最新人工智能的全方位部署-深度专题分析报告

人工智能的全方位部署分析报告AmazonAI技术简介1自然语言理解(AmazonLex)计算机视觉(AmazonRekognition)AmazonAI数据挖掘(AmazonRedshift,MechanicalTurk)机器学习(ML) 深度学习(DL)AmazonAI产品简介2软件Inferentia芯片Alexa语言助手AmazonGo无人零售店供应链预测和容量规划AmazonAir无人机运输仓库机器人个性化推荐引擎Echo智能音箱硬件其他AmazonAI为客户提供AI服务的AWS云AmazonAlexa：从语音助手到智能家居320142016搭载Alexa语音助手的Echo初代发布。2015Alexa技能平台对外开放，目前该平台上的技能达到56,750个之多。 可查询天气、Uber打车、语音购物、控制智能电器。亚马逊智能音箱在美国市场占有率达到了巅峰的88%。2018发布内置Alexa的5款新品：迷你音箱EchoDot，智能时钟EchoClock，用于汽车操作系统的EchoAuto，智能微波炉BasicsMicrowave，智能插座SmartPlug4AmazonAlexa：从语音助手到智能家居目前，支持Alexa的硬件除了亚马逊的Echo音箱系列，还包括LG的智能冰箱、联想的智能音箱等等。Alexa不仅对第三方开发者开放，也已经对第三方硬件厂商开放。截至2018年9月全美有超过1亿台Alexa设备在使用中，占美国智能音箱66%的市场份额。AmazonEchoGoogleHomeAppleHomepodAmazonGo：无人线下新零售5 AmazonGo为亚马逊提出的无人商店概念，无人商店于2018年1月22日在美国西雅图正式对外营运。 AmazonGo结合了云计算和机器学习，应用拿了就走技术(JustWalkOutTechnology)和智能识别技术（AmazonRekognition）。AmazonGo：无人线下新零售6 店内的相机、感应监测器以及背后的机器算法会辨识消费者拿走的商品品项，并且在顾客走出店时将自动结账。AWS：提供不需要机器学习经验的AI服务7 从AWS平台上可以选择预先训练的计算机视觉、语言、推荐和预测AI服务。他们可轻松与客户的应用程序集成，帮助处理常见使用案例，如个性化推荐、实现联络中心现代化、提升安全性和提高客户参与度。推荐预测图像和视频分析文档分析高级文本分析语音会话聊天代理翻译转录AWS：提供可快速构建、训练和部署的ML服务8 AmazonSageMaker可以帮助开发人员和数据科学家快速轻松地构建、训练和部署任何规模的机器学习（ML）模型。它消除了各行业运用机器学习的复杂性。构建 训练 部署算法性能提高了10倍：在AmazonSageMaker中使用预先安装的优化算法性能提高了10倍。预构建的Jupyter笔记本：用于训练数据和进行预处理的完全托管实例。算法市场：AWSMarketplace中选择各种可用的机器学习算法和模型。成本节省70%：使用AmazonSageMakerGroundTruth构建准确度高的训练数据集，最多可节省70%的数据标记自动模型模型校正：使用AutoML功能实现一键式训练和自动模型校正，可实现最准确的模型预测。训练一次、随处运行，性能提高2倍：AmazonSageMakerNeo支持训练模型一次，然后在多个硬件配置上运行，性能提高2倍。完全托管：通过管理所有底层基础设施简化模型训练，以便可以轻松扩展模型。一键式部署：通过自动扩展分布在多个区域的集群进行部署，提供了高性能和高可用性。推理成本降低高达75%：AmazonElasticInference支持预置所需的适量GPU性能。自动执行A/B测试：在多达五个不同的模型中执行托管模型A/B测试，为您进行实验提供灵活性。完全托管和自动扩展：生产基础设施托管可执行运行状况检查、应用安全补丁和进行日常维护。成本。AWS：客户广泛，市场占有率高9从Netflix、NASA到新涌现的初创企业，在AWS上部署的机器学习的服务是最多的。据Amazon统计，81%的云端深度学习项目部署在AWS上。在2018年11月29日的AWSre:Invent大会上，AWSCEOAndyJassy表示，目前AWS在全球IaaS的市场份额为51.8%。AI芯片Inferentia：低延迟、性能强大、功耗比极佳10 此前，亚马逊安装了英伟达的高端特斯拉GPU和英特尔的Xeon为自己提供强大算力。但亚马逊现在开始自主研发AI芯片，逐渐减少对英特尔和英伟达的依赖，以加强对自身产业链的控制。2018年11月29日的AWSre:Invent大会上，亚马逊为进一步深入机器学习领域推出第一款AI芯片Inferentia。这款产品专为推理而设计，这方面与专为训练机器学习模型设计的GoogleTPU不同。亚马逊称，若在已训练模型的基础上进行推理任务，Inferentia芯片可以担负90%的算力，将推理成本降低75％左右。它支持多种机器学习框架，包括TensorFlow、ApacheMXNet、PyTorch等。高吞吐量低延迟高功耗比TensorFlowApacheMXNetPyTorchAmazonAI团队：人才荟萃11SravanBodapati，亚马逊理解团队的应用科学家，之前在Kindle的机器学习团队。MarcelloFederico，负责AWS上基于AI的机器翻译和语言解析，之前在这些领域共同发表了200多篇学术论文，参与过20多个国际项目。RishitaAnubhai，人类语言科技组的应用科学家，之前先后是Facebook,Microsoft以及百度的AI软件开发工程师，发表过4篇AI相关学术论文HassanSawaf，人类语言科技组首席科学家，之前在eBay领导AI团队，曾是多家科技公司的共同创始人和CEO。AlexSmola，AWS机器学习主管。曾就职于Yahoo,Google的研究部门，在卡耐基梅隆大学创立了AI实验室，出版过6本AI相关书籍。SaabMansour，亚马逊自然语言处理科学家，在自然语言处理领域有10多年的经验，发表过24篇有影响力的学术论文。AmazonAI团队：积极推进AI研究，人才储备丰富12AWSMachineLearning研究奖计划旨在资助正在进行机器学习新领域研究的大学部门、教师、博士生以及博士后。目标是加快各种机器学习应用程序和重点领域的创新算法、出版物和代码的开发速度。获奖者将获得包括无限的现金支持和AWS促销优惠。获奖者将被邀请参加年度研讨会，并可能参加由亚马逊科学家和工程师讲授的一对一培训课程。AWSMachineLearning大学设置了结构化课程，这些课程结合基础知识和实际应用。 我们提供30多个机器学习课程，总计超过45小时，以及最初为亚马逊内部使用的动手实验室和文档。开发人员、数据科学家、数据平台工程师和业务决策者可以使用此培训来学习如何将机器学习、人工智能和深度学习应用于他们的企业，从而获得新的视野和价值。AmazonML研究资助计划AWSMachineLearning大学Thanks！