云計(jì)算推動(dòng)的人工智能革命

1、Moving forward with AI云計(jì)算推動(dòng)的人工智能革命如果我問(wèn)你“機(jī)器學(xué)習(xí) 和 人工智能 是你們最重要的方向嗎？”我們經(jīng)常聽到的回答是：“我們不是機(jī)器學(xué)習(xí)公司 ”“這不是我們業(yè)務(wù)的核心 ”“人工智能方面的人才很昂貴，很難找 ”回顧人工智能六十年的發(fā)展John McCarthy人工智能奠基, 1955達(dá)特茅斯會(huì)議人工智能的起點(diǎn), 1956Frank Rosenblatt“感知器”，1957Alexey Grigorevich Ivakhnenko“深度網(wǎng)絡(luò)”, 1965Paul Werbos “反向傳播算法”, 1975LeCun,第一個(gè)反向傳播算法應(yīng)用,1989卷積層1卷積層2卷

2、積層 n卷積神經(jīng)網(wǎng)絡(luò) (CNN)自動(dòng)駕駛系統(tǒng)卷積神經(jīng)網(wǎng)絡(luò): 對(duì)象分割醫(yī)療影像https:/www.periscope.tv/AWSstartups/1vAGRgevBXRJl /watch?v=WE81dncwnIc卷積神經(jīng)網(wǎng)絡(luò): 對(duì)象分割數(shù)據(jù)可視化 &分析業(yè)務(wù)需求 機(jī)器問(wèn)題框架數(shù)據(jù)采集數(shù)據(jù)集成數(shù)據(jù)準(zhǔn)備 &清洗特征工程模型訓(xùn)練 &調(diào)參模型評(píng)估滿足業(yè) 務(wù)目標(biāo)？模型部署監(jiān)控 &調(diào)試是否數(shù)據(jù)增強(qiáng)特征增強(qiáng)人工智能應(yīng)用的開發(fā)的流程重新訓(xùn)練預(yù)測(cè)人工智能對(duì)象存儲(chǔ) 數(shù)據(jù)庫(kù) 數(shù)據(jù)倉(cāng)庫(kù) 流分析 商業(yè)智能 HadoopSpark/Presto Elasticsearch數(shù)據(jù)驅(qū)動(dòng)的 “飛輪” 模型點(diǎn)擊流 用戶活動(dòng)生成

3、的內(nèi)容 購(gòu)買點(diǎn)擊 偏好傳感器數(shù)據(jù)更多的 數(shù)據(jù)更好的 分析更好的 產(chǎn)品更多的 用戶收集與準(zhǔn)備訓(xùn)練 數(shù)據(jù)選擇與優(yōu)化機(jī)器學(xué)習(xí)算法設(shè)置與管理用于模型訓(xùn)練的環(huán)境模型的訓(xùn)練與 調(diào)優(yōu)(需要反復(fù)試驗(yàn))在生產(chǎn)環(huán)境中部署模型擴(kuò)展以及管理生產(chǎn)環(huán)境人工智能應(yīng)用的開發(fā)太過(guò)復(fù)雜算法數(shù)據(jù)云計(jì)算GPUs& 計(jì)算資源今天，人工智能應(yīng)用的爆發(fā)已經(jīng)到來(lái)AI AWS:我們的使命Apache MXNetTensorFlowCaffe2TorchKerasCNTKPyTorchGluonTheanoAWS 云計(jì)算上的人工智能平臺(tái)Am a z onR e k o g n i t i o nAm a z on R e k ogni t iV

4、 i d e o人工智能服務(wù)Am a z o n P o l l yAm a z o nT r a n s c r i b eA m a zo nC o m p r e h e n dAm a zonS a ge Ma k e r人工智能平臺(tái)AW S De e p Le nsAma zon E MR深度學(xué)習(xí)框架與基礎(chǔ)設(shè)施De e p Le a r ni ngAMIA m a zo n Lex Am a z o n T r a n s l a t e在AWS上建立起AI應(yīng)用的企業(yè)/watch?v=qGotULKg8e0來(lái)自30萬(wàn)家酒店的超過(guò)1000萬(wàn)張圖片使用Keras 框架和 AWS EC2

5、GPU實(shí)例用10萬(wàn)張圖像微調(diào)預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)酒店描述現(xiàn)在自動(dòng)匹配最佳可用的圖片Expedia的 智能圖片分類Nuno Castro 用深度學(xué)習(xí)對(duì)酒店的圖片進(jìn)行排名基于人工智能的實(shí)時(shí)反欺詐平臺(tái)Marinus Analytics 使用面部識(shí)別來(lái)遏制人口販賣“現(xiàn)在，通過(guò)由AmazonRekognition提供支持的真對(duì) 密集人群的面部搜索，調(diào)查 人員可以在數(shù)秒內(nèi)搜索數(shù)百 萬(wàn)條記錄以找到受害者，從 而采取有效行動(dòng)。”/articles/2017/10/17/amazon-rekognition-helps-marinus-analytics-fight-human-trafficking華盛頓郵

6、報(bào)的智能服務(wù)文本自動(dòng)生成語(yǔ)音 這是一項(xiàng)新技術(shù)，可以為用戶提供更多選擇，并更好地訪問(wèn)我們 的內(nèi)容，因此我們希望創(chuàng)建一個(gè)實(shí)驗(yàn)，深入探索用戶體驗(yàn)。 一個(gè)月 之后，我們將把我們了解到的有關(guān)用戶如何參與此功能的知識(shí)用于 開發(fā)我們與 Amazon Polly 的第一次產(chǎn)品迭代。Joseph Price, 產(chǎn)品經(jīng)理, 華盛頓郵報(bào)/pr/wp/20 17/06/09/the-washington-post-to-start- experimenting-with-audio-articles-using- amazon-polly自然語(yǔ)言處理 華盛頓郵報(bào)努力為近1億讀者提供盡可能最好的體驗(yàn)，相關(guān)的內(nèi)容推薦是這項(xiàng)服務(wù)的關(guān)鍵所在。 通過(guò) Amazon Comprehend，我們 可以利用持續(xù)訓(xùn)練的 NLP功能（如關(guān)鍵詞和主題API），使我們能夠 提供更好的內(nèi)容個(gè)性化，搜索引擎優(yōu)化和廣告定位功能。 Dr. Sam Han, 數(shù)據(jù)科學(xué)總監(jiān), 華盛頓郵報(bào)Capital One 零售銀行的智能服務(wù)/applications/alexa/Twitter Stream APIKinesisLambdaS3Athena翻譯ComprehendTranscribe應(yīng)用1天構(gòu)建完成 ，每天運(yùn)行成本17美元(服務(wù)客戶的規(guī)模近似于Amazon Web Services)多語(yǔ)言社交媒體分析了解人工智能帶來(lái)的改變充