科技先锋系列报告176AWS re: Invent 2020（第二周）：发布多项机器学习功能许英博首席科技产业分析师陈俊云前瞻研究高级分析师中信证券研究部·前瞻研究2020.12.17re: Invent：第二周发布41款机器学习和大数据服务据德勤发布的《全球人工智能发展白皮书》预测，到2025 年，世界人工智能市场规模将超过6 万亿美元,在人工智能众多的分支领域中，机器学习是人工智能的核心研究领域之一。包括89% 的人工智能专利申请和40% 人工智能范围内的相关专利均为机器学习范畴。12 月9 日，Amazon Web Services (AWS) 人工智能副总裁Swami Sivasubramanian在亚马逊re:Invent大会上发表机器学习主题演讲，展示了AWS 关于人工智能与机器学习的最新全景蓝图，并宣布了一系列新服务和新功能。Swami 在主题演讲中表示，“机器学习是我们这一代人能遇到最具颠覆性的技术之一，目前已经有超过10 万客户在使用AWS 的机器学习服务，很多客户已经将机器学习用于其核心业务”。AWS 历年发布机器学习相关新功能数1工业领域机器学习解决方案产品主要功能首次推出开箱即用的工业领域机器学习解决方案Amazon Monitron面向没有建立传感器网络的客户，提供由传感器、网关和机器学习服务组成的端到端机器监控系统，检测异常并预测何时需要维护工业设备。Amazon Lookout for Equipment面向已经拥有传感器、但不希望自己构建机器学习模型的客户，由AWS 为其构建模型并返回预测结果，检测异常设备行为。AWS PanoramaAmazon lookout for Vision通过计算机视觉改善工业运营和工作场所安全。AWS Panorama 一体机是一个硬件设备，将它连接到工业场所的网络中，它就可以自动识别摄像头数据流，与工业摄像头进行交互。AWS Panorama 软件开发套件（SDK），方便工业相机制造商在新相机中嵌入计算机视觉功能。为工业客户提供高精度、低成本的产品质量异常检测解决方案。它通过机器学习技术，每小时可以处理数千张图像，发现产品缺陷和异常。客户可以将摄像头图像批量或实时发送到Amazon Lookout for Vision，找出异常，例如机器部件的裂纹、面板上的凹痕、不规则形状或产品上的颜色错误等。机器学习技术在工业制造领域的应用2机器学习工具集工具集层次底层中层顶层机器学习工具箱主要功能面向那些技术能力超强的客户，希望将人工智能和机器学习作为自己的核心竞争力。提供强大的算力、全面的算力选择、丰富的机器学习框架选择。AWS 支持主流的机器学习框架，客户可以自带机器学习框架；AWS 可以提供基于英伟达、英特尔、AMD、赛灵思等芯片厂商的最新处理器的强大算力，同时还通过自主设计的处理器，极大地降低机器学习的算力成本。。面向那些技术能力较强的客户，他们有大量的数据可以进行机器学习模型训练，有一定的算法人才。Amazon SageMaker 提供了首个全托管的机器学习集成开发环境，并为这个开发环境不断增加新功能，从数据准备、到模型训练、参数调优与模型迭代、到模型部署、模型质量监控，提高器学习的效率，降低开展机器学习的门槛。面向技术能力相对薄弱的客户，他们有一定的数据，但没有算法人才，希望在业务场景中直接引入人工智能。AWS 提供开箱即用的人工智能服务，目前已经涵盖机器视觉、语音文字转换、机器对话、文本处理、电商业务、客服、企业内信息搜索、开发与运维、工业AI 等方面。AWS 提供的机器学习工具集包括三个层面3机器学习拓展到数据开发者和数据分析师拓展到数据库开发者和数据分析师服务及数据库Amazon Aurora MLAmazon Athena MLAmazon Redshift MLAmazon Neptune ML主要功能Amazon Aurora 是AWS 著名的关系型数据库服务，AWS 针对Amazon Aurora 推出了新功能Amazon Aurora ML。数据库开发者发起数据库查询（SQL）时，只要选择一个机器学习模型，就会唤醒机器学习服务，Amazon Aurora ML 自动将查询结果交给机器学习模型进行推理，返回结果。Amazon Athena 是数据分析师经常用到的服务。通过这项服务，可以直接从Amazon Simple Storage Service(Amazon S3) 上的对象文件中，利用SQL 语句进行数据查询（SQL 是结构化查询语言，原本用于关系型数据查询，而Amazon S3 的对象文件不是关系型数据）。AWS 也推出了新功能Amazon Athena ML，查询返回的结果也可以自动附带机器学习推理的结果。Amazon Redshift 是云原生的数据仓库。AWS 推出的新功能Amazon Redshift ML省去了选择模型这一步。例如电商领域经常会分析哪些客户有可能流失，这时分析师可能并没有一个模型来判断什么样特征的客户有可能会流失。通过Amazon Redshift ML，数据分析师只需SQL 查询，Amazon Redshift ML 可以把数据导入Amazon S3，然后与Amazon SageMaker 的Autopilot 功能结合。Autopilot 是一个自动建模的功能。这样的Amazon Redshift ML 可以自动进行数据清洗、模型训练，选择最优的模型进行预测。Amazon Neptune 是AWS 的一个图数据库，主要用于知识图谱、身份图谱、欺诈检测、推荐引擎、社交关系、生命科学等场景，用图的方式表示各个数据实体之间的关系。Amazon Neptune ML，就是将图数据库和机器学习打通，通过机器学习模型去访问图数据库，进行更精准的预测。Amazon QuickSightML Amazon QuickSight是AWS 的一个商业智能（BI）服务，可以调用各种数据进行分析和展现。Amazon QuickSightML 可以跟Amazon SageMaker的Autopilot 功能进行结合，数据分析人员可以用它开展欺诈检测、销售预测等工作。Amazon QuickSightQ机器学习新功能。通过它，可以用自然语言对数据进行提问，获得想要的数据洞察。如果按以往的方式，需要在模型中预先定义增长率、更新模型、处理数据，可能需要几天甚至几周时间。Amazon Lookout For MetricsAmazon DevOps Guru利用机器学习技术，通过企业多种数据的比对，检测出数据异常。利用机器学习的运维服务。帮助应用开发人员自动检测运维操作的问题，给出建议补救措施，提高应用程序可用性。此前，AWS 已经推出了Amazon CodeGuru，可以让开发人员使用机器学习自动进行代码审核，并且提供指导和建议。4