人工智能再掀狂潮:亚马逊推出机器学习

日期:2015-4-10作者:TechTarget来源:TechTarget中国

学习是人类与生俱来的一种本能,也是一种智能行为。那么随着计算机科学的深入发展,机器能否像人类一样学习吗?其实最近几年,机器学习已成为人们研究的热门领域,即专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。科技巨头公司都相继加入这一研究行列,其中最为人所知的就是IBM的”沃森”,现在公有云领域霸主亚马逊也推出了它自己的机器学习。

亚马逊机器学习解析

今天,亚马逊AWS宣布推出Amazon Machine Learning(亚马逊机器学习),这是一项全面的托管服务,让任何开发者都能够轻松使用历史数据开发并部署预测模型。这些模型用途广泛,包括检测欺诈、防止用户流失并改进用户支持。基于与亚马逊公司内开发者所使用的同样经过验证、高度可扩展并且每周生成超过500亿个预测的机器学习技术,亚马逊机器学习的API和向导能够为开发者提供关于机器学习模型的创建和调试流程的指导,从而轻松部署并扩展模型,支持数十亿级别的预测。Amazon Machine Learning能够与Amazon Simple Storage Service(Amazon S3) 、Amazon Redshift和Amazon Relational Database Service(Amazon RDS)集成,让客户轻松使用存储在AWS云服务上的已有数据。

众所周知,机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。只有极少数开发者能够利用机器学习功能建立应用。另外,传统意义上的机器学习应用方法涉及很多手动、重复和容易出错的任务,例如计算汇总统计学、进行数据分析、通过机器学习算法利用数据训练模型、评估和优化模型,然后才能使用该模型生成预测。亚马逊的机器学习如何克服这些困难?

通过降低复杂性并对上述步骤进行自动化,亚马逊机器学习让所有软件开发者都可以广泛地使用机器学习技术。借助亚马逊机器学习,开发者可以使用AWS管理控制台或API来快速地根据需要创建大量模型,并利用这些模型生成大吞吐量的预测,而不必担心配置硬件、分发和缩放计算负载、管理依赖性或监测和修复基础架构故障等问题。由于没有准备成本,开发者可以按使用情况付费,能够从小规模开始并随着应用的扩展而扩大使用规模。

亚马逊机器学习高级经理Jeff Bilger表示:“亚马逊拥有悠久的机器学习传统。它支持Amazon.com为客户推荐商品,让Amazon Echo能够根据你的声音做出回应,让我们能够在30分钟内就可以卸载满满一卡车的商品并完成上架。我们很早就意识到,只有让亚马逊公司内的所有开发者都能使用机器学习,才能充分发挥这项技术的潜力。亚马逊机器学习源自我们从数千名亚马逊开发者快速建立模型、进行实验并扩展至全球性预测应用的过程中所学到的经验。”

由于高质量的数据对于开发精确的模型至关重要,亚马逊机器学习让开发者能够对用于“训练”模型以发现数据模式规律的数据集的统计属性进行可视化处理。这样,开发者就能够更好地理解数据分布,并在模型训练之前发现缺失或无效的值,从而节约时间。之后,亚马逊机器学习会自动变换用于训练的数据并优化机器学习算法,开发者不需要深入理解机器学习算法或调试参数,即可创建最佳模型。通过使用亚马逊机器学习技术,在没有任何机器学习经验的前提下,单个亚马逊开发者可以在20分钟内解决之前需要两名开发者花费45天才能解决的问题——并且所建立的模型同样能够实现92%的精确度。一旦模型创建完毕,开发者就可以直接从亚马逊机器学习轻松地进行批量处理或生成实时预测,无需开发和管理自有基础架构。

谁为“亚马逊机器学习”而狂

Comcast是一家全球性媒体与技术公司,拥有Comcast Cable和NBCUniversal两大业务集团。Comcast数据科学研究团队经理Jan Neumann表示:“我们评估了亚马逊机器学习,发现它能够对我们的数据科学分析提供很大帮助。在评估中,我们特别喜欢它能够以可视化的方式探索参数设置和分类性能之间的平衡。通过亚马逊机器学习,我们可以非常简单地准备和清理输入数据,迅速地利用大型数据集训练模型。”  

亚马逊可持续包装团队为亚马逊配送提供更小巧、更环保的包装,同时仍能够保护配送物品。亚马逊全球可持续发展总监Kara Hurst表示:“我们利用亚马逊机器学习来分析客户对包装的反馈,并创建预测以发现适合我们的Frustration Free简易包装和电子商务包装标准的商品。亚马逊机器学习已经帮助我们更好地发现造成浪费和让客户不满的产品包装。我们能够利用现有数据并快速地开发预测模型,在几个星期内即可在生产中部署。因此,我们能够为客户提供更环保的商品和包装。”

Space Ape Games是一家知名的移动与平板电脑游戏创业公司,开发了《竞逐者之国(Rival Kingdoms)》和《武士围攻(Samurai Siege)》等游戏。Space Ape Games首席技术官、联合创始人Toby Moore表示:“让用户持续玩我们的游戏的关键是预测他们最喜欢的内容类型,例如直播活动和锦标赛,并让游戏适应他们的游戏风格。通过使用亚马逊机器学习服务,我们能够更轻松、更精确地决策如何让用户保持兴奋并享受《竞逐者之国》和《武士围攻》等游戏。亚马逊机器学习给我们留下了深刻的印象,我们计划在多个部门部署亚马逊机器学习,以帮助我们为目前和未来的游戏建立和部署预测模型。对于我们的业务来说,这实在是令人兴奋。”

科学技术的不断进化,使得机器已经可以如同人类一样进行学习,我们已经看到机器学习正在逐渐得到应用,例如:数据挖掘、计算机视觉、生物特征识别、搜索引擎、医学诊断、语音和手写识别、以及机器人运用。未来的机器很有可能会像《超能陆战队》中的大白一样在不断的学习中不断改进,人手一个“大白”也许并不只是幻想。

微信公众号

TechTarget微信公众号二维码

TechTarget

官方微博

TechTarget中国官方微博二维码

TechTarget中国

评论
查看更多评论

敬请读者发表评论,本站保留删除与本文无关和不雅评论的权力。

作者>更多

TechTarget
TechTarget

TechTarget编辑部

云计算和大数据>更多

相关推荐

  • 2017谷歌火力全开:瞄准机器学习与数据分析

    2016年,Google将赌注的筹码放在了机器学习和数据分析上,以此来区分它的云平台,从而在企业客户中产生重大影响力。

  • 云中谷歌:硬件面临哪些挑战

    随着大量的数据迁移到各个云提供商平台,云提供商都竞相扩大其基础设施选择,谷歌也不例外,看起来这些新的技术,作为一种成为市场上主要参与者的手段。

  • AWS re:Invent 2016:聚焦新兴技术和企业客户

    AWS re:Invent今年是第五年,这场座无虚席的AWS re:Invent 2016将提供两个主题演讲,包括新产品公告,对现有服务的更新,价格下调和对市场上其他流行公有云服务的稍许提及。

  • 公共云为业界带来了机器学习服务

    机器学习代表着计算新领域,而公共云正使这项原本高大上的技术变得比以往更亲民、更实惠和更可用。但是,这并不意味着随便什么人都应该趋之若鹜。

技术手册>更多

  • 云存储服务使用指导手册

    根据TechTarget最近的一项调查,我们发现受访者所在的企业中,目前有44%已经在数据保护和其他应用中使用云存储服务。大概在未来六个月中,这个数字还会继续增长,因为46%的受访者表示他们计划增加对于云数据存储服务的使用。

  • 企业私有云实施案例与技巧

    大型企业可以率先构建私有云,但是企业私有云实施方面有哪些可供借鉴的案例?企业在构建私有云过程中又有哪些需要遵从的技巧和原则呢?本技术手册将为您一一介绍。

  • 云计算入门手册

    “虚拟桌面”的概念的从何而来的?支持虚拟桌面的框架有哪些?云计算与虚拟桌面、云计算与SOA的关系是什么?云计算架构模型呢?如何企业考虑使用云计算,应该注意哪些事项?本手册将为您解答在这些方面的疑惑。

  • 主流云计算服务模式安全攻略

    毫无疑问,云计算具备了众多的好处。从规模经济到应用可用性,云计算绝对能够为您的应用环境带来一些积极的因素。如今,在广大云计算供应商和支持者的推崇下,众多企业用户已开始跃跃欲试。但是,对于公共云计算平台而言,无论是SaaS(软件即服务)、IaaS(基础设施即服务),还是PaaS(平台即服务),都无法拿出真正可靠的云安全方案来。而对于私有云而言,也不同程度地面临着类似的问题,这也正是广大用户最为担心的方面。本手册为用户介绍如何在SaaS、IaaS及PaaS模式下保证应用和数据的安全性。

TechTarget

最新资源
  • 安全
  • CIO
  • SOA
  • 虚拟化
  • 网络
  • 数据中心