博鱼官网-确认了AI作为自己的支柱后，亚马逊云服务如何赢得AI大战的未来？

本文摘要：所有深度自学框架，如从Apache MXNet到TensorFlow到Caffe到Theano等等。

所有深度自学框架，如从Apache MXNet到TensorFlow到Caffe到Theano等等。问：广义而言，你想要在这里超过什么目标？问：我们的目标是基本上将人工智能AI技术民主化，使每个开发人员都可以用于AI。在相当大程度上，即使在今天创建人工智能，在许多情况下必须在机器学习领域做到得很好的博士研究人员。我们期望需要建构新的智能应用程序，实质上可以做到人类需要做到的事情，例如能看、能听得或能说或能解读。

而且我们使企业需要根据自己存储在AWS中的数据作出明智的决策。问：我们在哪里可以看见涉及的行动？问：Netflix早已创建了一个用于深度自学的引荐引擎来向客户展出他们应当看的内容。Pinterest早已做到了图像识别。

我们用于Amazon内的机器学习构建物流自动化，所以当您单击订单出售某物时，机器人将用于计算机视觉和深度自学来自由选择和发送到货物。我们还用于它来强化现有产品，例如X-Ray，这是一款酷炫的亚马逊即时视频功能软件，它用于计算机视觉和深度自学，因此当你停止视频时，它不会告诉他你页面中所有演员是谁。

我们也在用于它来创立新的产品系列。大家现在都告诉Alexa。我用于了两年Alexa，它看起来家里的真人一样。

而与亚马逊Go一起，这项技术为部分无结帐体验获取反对，实质上我们可以看见谁正在回头过去拿起一些东西或拿起它。问：亚马逊最近在谈论AI，但Google，微软公司，Facebook等公司取得了更好注目，亚马逊期望转变这一点不？问：在亚马逊，我们偏向于更为专心于和客户涉及的事项。

以亚马逊Go为事例，我们说道：“这是一个无结账的零售体验，可以协助客户更慢地购物。”我们会说道，“嘿看这个，这是一个有趣的深度自学应用于，偷偷地托一下它十分简单。”Alexa也是一样。

我实在我是一个科学家，但我更喜欢这个是因为我的家人讨厌和Alexa聊天。也就是说，亚马逊多年来仍然在机器学习和人工智能方面投放巨资，我们在科学界仍然十分公开发表，作出了我们的贡献，并且非常对外开放。

我们今年递交的多篇文章，研究论文等。在MXNet中，我们在代码递交方面贡献了35％。问：什么转变使得有约20年历史的深度自学算法如今显得好很多？问：三件事。一、现在，我们有能力以低廉的方式存储所有这些数据，而需要为这些存储供应商缴纳大量资金。

二，用于专业计算出来设备。GPU [图形处理单元]和FPGA[现场可编程门阵列]芯片早已关卡并用作这些应用于。最后一个方面是一旦创建和训练了这些东西，我们就可以通过实配备的模板精彩地将分布式培训基础架构扩展到数百个GPU。

好在了云计算，现在编程工作显得非常简单。下一步是什么问：亚马逊多大程度不会专心于应用于现有技术，而不是明确提出新的算法或技术？问：我们在许多领域展开基础创意研究 - 语言识别，自然语言解读，视觉解读。如果撤回到十年之前，我们必需推展深度自学技术的变革，使其交给客户手中后需要长时间用于。像Alexa，既便如此热门，我们还是必须发明者新的算法，以取得我们想的客户体验。

对于Amazon Go，我们必需大幅度提高深度自学和计算机视觉领域的技术水平。我们也在这里的核心引擎展开基础研究，如深度自学框架。我们有一个在深度自学引擎上工作的团队，之后希望拓展系统。

我们的客户有他们想处置的PB级别的大量数据 - 图像，视频等。随着必须处置的数据量大大减少，可扩展性将沦为未来几年的主要区别之一。问：您的机器学习模型否也可以在云服务网络的边缘工作，例如等不及从中央云恢复的无人驾驶汽车？问：我们指出，为云建构的模型也可以在边缘运营。

我们建构的深度自学模型可以在传统的计算机环境中运行，也可以运营在EC2 [AWS的弹性计算出来云服务]或Lambda [AWS的自的组织计算出来服务]中。Greengrass [容许离线操作者和数据的本地处置的软件，需要云服务]是在边缘设备中运营的良好环境。

我的团队重制了一个MXNet深度自学模型，可以辨识表中的对象，他们可以在Raspberry Pi照相机上运营[内置一个小巧低廉的电脑]。目标是要有一个混合体，一些深度自学模型将在边缘运营，用作较慢用于情况，一些在云中可用作更加简单的用例。这是Alexa工作的方式。这就是为什么我们看见这种新的混合模式的部署，有可能在未来更加有意思。

问：机器学习的下一步是什么？问：我的女儿早已两岁了，她看见两只西红柿后，就能见到西红柿是什么样子的。她不必须仔细观察一千个西红柿。这就是为什么我指出深度自学还正处于跟上阶段。

实质上，今天不存在的技术可以用十分受限的数据来提升深度自学模型的准确性。我们仍然在尝试这些东西。有时人们不必须意味著的准确性。

即使像视觉搜寻这样的东西，人们只要需要取得更佳的覆盖面，就不愿向更加较低的精度让步。所以接下来还有更好的事情不会再次发生。如果这是在亚马逊公司的机器学习领域工作的第一天，那我们则是刚醒来时，甚至都没喝一杯咖啡。

Viasilliconangel版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：博鱼官网-www.deceleratedenergy.com