亚马逊AWS首席科学家：赋能机器学习 引领未来革命

本篇文章3179字，读完约8分钟

4月14日，由《中国企业家》杂志和木兰会公益基金会联合主办的全球木兰论坛和2018(第10届)中国企业木兰年会在北京举行。

Amazon aws的首席科学家Animashree anandkumar在他的演讲中说，人工智能的本质实际上是算法。算法是告诉你如何处理数据，如何从中学习，然后找到新的模型来做出新的决定的程序。但是为了实现这个目标，我们需要大量的训练数据来加强它，此外，我们需要计算能力，所以云计算已经出现。人工智能的三个核心要素是核心算法、训练数据和计算基础设施。

Animashreeanandkumar进一步表达了将机器学习扩展到更多领域的希望，因为每个人的常识，数据本身都有维度。照片有长度、宽度和颜色；如果是视频，就有时间，这是第四维度。你收集的数据有不同的维度。我的问题是如何充分利用这些维度。

以下是animashree anandkumar主旨演讲的记录，有一些删节。

今天很荣幸能与大家交流，并参加全球木兰论坛。我已经多次访问中国发表演讲。这是我第一次看到这么多的女企业家和女听众，作为你们中的一员，我们感到非常自豪。

事实上，在中国和印度，从传统上讲，这是因为几千年的历史传统，而女性在社会上一直受到尊重。然而，我们必须承认，在当今世界，有各种各样的障碍，妇女迫切需要突破。今年，我们看到木兰做了很多努力，把女性精英聚集在一起，提高我们高科技从业者的性别多样性。我们还有很多女人。事实上，我母亲也是我所在社区的第一位女工程师。她是我个人的榜样。在那个时候学习工程学并不容易，因为我的祖父当时非常担心，他想为什么他的女儿学习工程学？所以我母亲不得不进行绝食抗议，最终得到了认可。我自己致力于数学、科学和工程。

我喜欢跳舞，尤其是从我三岁开始。我认为它能体现一项美丽的女性运动。后来，当我学习数学时，我觉得它们是相通的，当我学习人工智能时，我也感受到了共同的美。作为一个人，你是如何学习的？你是如何让这台机器像人一样思考的？这种智慧对我们意味着什么？当我们说这个人聪明时，是什么意思，如何使一台机器看起来像一个人，有些人认为像一个人一样聪明。这是一个我日夜思考的问题。在过去的几年里，人工智能经历了爆炸性的增长。与此同时，没有人认为在研究生水平上学习ar没有预料到这一行业的爆炸性增长，这可能是由于计算能力的复杂性，包括中国。因为我的小组里有很多来自中国的国际学生，所以我教的国际学生都是中国学生，现在我是马里兰大学的终身教授。

现在我想和大家分享机器学习在未来意味着什么样的革命，以及我们如何从这一趋势中获得最大的利益。

我还参与了亚马逊的网络服务业务。在亚马逊，我们使用人工智能和机器学习的历史非常悠久。我们最初是一个购物网站。当然，如果你想用人工智能来识别和建议，例如，一个以前买过网球的人将来可能会买一个网球拍。但是，这样的建议怎么能提供给它，我们甚至提供了这么多网球拍品牌之一？很随意吗？我们可能有数百个品牌。我们如何做出个性化的购物建议？二是实现自动化和库存管理。我们自己的中心遍布美国。如何尽快将我们的产品送到我们的配送中心，如何尽快管理供应链，以及如何尽快将产品交付给客户。

最近，有一个令人兴奋的发展，那就是，我们已经开始使用无人机进行运送。将来，无人机可能会让我们的产品很容易送到我们的门口。

还有alexa，一种人工智能产品，可以成为你最好的朋友和你最好的朋友。你可以随意问阿列克谢问题。如今，越来越多的用户，尤其是孩子，非常喜欢alexa，因为alexa可以整天和你聊天而不会感到无聊，现在它已经成为了一个非常受欢迎的亚马逊人工智能产品。在未来，我们必须让它更好地理解问题本身，并能快速搜索相关问题，做出完美的答案。我们必须有强大的人工智能力量才能让它完美运行。

此外，还有亚马逊go，这是一个产品。如果去我们商店很麻烦，你必须排队并扫描代码来付款。亚马逊go让你感觉好像你在偷东西，所以拿一件东西直接走出来。亚马逊go可以知道你买了什么。我们在西雅图开了一家商店。在未来，我认为有了这种技术和模式，我们的零售店将会更加方便快捷。

我也在研究亚马逊云平台。现在，我可以想象所有应用程序都在云上运行，因此我们应该特别关注云和大数据。

以下是人工智能和机器学习。由于云中存在如此多的数据，在云中处理它们是很自然的，所以我们需要建立人工智能和机器学习的服务能力。这非常关键。我在亚马逊的网络服务部做这个。

如果我们考虑什么是人工智能，它的本质是什么？这实际上是一种算法。事实上，算法只是一个程序，它告诉你如何处理数据，如何从中学习，然后找到一个新的模型来做出新的决定。但是要实现这个目标，我们必须有数据、训练数据和海量的训练数据才能强大。此外，它需要计算能力，所以这种云计算已经出现。例如，数百个图形处理器被放到云中进行计算，这样就可以进行大规模的学习。因此，人工智能实际上有三个核心要素，核心算法、训练数据和计算基础设施。所有这些都可以在云上实现。

如今，深度学习也是一个非常时髦的概念。每个人一定都听说过这个概念，甚至每天都在新闻中听到。首先，我们如何识别图像，我们如何识别语音，我们如何处理自然语言？最后，近年来最热门的事情是自动驾驶汽车，以及人工智能系统如何能够做出独立的决定，所以深入学习过去也是一个爆炸性的应用开发在这么多领域。

让我给你举个例子，那就是计算机场景识别，它可以自动识别图片中不同的物体，比如说，游泳池里有各种各样的东西，他可以自己给它们贴标签。同时，人脸识别也可以完成。你能看到这个人是否有独特的指标，他当时是什么样的表情和心态？你也可以进行识别算法，无论你能否在一大群图片中找到一个人，这些都是应用程序。这些应用实际上已经在生活中实现了。

给你简单介绍一下我自己的一些研究课题。我希望我们的机器学习将扩展到更多的领域，因为每个人的常识，数据本身都有维度。我们会想到一张有长度、宽度和不同颜色的照片。如果是视频，就有时间，这是第四维度。你收集的数据有不同的维度。我的问题是如何充分利用这些维度。

最近我在一个图书馆工作来解决这个问题。这是一个非常简单的介绍，即如何充分利用嵌入在数据中的不同维度。当然，我说的可能听起来太复杂了。这件事真的不简单，我不会说谎。在这张图片中，我向你展示了将一个概念转化为一个能真正产生结果的机器学习产品需要这些步骤。它可能每秒输出数百万个数据点，这是一个非常非常困难的过程，只要你在我的工作范围内。

在亚马逊的自动气象站，我们现在更加关注数据集。我们正在做的是sagemaker，它使我们的机器学习算法能够以更少的步骤将它从概念变成现实，也就是说，帮助每个人缩短成熟时间。我们有一个优先算法。你可以自学，也可以自动训练。你可以找到100台机器来学习。你想要多少台机器就有多少台。有所谓的参数优化功能。我们可以自动选择一些好的参数，一旦我们训练了这样一个机器学习模型，我们就可以一键部署。整个想法是要知道我们想要什么样的机器学习算法，我们需要完成什么样的任务，这样我们就可以部署，这就是sagemaker如此优秀的原因。我建议，如果您感兴趣，您可以看看我们提供的功能和部署。

让我们看看机器学习的全部内容。这是一个应用服务，这是大家都知道的最高级别。有一些识别图像和视觉的功能，也有一些视频识别的功能。所以我们可以使用识别功能和应用程序。此外，我们还有语言识别、图形处理、转录等功能。

下一个是平台服务，我们带来旧的数据，然后看看需要执行什么样的算法，然后进行训练。

底层是框架基础设施，我们可以得到尽可能多的图形处理器，此外，我们有云中最快的图形处理器和中央处理器，所以我们有最复杂和原始的基础设施。它可以帮助你在云中进行更好的机器学习。我真的很感激。