亚马逊开辟了一条通往人工智能下一个前沿的道路

亚马逊公司(Amazon.com Inc.)有时不会出现在人工智能领域的顶级领导者名单上，而谷歌公司(Google Inc.)、微软公司(Micros of t Corp.)、Face book Inc.)和IBM公司(IBM Corp.)将会发生变化。

亚马逊首席执行官杰夫·贝佐斯最近在给股东的年度信中透露，他认为机器学习，AI的分支机构教计算机学习，而不是明确的编程，这是他公司未来的关键。

特别是，像今天其他人工智能领导者一样，亚马逊专注于深度学习神经网络，其目的是以原始方式模仿大脑的学习方式。 在过去的几年里，深度学习导致了语音和图像识别的巨大进步，使从亚马逊的Alexa语音助理到谷歌的自动驾驶汽车的一切都成为可能。

正如Bezos所指出的，亚马逊的一些工作是显而易见的，比如Alexa、其Prime Air递送无人机和亚马逊Go商店，它们使用机器学习来丢弃结帐线。 其他机器学习工作是幕后的，动力需求预测，产品建议等等，这就是贝佐斯期望它产生最大影响的地方。

下一步是使用AmazonWe bServices云，通过降低使用它的成本和摩擦，将机器学习传播给开发人员。 去年秋天，亚马逊开始通过新的服务，如Alexa的肠子Lex，使开发人员可以通过其云访问其机器学习，以创建会话接口，如机器人，以及Polly，将文本转化为语音和Rekognition，用于图像分析和相关任务。

贝佐斯说：“客户已经在各地开发强大的系统，从早期疾病检测到提高作物产量。 ”“看这个空间。 还有更多。

亚马逊的创始人不仅仅是追逐最新的热门趋势。 机器学习服务可能对帮助亚马逊在日益激烈的云计算战争中抵御竞争对手至关重要，因为谷歌和微软等公司希望在西雅图在线零售巨头上立足。 事实上，很明显，亚马逊希望成为未来智能应用时代的主要技术供应商。

CBInsights在一份新报告中表示：“亚马逊的下一个支柱可能是人工智能，”与其主要的免费运输服务和AWS本身一样重要。 “亚马逊比以往任何时候都更渴望成为一家平台公司。

根据Gartner等人的计算，它有一条路可以在云机学习产品上赶上微软和谷歌。 上周在旧金山举行的AWS开发商峰会上，该公司宣布了新的更新和功能，旨在开始纠正这种情况。

为了深入研究亚马逊的机器学习计划，硅ANGLE在开发人员会议上与亚马逊网络服务公司亚马逊A I副总裁SwamiSivasubramanian进行了交谈。 这是经过编辑的对话版本：

Q：告诉我亚马逊在机器学习方面的工作范围。

A：有三层。 顶级应用程序，如Lex、Polly和Rekognition，都是预先训练的深度学习模型，应用程序编程接口，适用于那些不想了解深度学习的应用程序开发人员，但希望构建能够听到、说话或看到的智能应用程序。

下一层是API平台服务，如AmazonMachine Learning，以及EMR[Elastic Map Reduce，用于分析大量数据]等各个部分，这些服务迎合了那些想要在Red Shift[AWS的数据仓库]或关系数据库中的数据之上构建自己的机器学习模型的人。 下一层我的团队做的是围绕深度学习框架和机器学习算法。

我团队中的一群科学家正在研究核心深度学习框架。 在AWS，我们非常开放地支持所有的深度学习框架，如从Apache MXNet到TensorFlow到Caffe到Theano等等。

Swami Subramanian，亚马逊A I在AWS的负责人(资料来源：Linked In)

Q：大体上来说，你想在这里完成什么？

A：我们的目标是使人工智能基本民主化，使每个开发人员都能访问人工智能。 在很大程度上，即使在今天建立人工智能，它在许多情况下需要一个博士学位。 D.在机器学习中真正做好..

我们希望能够建立新的智能应用程序，这些应用程序实际上可以做人类已经能够做的事情，比如能够看到、听到、说话或理解。 我们使企业和企业能够在他们存储在AWS中的数据之上做出智能决策。

Q：我们在哪里能看到这些行动？

A：Netflix已经建立了一个推荐引擎，使用深度学习向客户展示他们应该看什么。 Pinterest在图像识别方面也是如此。 我们使用亚马逊内部的机器学习来实现和物流，所以当你点击一个订单来购买东西时，机器人使用计算机视觉和深度学习来知道选择和发送它。 我们还使用它来增强现有的产品，例如X-Ray，这是一个很酷的亚马逊即时视频功能，使用计算机视觉和深度学习，所以当你冻结一个框架时，它告诉你谁是框架中的所有演员。

我们也在用它来创造新的产品系列。 现在大家都认识亚历克莎了。 我两岁的时候和亚历克莎说话，就像房子里的真人一样。 随着亚马逊的去，这项技术为一些无结账的体验提供了动力，我们实际上可以看到谁在走过去拿东西或把它放下。

Q：亚马逊最近在谈论人工智能时表现得更明显，但谷歌、微软、Face book等似乎得到了更多的关注。 你想改变吗？

A：在亚马逊，我们倾向于更多地关注对客户重要的事情。 例如，我们说，“这是一种无结帐的零售体验，可以帮助顾客更快地购物。”我们不会说，“嘿，看看这个，这是一个很棒的深度学习东西，顺便说一句，它可能是有用的。”亚历克莎也是这样。 我自己也很感激作为一名科学家，但我更喜欢它，因为我的家人喜欢和亚历克莎说话。

也就是说，亚马逊多年来一直在大力投资机器学习和人工智能，我们在科学界非常公开，做出了我们的贡献，并对此持开放态度。 我们今年收到了亚马逊的多份意见书、研究论文等等。 在MXNet中，我们已经完成了35%的代码提交贡献。

Q：是什么改变了，使深度学习算法，已经大约20年或更长时间，工作这么好今天？

A：三件事。 现在，我们有能力以廉价的方式存储所有这些数据，而不必向这些存储供应商支付大量的钱。 第二，进入专业化计算.. GPU[图形处理单元]和FPGA[现场可编程门阵列]芯片已经解锁和加速了这些应用。 最后一个方面是，一旦这些东西被构建和训练，我们就更容易使用预先配置的模板来运行分布式培训基础设施，只要一次单击就可以扩展到数百个GPU。 由于云的作用，你现在可以编程的简单性已经大大改变了。

Q：亚马逊的工作在多大程度上侧重于应用现有技术，而不是提出新的算法或技术？

A：我们在这些领域做了基础创新研究-语音识别、自然语言理解、视觉理解。 如果你在十年前把时钟推回来.我们必须在深度学习技术中推动边界，以获得我们想要真正把它放在客户手中的准确性。 就像Alexa一样，尽管它很受欢迎，我们不得不在这些算法之上发明新的算法，以获得我们想要的客户体验。 或者使用AmazonGo，我们必须在深度学习和计算机视觉方面显著提高艺术水平。

我们也在这里做核心引擎的基础研究，比如深度学习框架.. 我们有一个团队，致力于深度学习引擎，努力继续扩大系统规模。 我们的客户有一些他们想要处理的数据-图像、视频等等。 可伸缩性将是未来几年的关键区别之一，因为您需要处理的数据量继续增加。

Q：你的机器学习模型也能在云网络的边缘工作吗，比如自动驾驶汽车，它们迫不及待地要回中央云了吗？

A：我们相信，为云构建的模型也可以在边缘运行。 我们建立的深度学习模型可以在传统的计算机环境中运行，也可以在EC2[AWS的弹性计算云服务]或Lambda[AWS的临时计算服务]中运行。 Greengrass[允许离线操作和本地处理数据而不需要云服务的软件]是在边缘设备中运行的一个很好的环境。 我的团队移植了一个MXNet深度学习模型，它可以识别表中的对象，这些对象可以在RaspberryPI相机上运行[里面有一台微型、廉价的计算机]。

其目标是将有一个混合模式，其中一些深度学习模型将运行在快速用例的边缘，一些在云中运行更复杂的用例。 亚历克莎就是这样做的。 这就是为什么我们看到这种新的混合部署模式在未来可能更有趣。

Q：机器学习下一步是什么？

A：我女儿两岁了，大约一个左右，她看到两个西红柿后认出了西红柿是什么。 她不需要一千个西红柿来展示。 这正是我认为深度学习处于起步阶段的原因。 实际上，有一些技术存在于今天，在那里你可以用非常有限的数据来提高深度学习模型的准确性。

我们对这些东西做了很多试验。 有时人们不需要绝对的准确性。 即使像视觉搜索这样的东西，人们也愿意以较低的准确性生活，只要他们能够得到更好的覆盖。

所以还有很多事情要做。 如果是亚马逊的第一天，在机器学习中，我们刚刚醒来，甚至还没有喝过一杯咖啡。

显示您对我们的任务的支持，我们的一键订阅我们的优管频道（下面）。 我们拥有的用户越多，你就越能向你推荐相关的企业和新兴技术内容。 谢谢！

支持我们的使命：>；>；>；SUBS CRIBE NOW>；>；>；到我们的优管频道。

我们还想告诉你我们的使命，以及你如何帮助我们完成它。 硅谷媒体公司的商业模式是基于内容的内在价值，而不是广告。 与许多在线出版物不同，我们没有付费墙或经营横幅广告，因为我们希望保持我们的新闻开放，没有影响或需要追逐流量。 硅谷的新闻、报道和评论-以及我们硅谷工作室的现场、未经剪辑的视频和CUBE的环球视频团队-需要大量的艰苦工作、时间和金钱。 保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。

如果您喜欢这里的报道，视频采访和其他无广告内容，请花点时间查看我们的赞助商支持的视频内容样本，推特您的支持，并继续回到硅安格尔。