让机器学习更简单，来自SageMaker的“魔法”

人工智能（AI）技术近年来成为各家企业乃至各国争夺的新技术制高点，随着AI应用的不断落地，AI赋能企业数字化转型的价值得到了进一步提升。
 
4月7日，国家发展改革委、中央网信办研究制定了《关于推进“上云用数赋智”行动 培育新经济发展实施方案》，加快产业数字化转型，培育新经济发展。这其中也彰显了云计算、大数据及人工智能技术在数字化转型以及数字经济中的价值。
 
AI场景继续下沉，深入各行各业
由于云计算、大数据等技术在算力和数据等方面的加持，使得以机器学习、深度学习为基础的AI技术在近年来取得了很大突破，并不断在各行各业中得到落地。
 
从技术层面来说，大数据分析和机器学习是实现“上云用数赋智”的两个重要的支撑点。其中，作为AI的一个重要方面，机器学习专注于算法，不需要通过手工直接的编程，而模仿人来获取一些学习的能力。
 
例如，在“新冠”疫情中流行起来的在线教育和在线医疗等模式，以及短视频内容分发等场景，背后都有机器学习技术的身影。实际上，很多企业包括传统企业和创新企业都意识到了机器学习提供的新手段和新方法给企业带来的好处——可以引进新产品、新功能，优化及自动化企业相关流程，甚至取得突破性的进展。
 
Amazon SageMaker，机器学习应用场景下沉的抓手
尽管AI技术向各行各业的场景不断下沉，AI应用越来越广泛，但就目前而言，以机器学习为代表的AI技术在深入应用场景过程中还存在着一些阻力。AWS首席云计算企业战略顾问张侠表示，一是掌握人工智能专业知识的人才不足；二是构建和扩展人工智能的技术产品有难度；三是在生产经营中部署人工智能应用费时且成本高，各种因素最终导致缺乏低成本、易使用、可扩展的人工智能产品和服务。
 
来看看企业建立一个机器学习项目需要哪些步骤：首先企业需要根据问题建立模型，然后收集相关数据并建立机器学习框架和算法，之后进入模型训练阶段，企业还要设置管理训练环境，通过建立模型来反复进行实验验证，这其中需要依靠强大算力来不断进行优化、计算及整合，每一步对于企业来说都是极其复杂的。
 
由于机器学习技术门槛依旧较高，目前大部分公司还是很难实际应用该技术，因此，降低机器学习技术门槛，让更多人得到AI的普惠，有利于AI技术向各行各业应用场景下沉。而对于客户来说，也非常希望有方式可以让这项技术变得更方便、更易用。
 
近期，Amazon SageMaker在由西云数据运营的AWS中国（宁夏）区域和光环新网运营的AWS中国（北京）区域正式上线。总体来讲，Amazon SageMaker 是一项完全托管的服务，可以帮助开发者和数据科学家快速地规模化构建、训练和部署机器学习模型。
 
AWS全球副总裁及大中华区执行董事张文翊表示，“AWS提供了广泛、深入的机器学习和人工智能服务。Amazon SageMaker在AWS中国（宁夏）区域和AWS中国（北京）区域上线，将帮助更多中国客户去除机器学习涉及的混乱和复杂性，让他们能够胜任构建、训练和部署模型的工作，以应对新的挑战。”
 
SageMaker的“魔法”，为用户赋能
张侠介绍，SageMaker的字面意思是“魔法生成器”，它的“魔法”在于能够提供完全托管的机器学习服务，消除了机器学习过程中各个步骤的繁重工作，从而大大降低了用户在使用机器学习过程中模型构建和训练的难度。
 
这种“魔法”能力来自于新技术与新功能的支持：
 
Amazon SageMaker Studio将所有用于机器学习的组件集中在一个地方，形成面向机器学习的集成开发环境（IDE），从而使开发者构建、训练、解释、检查、监视、调试和运行机器学习模型变得更简单、更快；Amazon SageMaker Notebooks提供了一键启用的Jupyter Notebook，开发者可以轻松地调节Notebook需要的算力，从而可以更快地开始构建模型；鉴于开发者目前缺乏一个便利的实验管理机制，Amazon SageMaker Experiments可以帮助开发者组织和跟踪机器学习模型的迭代；Amazon SageMaker Debugger用于调试和分析模型训练，提高准确性，减少训练时间；Amazon SageMaker Autopilot是业内首个可以让开发者对其模型保持控制和可见性的自动化机器学习功能；Amazon SageMaker Model Monitor允许开发者检测和纠正概念漂移，以改善影响部署到生产环境后的模型的准确性。
 
通常情况下，客户建立起整个机器学习模型流程通常要花很长的时间，比如八九个月，而通过SageMaker，张侠表示，一些初步了解机器学习知识的技术人员就可以在几周之内做出类似的工作，因此对于企业用户来说，大大降低了该项工作的复杂性。
 
大宇无限是一家专门从事移动应用程序开发的公司，主要为中东、东南亚和拉丁美洲等新兴市场提供移动短视频服务，这其中涉及利用机器学习技术实现视频内容的在线推荐，而传统构建机器学习系统的整个流程又极为复杂，对大宇无限的开发团队来说是一个巨大的挑战。
 
大宇无限机器学习技术总监苏映滨表示：“SageMaker可以极大简化机器学习系统的构建、训练和部署流程，使大宇无限无需构建基础设施，算法工程师只需为SageMaker准备数据，仅用了三个月的时间就从零完成了整个系统的建设并承受了实际用户访问的压力，很容易地实现了机器学习部署从0到1的突破。”
 
对于企业用户来说， SageMaker的出现让机器学习技术不再遥不可及，同时也将有助于加速AI在企业侧的落地。天津华来科技有限公司云业务部总监季宝平表示：“借助Amazon SageMaker，我们自己训练的模型在应用场景中具有更多个性化空间，并且我们对自己训练出的模型具有知识产权，这将是我们未来的核心竞争力。”