AWS正式推出AI產(chǎn)品加入全球人工智能大戰(zhàn)

　　在2016年11月底舉辦的AWS re:invent大會(huì)上，AWS正式推出了自己的AI產(chǎn)品線。以此為標(biāo)志，AWS正式加入全球人工智能大戰(zhàn)。

　　AWS產(chǎn)品戰(zhàn)略總經(jīng)理Matt Wood說(shuō)，在過(guò)去5-6年間出現(xiàn)了對(duì)機(jī)器學(xué)習(xí)的大量需求，而這些需求主要受三大因素影響：算法、效能計(jì)算以及豐富與大型的數(shù)據(jù)集。在算法方面，雖然今天的算法與20年前相比沒(méi)有太多變化，但它們開(kāi)始變得越來(lái)越復(fù)雜并結(jié)合了人工智能的算法。在豐富與大型的數(shù)據(jù)集方面，由于云計(jì)算的出現(xiàn)，獲得和使用豐富而海量的數(shù)據(jù)成為可能。在效能計(jì)算方面，GPU可以創(chuàng)造出高度復(fù)雜和規(guī)?；挠?jì)算能力，從而把算法與海量數(shù)據(jù)相結(jié)合。

　　Matt表示，深度學(xué)習(xí)的出現(xiàn)解決了計(jì)算科學(xué)中一些特殊的場(chǎng)景，包括語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言識(shí)別、個(gè)性化推薦以及自主計(jì)算（自動(dòng)駕駛及自主機(jī)器人）等。但在現(xiàn)實(shí)世界中，應(yīng)用和使用深度學(xué)習(xí)算法卻遇到很多挑戰(zhàn)：可編程性、可移植性及性能。其中，可編程性指如何能夠大幅簡(jiǎn)化神經(jīng)元網(wǎng)絡(luò)編程的復(fù)雜性，可移植性指在云中訓(xùn)練神經(jīng)元網(wǎng)絡(luò)后在手機(jī)上、智能汽車上等使用這些神經(jīng)元網(wǎng)絡(luò)模型，性能即指神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練及推理性能。

　　就在2016 AWS re:invent大會(huì)前幾周，AWS推出了名為P2的GPU計(jì)算實(shí)例（云服務(wù)器），P2專門用于支持機(jī)器學(xué)習(xí)、高性能計(jì)算以及其它需要海量浮點(diǎn)并行計(jì)算的應(yīng)用，同時(shí)提供預(yù)置優(yōu)化的數(shù)種開(kāi)源機(jī)器學(xué)習(xí)計(jì)算框架，其中包括mxnet、TensorFlow、Caffe、theano、Torch和CNTK等。P2提供了多達(dá)4萬(wàn)2千個(gè)CUDA計(jì)算內(nèi)核，AWS同時(shí)預(yù)建了基于P2的深度學(xué)習(xí)計(jì)算集群，讓普通程序員能輕松完成規(guī)?；臋C(jī)器學(xué)習(xí)編程和應(yīng)用。

?

　AWS產(chǎn)品戰(zhàn)略總經(jīng)理Matt Wood

　　Matt介紹說(shuō)，自從P2產(chǎn)品上線以來(lái)，就受到了廣大程序員的高度關(guān)注。一家叫做圖森的中國(guó)創(chuàng)業(yè)公司正把P2用于研發(fā)智能汽車算法，通過(guò)使用車載圖像識(shí)別設(shè)備和深度學(xué)習(xí)算法，圖森軟件可以在白天和夜間識(shí)別行駛汽車的周邊，還能在平面圖像中精準(zhǔn)識(shí)別三維空間里的汽車的位置，精度達(dá)到厘米級(jí)。

　　在所有的開(kāi)源深度學(xué)習(xí)框架中，AWS選擇mxnet作為官方機(jī)器學(xué)習(xí)首選平臺(tái)。Matt介紹說(shuō)，之所以選擇mxnet是因?yàn)樗目删幊绦?、可移植性以及性能等。首先，mxnet支持包括Go、Python、Scala、R語(yǔ)言、Java Script、C++等在內(nèi)的廣泛的計(jì)算語(yǔ)言，這是因?yàn)閙xnet實(shí)際上由前端和后端兩層組成，前端支持多種計(jì)算語(yǔ)言，但在后端卻使用統(tǒng)一系統(tǒng)和通用運(yùn)算符。

　　其次，在編程模式的選擇上，mxnet同時(shí)支持命令行式編程和描述性編程這兩大主流編程方式。對(duì)于Python或Groovy等支持命令行式編程模式的語(yǔ)言來(lái)說(shuō)，命令行編程方式雖然靈活并能使用語(yǔ)言本身提供的多種原生功能，但卻難以優(yōu)化和用于大規(guī)模計(jì)算。而對(duì)于SQL等描述性編程語(yǔ)言來(lái)說(shuō)，優(yōu)化起來(lái)更加容易也支持更多的語(yǔ)言，但卻缺乏靈活性，Caffe、theano、Caffe等都屬于這種情況。mxnet則讓程序員能同時(shí)獲得這種兩種編程方式，大幅提高深度學(xué)習(xí)編程的效率與靈活性。

　　第三，在可移植性方面，mxnet只需要很少量的存儲(chǔ)空間即可運(yùn)行，上千層的神經(jīng)元網(wǎng)絡(luò)也只需4G存儲(chǔ)空間。在云中訓(xùn)練好的神經(jīng)元模型，可以部署在智能手機(jī)、物聯(lián)網(wǎng)設(shè)備、無(wú)人機(jī)等機(jī)器人設(shè)備甚至是基于Java Script的瀏覽器里，因此mxnet程序的可移植性非常好。

　　第四，在編寫(xiě)并行高性能計(jì)算方面，mxnet也能創(chuàng)造更好的性能。mxnet可以輕松把串行算法改編為并行計(jì)算模式，并在一個(gè)GPU里的多個(gè)CUDA內(nèi)核上運(yùn)行，也能很容易地?cái)U(kuò)展到多個(gè)GPU上。

　　基于mxnet，AWS在本次re:invent大會(huì)上正式推出了自己的AI產(chǎn)品線，首批產(chǎn)品包括支持24種語(yǔ)言47種聲音的文本到語(yǔ)音轉(zhuǎn)換服務(wù)Amazon Polly、基于深度學(xué)習(xí)的圖像和人臉識(shí)別服務(wù)Amazon Rekognition以及可編寫(xiě)自然人機(jī)交互的Amazon Lex。其中，Amazon Lex使用了同樣用于Amazon Alexa的自動(dòng)語(yǔ)言識(shí)別和自然語(yǔ)言理解技術(shù)。由于與AWS編程環(huán)境Lamda集成在一起，開(kāi)發(fā)者可以輕松使用Lex開(kāi)發(fā)各種聊天機(jī)器人和服務(wù)機(jī)器人，并把這些機(jī)器人用于網(wǎng)絡(luò)應(yīng)用、即時(shí)通信工具，或?yàn)槭謾C(jī)及物聯(lián)網(wǎng)設(shè)備添加自然語(yǔ)言交互功能。

　　自2016年11月30日起，Amazon Polly、Amazon Rekognition在美國(guó)東部、美國(guó)西部、歐洲等地的AWS區(qū)域推出，未來(lái)將陸續(xù)擴(kuò)展到其它區(qū)域，而用戶自即日起也開(kāi)始申請(qǐng)使用Amazon Lex的預(yù)覽了。