今年的亚马逊re:Invent大会持续带来一系列足以令人“眼花缭乱”的创新，而此次探讨的是普通用户实现机器学习技术的一种新的“捷径”。
在亚马逊re:Invent大会上，亚马逊云服务（AWS）全球机器学习副总裁Swami Sivasubramanian向人们展示了AWS关于人工智能与机器学习的最新全景蓝图，不仅如此，一系列新服务和新功能也逐一亮相。AWS致力让机器学习普惠于大众的目标更近一步。
机器学习+云计算，让云更“聪明”
随着人工智能的逐步落地，人工智能场景越来越丰富。作为人工智能的核心研究领域之一，机器学习成为企业竞相角逐的高地。而另一方面，云计算在为用户提供强大算力方面发挥了不可替代的作用。将机器学习与云计算相结合，二者互为补充，机器学习不仅可以使云计算的服务资源处理效率得到提升，云计算服务也为构建和部署机器学习应用程序所需的一系列功能提供支持。
因此，目前很多云计算厂商不遗余力地推进机器学习技术，力求上到占领前沿技术高地，下到丰富用户场景。
AWS大中华区云服务产品管理总经理顾凡介绍，亚马逊利用机器学习技术已经有20多年时间，这是AWS机器学习服务的深厚源泉。
AWS在2016年开始发力，在云上提供机器学习服务。其实这个时间并不算早，尽管出发晚，但发力十足。
顾凡表示，AWS当年只发布了三个机器学习服务，2017年开始加速，而最近三年，每年新增的服务和功能超过200个，为全球人工智能工作者丰富了他们急需的工具集。
机器学习不是“阳春白雪”，应当普惠用户
当谈到机器学习技术，一般给人们的第一感觉就是“高大上”，因而这种“高大上”的技术也自然而然地成为它落地用户侧的一大阻碍。如何降低机器学习技术的高门槛成为AWS开展机器学习的一个重要目标。
“让机器学习更易用和拓展到更加广阔的使用者、应用场景和行业”，这是Swami在亚马逊re:Invent大会上所宣称的。当然，这一方面固然是机器学习技术本身难度较高，难以普及广大用户，另一方面也来自于该行业人才的匮乏，专业机器学习技术人才是传统用户所缺乏的。
换句话说，要想实现机器学习技术的有效落地，不仅需要降低其技术门槛，还需要解决人才匮乏的困局。
为此，AWS通过多种方式，采取一系列措施，着重通过技术创新，从服务的深度和宽度上为机器学习扩圈。
首先，AWS通过开箱即用的解决方案解决以上用户的两大困扰。在re:Invent大会上，AWS发布了五项用于工业领域的机器学习服务：Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一体机、AWS Panorama SDK和Amazon Lookout for Vision。其中，Amazon Monitron通过机器学习支持预测性维护，面向没有建立传感器网络的客户，提供由传感器、网关和机器学习服务组成的端到端机器监控系统，检测异常并预测何时需要维护工业设备。
第二个举措是打造全面丰富的工具集。正如AWS大中华区云服务产品管理总经理顾凡所讲——right tool for the right job（为每一项工作都提供一个趁手的工具），该工具集通过底层、中间层和顶层三个层面，全面覆盖并赋能每一位AI工作者。
第三个举措是面向数据开发者和数据分析师。在AWS看来，这些人员数量庞大，缺乏机器学习的知识和技能但并不缺少机器学习的想法。AWS通过将机器学习能力跟数据库进行嫁接，让数据库开发者、数据分析师沿用数据库查询的方式，让他们的机器学习想法落地到业务应用中。为此AWS推出了Amazon Aurora的新功能版本Amazon Aurora ML，数据开发者通过Aurora ML自动将查询结果交给机器学习模型进行推理，并返回结果。
远不止于此，AWS还通过第四个举措——对Amazon SageMaker添加九项新功能——大力发展机器学习的中间力量，不断让机器学习更简单。尽管Amazon SageMaker推出只有3年，但实践证明，Amazon SageMaker已在用户侧备受欢迎，并在包括像3M、ADP、阿斯利康、Avis、拜耳等几万家客户中落地。
总之，有效地使用机器学习技术是有捷径可循的，如果有用户觉得机器学习技术晦涩难懂到令他们望而生畏，那么不妨关注一下亚马逊re:Invent，它为每一位AI工作者带来福音。顾凡表示，授人以鱼不如授人以渔，AWS不仅仅是提供产品，而是希望通过交付产品，在产品原型实现、客户需要帮忙时，帮助他们快速解决难题，促进客户能力的提升。