模型解决核心难题，提升生产或者办事环节的效率。
亚马逊敏锐地捕捉到了这个痛点，权威Netflix测评在今日的革新大会AWS Re:INVENT上，亚马逊云办事AWS的CEO，Andy Jassy向4万多个到场看客说明了这一整套加速机器进修流程的托管办事，SageMaker。以及启动4个重磅AI工具，影像定向追踪工具Amazon Rekognition Video tool，音频转文本Amazon Transcribe，情绪理解Amazon Comprehend，语言翻译Amazon Translate。
SageMaker，是专门为想要加码AI技术的企业和开发者量身兴办的，端对端的机器进修办事。这个办事可以让资料科学家，开发者，以及机器进修的专家可以高效搭建、训练、托管一定规模的机器进修。
SageMaker的构成：
编码
从零搭建带有虚拟进修生态的Web使用程序，用来资料挖掘清理和处理。业内红毯造型对比
开发者可以在这上面跑常规类型的实例，或者GPU驱动的实例。
模型训练
分布式模型的搭建、训练、测试办事。你可以直接用预装好的推动进修或者无推动进修算力，也可以自己用Docer容器引擎训练一个模型。
这种训练可以数十倍地处理实例，这样搭建模型的速度就超快的。训练的资料从S3（全称Amazon Simple Storage Service）读取，生成的资料也会放进S3。经过模型生成的资料是基于模型的参数的，而不是模型演算出来的代码。这样分开处理，可以更好地用SageMaker来训练用于其他渠道的模型，比如那些物联网设备。
模型托管
带HTTPs端点的托管模型的办事，能让开发者的模型拿到实时的演算。这些端点可以缓解流量压力，重磅檀健次榜单也可以在多个模型上另外开展A/B评测。同样，开发者可以直接使用内置的SDK搭建这些端点，也可以用Docker镜像来配置你自己的参数。
“自夸一下，我觉得SageMaker端对端办事最强大的地方，是这三若干可以分开独立使用，灵活地补充改进企业现有的机器进修岗位流程，”在亮相会上，AWS的CEO强调SageMaker的灵活性。“它既提供现成的工具，也可以允许开发者自己搭建。不管哪种挑选，这个办事都可以用上最主流的算力。”
△ AWS的CEO，Andy Jassy
预设好的Jupyter Notebook，内置了10种普遍的算力，这样就可以解决很多普遍机器进修的难题了。假如使用者有特别的需求，还可以自己搭建机器进修的算力框架，比如TensorFlow，MXNet，Caffe等。
然后使用者还可以把训练的资料先放在AWS的简易存储办事（Simple Storage Service，简称S3）。SageMaker会把所有资料处理一遍，然后自己搭建一个资料岗位流，弹性块储存量，以及其他要素。然后整体处理完之后再把它们拆分开。
这样，开发者们就可以经由完善烘焙后的超参数来精准微调他们模型的表现。
“以往这些岗位都是手动操控的，相当的伤神费时，如今有了AWS省心多了，可以另外测多个参数，再用机器进修来完善这个过程。”Jassy说。
一旦模型训练好了之后，开发者可以告诉SageMaker他们想用多少个虚拟机器来试跑这套模型。另外，还可以在SageMaker上做A/B评测，让开发者们直观地目睹他们模型在改动了哪个参数后有更好的表现。
SageMaker能解决哪些开发者们关心的难题
收集和筹备资料
挑选和完善机器进修的算力
搭建和治理训练的生态
训练和改动模型
着手把模型放进生产流程中
使用模型的使用以及随时治理监控
如今这项办事是免费的，可是一旦使用者超过一定的使用限度，就要依据使用频率和地域来收费了。
除了这款AI云办事，亚马逊AWS亮相会还启动了4个重磅新工具。
影像定向追踪工具Amazon Rekognition Video
能从多个实时的监控流中确认出特定的人，并持续定向跟踪。这个特性当下已然超过了比拼对手谷歌和微软。
以便合作这套算力，亚马逊今日还启动AI驱动的DeepLens摄像头。依据亚马逊以往设备席卷行业的表现，可以预见DeepLens很有或许是亚马逊下一款杀手级设备。
尽管谷歌也在两个月之前启动了一款AI驱动的摄像头Clips，可是谷歌的这款摄像头更多的是办事C端消费者，一旦眼前发生有趣的事情，会自动摄影和摄像。而亚马逊的DeepLens是面向技术开发人员的。
大约是250刀的DeepLens高清摄像机附带了预训练模型，这些模型将使开发人员能够更轻松地着手确认出如今影像流中的文本字符。 另外，开发人员还可以借助AWS的新SageMaker AI办事来训练自己的图像确认模型，然后在摄像机上管理这些模型。
音频转文本操控系统Amazon Transcribe system
可以把音频文件中的人类语言直接转成文本
如今联网上的音频信息越来越多，怎么从音频中确认检索提取出特定的信息是个大难题。
亚马逊今日启动的这个革命性的引擎，能够把音频转换成文本，使得音频信息也可以被检索了。
Q：辣音频转文本可以用在哪些场景？
好多地方呀，比如以后煲美剧日剧韩剧可以获得实时字幕，直接就有熟肉看了，不用再辛苦字幕组的小伙伴人肉翻译了。或者想提升客服中心办事品质的企业，可以不用再花众多的时间挨个听电话录音文件了，直接看文字版效率高得多。
可是当下Amazon Transcribe暂时只扶持英文和西班牙语。但亚马逊权威说啦，前方几个星期马上就会启动新的版次，到时会扶持更多语种的。
情绪理解办事Amazon Comprehend service
能从文本的用词、语境、人物刻画中确认出背后的积极或消极情绪。当下来说，也是只扶持英语和西班牙语。
先是加的4个特性是，确认语言，名词分类，情绪确认和核心短语提取。这些特性都是以便社交互动特性开发的，响应时间达到百毫秒级别。
Amazon Comprehend当下需要不停地训练，才能提供更好的自然语言处理办事。亚马逊的工程师团队和资料科学家正不懈奋斗，扩充和精筛训练的资料，期盼以后大家用起来越来越精准。
最后一个是之前6月份先导片过的翻译工具Amazon Translate
在两年前收购了Safafa的技术之后，亚马逊总算启动了自己的语言翻译办事。可是，这一项办事比谷歌微软落后了好几年。
该技术是基于神经联网中代表的语言配对模型。
该模型由一个编码和解码两若干组成。编码若干从待翻译语言中读取语句，并兴办一个目标语言的表达来匹配指定文本的含义。兴办了新的表达后，再交给模型的解码若干，看看生成的表达是不是符合目标语言语料库中的表述习惯，以及语义有没有发生偏差。
另外，以便翻译得尽或许精确又简练，这个模型中还有一个机制，叫Attention mechanism。随时留意被翻译语言文本中的每个单词，并结合上下文语境，判断哪些词是要翻译成目标语言的，哪些是可以扔掉不要的。
亚马逊期盼这个翻译工具可以结合其他AWS办事，比如文本转语音的Polly程序; 用于多语言检索的Elasticsearch工具; Lex聊天工具; 以及经由Amazon Lambda提供的信息本地化办事。
正如CNBC早些时候报导的那样 ，这项新办事很或许是基于亚马逊两年前采购Safafa的技术。 今日的公告证实了这些早期的报表，并将AWS引入了微软和谷歌提供的翻译办事。
据Canalys称，AWS 在第三季度以31.8％的占比领先云基础设施办事行业。 在这个季度，AWS为亚马逊带来了45.8亿美元的收益和超过10亿美元的营业收益 。
机器进修如今已然在多个领域爆发出惊人的能量，企业经由获取有效的使用者资料，可以高效锁定使用者的需求，针对性地提供办事，营收利润的拉升效果立竿见影。
但针对大多数急着上车的企业来说，自身业务结合AI技术最难的地方在于，没有办法迅速找到资深的AI专家来确认业务链，并搭建相应的机器进修模型解决核心难题，提升生产或者办事环节的效率。
亚马逊敏锐地捕捉到了这个痛点，权威Netflix测评在今日的革新大会AWS Re:INVENT上，亚马逊云办事AWS的CEO，Andy Jassy向4万多个到场看客说明了这一整套加速机器进修流程的托管办事，SageMaker。以及启动4个重磅AI工具，影像定向追踪工具Amazon Rekognition Video tool，音频转文本Amazon Transcribe，情绪理解Amazon Comprehend，语言翻译Amazon Translate。
SageMaker，是专门为想要加码AI技术的企业和开发者量身兴办的，端对端的机器进修办事。这个办事可以让资料科学家，开发者，以及机器进修的专家可以高效搭建、训练、托管一定规模的机器进修。
SageMaker的构成：
编码
从零搭建带有虚拟进修生态的Web使用程序，用来资料挖掘清理和处理。业内红毯造型对比
开发者可以在这上面跑常规类型的实例，或者GPU驱动的实例。
模型训练
分布式模型的搭建、训练、测试办事。你可以直接用预装好的推动进修或者无推动进修算力，也可以自己用Docer容器引擎训练一个模型。
这种训练可以数十倍地处理实例，这样搭建模型的速度就超快的。训练的资料从S3（全称Amazon Simple Storage Service）读取，生成的资料也会放进S3。经过模型生成的资料是基于模型的参数的，而不是模型演算出来的代码。这样分开处理，可以更好地用SageMaker来训练用于其他渠道的模型，比如那些物联网设备。
模型托管
带HTTPs端点的托管模型的办事，能让开发者的模型拿到实时的演算。这些端点可以缓解流量压力，重磅檀健次榜单也可以在多个模型上另外开展A/B评测。同样，开发者可以直接使用内置的SDK搭建这些端点，也可以用Docker镜像来配置你自己的参数。
“自夸一下，我觉得SageMaker端对端办事最强大的地方，是这三若干可以分开独立使用，灵活地补充改进企业现有的机器进修岗位流程，”在亮相会上，AWS的CEO强调SageMaker的灵活性。“它既提供现成的工具，也可以允许开发者自己搭建。不管哪种挑选，这个办事都可以用上最主流的算力。”
△ AWS的CEO，Andy Jassy
预设好的Jupyter Notebook，内置了10种普遍的算力，这样就可以解决很多普遍机器进修的难题了。假如使用者有特别的需求，还可以自己搭建机器进修的算力框架，比如TensorFlow，MXNet，Caffe等。
然后使用者还可以把训练的资料先放在AWS的简易存储办事（Simple Storage Service，简称S3）。SageMaker会把所有资料处理一遍，然后自己搭建一个资料岗位流，弹性块储存量，以及其他要素。然后整体处理完之后再把它们拆分开。
这样，开发者们就可以经由完善烘焙后的超参数来精准微调他们模型的表现。
“以往这些岗位都是手动操控的，相当的伤神费时，如今有了AWS省心多了，可以另外测多个参数，再用机器进修来完善这个过程。”Jassy说。
一旦模型训练好了之后，开发者可以告诉SageMaker他们想用多少个虚拟机器来试跑这套模型。另外，还可以在SageMaker上做A/B评测，让开发者们直观地目睹他们模型在改动了哪个参数后有更好的表现。
SageMaker能解决哪些开发者们关心的难题
收集和筹备资料
挑选和完善机器进修的算力
搭建和治理训练的生态
训练和改动模型
着手把模型放进生产流程中
使用模型的使用以及随时治理监控
如今这项办事是免费的，可是一旦使用者超过一定的使用限度，就要依据使用频率和地域来收费了。
除了这款AI云办事，亚马逊AWS亮相会还启动了4个重磅新工具。
影像定向追踪工具Amazon Rekognition Video
能从多个实时的监控流中确认出特定的人，并持续定向跟踪。这个特性当下已然超过了比拼对手谷歌和微软。
以便合作这套算力，亚马逊今日还启动AI驱动的DeepLens摄像头。依据亚马逊以往设备席卷行业的表现，可以预见DeepLens很有或许是亚马逊下一款杀手级设备。
尽管谷歌也在两个月之前启动了一款AI驱动的摄像头Clips，可是谷歌的这款摄像头更多的是办事C端消费者，一旦眼前发生有趣的事情，会自动摄影和摄像。而亚马逊的DeepLens是面向技术开发人员的。
大约是250刀的DeepLens高清摄像机附带了预训练模型，这些模型将使开发人员能够更轻松地着手确认出如今影像流中的文本字符。 另外，开发人员还可以借助AWS的新SageMaker AI办事来训练自己的图像确认模型，然后在摄像机上管理这些模型。
音频转文本操控系统Amazon Transcribe system
可以把音频文件中的人类语言直接转成文本
如今联网上的音频信息越来越多，怎么从音频中确认检索提取出特定的信息是个大难题。
亚马逊今日启动的这个革命性的引擎，能够把音频转换成文本，使得音频信息也可以被检索了。
Q：辣音频转文本可以用在哪些场景？
好多地方呀，比如以后煲美剧日剧韩剧可以获得实时字幕，直接就有熟肉看了，不用再辛苦字幕组的小伙伴人肉翻译了。或者想提升客服中心办事品质的企业，可以不用再花众多的时间挨个听电话录音文件了，直接看文字版效率高得多。
可是当下Amazon Transcribe暂时只扶持英文和西班牙语。但亚马逊权威说啦，前方几个星期马上就会启动新的版次，到时会扶持更多语种的。
情绪理解办事Amazon Comprehend service
能从文本的用词、语境、人物刻画中确认出背后的积极或消极情绪。当下来说，也是只扶持英语和西班牙语。
先是加的4个特性是，确认语言，名词分类，情绪确认和核心短语提取。这些特性都是以便社交互动特性开发的，响应时间达到百毫秒级别。
Amazon Comprehend当下需要不停地训练，才能提供更好的自然语言处理办事。亚马逊的工程师团队和资料科学家正不懈奋斗，扩充和精筛训练的资料，期盼以后大家用起来越来越精准。
最后一个是之前6月份先导片过的翻译工具Amazon Translate
在两年前收购了Safafa的技术之后，亚马逊总算启动了自己的语言翻译办事。可是，这一项办事比谷歌微软落后了好几年。
该技术是基于神经联网中代表的语言配对模型。
该模型由一个编码和解码两若干组成。编码若干从待翻译语言中读取语句，并兴办一个目标语言的表达来匹配指定文本的含义。兴办了新的表达后，再交给模型的解码若干，看看生成的表达是不是符合目标语言语料库中的表述习惯，以及语义有没有发生偏差。
另外，以便翻译得尽或许精确又简练，这个模型中还有一个机制，叫Attention mechanism。随时留意被翻译语言文本中的每个单词，并结合上下文语境，判断哪些词是要翻译成目标语言的，哪些是可以扔掉不要的。
亚马逊期盼这个翻译工具可以结合其他AWS办事，比如文本转语音的Polly程序; 用于多语言检索的Elasticsearch工具; Lex聊天工具; 以及经由Amazon Lambda提供的信息本地化办事。
正如CNBC早些时候报导的那样 ，这项新办事很或许是基于亚马逊两年前采购Safafa的技术。 今日的公告证实了这些早期的报表，并将AWS引入了微软和谷歌提供的翻译办事。
据Canalys称，AWS 在第三季度以31.8％的占比领先云基础设施办事行业。 在这个季度，AWS为亚马逊带来了45.8亿美元的收益和超过10亿美元的营业收益 。
上一篇：《超侦探事件簿：雾雨谜宫Plus》限时福利：＂死神闹钟声音＂免费发放
下一篇：花粉过敏的玲玲的故事