在2016年11月底举办的AWSre:invent大会上，AWS正式推出了自己的AI产品线。以此为标志，AWS正式加入全球人工智能大战。

AWS产品战略总经理MattWood说，在过去5-6年间出现了对机器学习的大量需求，而这些需求主要受三大因素影响：算法、效能计算以及丰富与大型的数据集。在算法方面，虽然今天的算法与20年前相比没有太多变化，但它们开始变得越来越复杂并结合了人工智能的算法。在丰富与大型的数据集方面，由于云计算的出现，获得和使用丰富而海量的数据成为可能。在效能计算方面，GPU可以创造出高度复杂和规模化的计算能力，从而把算法与海量数据相结合。

Matt表示，深度学习的出现解决了计算科学中一些特殊的场景，包括语音识别、图像识别、自然语言识别、个性化推荐以及自主计算（自动驾驶及自主机器人）等。但在现实世界中，应用和使用深度学习算法却遇到很多挑战：可编程性、可移植性及性能。其中，可编程性指如何能够大幅简化神经元网络编程的复杂性，可移植性指在云中训练神经元网络后在手机上、智能汽车上等使用这些神经元网络模型，性能即指神经元网络的训练及推理性能。

就在2016AWSre:invent大会前几周，AWS推出了名为P2的GPU计算实例（云服务器），P2专门用于支持机器学习、高性能计算以及其它需要海量浮点并行计算的应用，同时提供预置优化的数种开源机器学习计算框架，其中包括mxnet、TensorFlow、Caffe、theano、Torch和CNTK等。P2提供了多达4万2千个CUDA计算内核，AWS同时预建了基于P2的深度学习计算集群，让普通程序员能轻松完成规模化的机器学习编程和应用。

Matt介绍说，自从P2产品上线以来，就受到了广大程序员的高度关注。一家叫做图森的中国创业公司正把P2用于研发智能汽车算法，通过使用车载图像识别设备和深度学习算法，图森软件可以在白天和夜间识别行驶汽车的周边，还能在平面图像中精准识别三维空间里的汽车的位置，精度达到厘米级。

在所有的开源深度学习框架中，AWS选择mxnet作为官方机器学习首选平台。Matt介绍说，之所以选择mxnet是因为它的可编程性、可移植性以及性能等。首先，mxnet支持包括Go、Python、Scala、R语言、JavaScript、C++等在内的广泛的计算语言，这是因为mxnet实际上由前端和后端两层组成，前端支持多种计算语言，但在后端却使用统一系统和通用运算符。

其次，在编程模式的选择上，mxnet同时支持命令行式编程和描述性编程这两大主流编程方式。对于Python或Groovy等支持命令行式编程模式的语言来说，命令行编程方式虽然灵活并能使用语言本身提供的多种原生功能，但却难以优化和用于大规模计算。而对于SQL等描述性编程语言来说，优化起来更加容易也支持更多的语言，但却缺乏灵活性，Caffe、theano、Caffe等都属于这种情况。mxnet则让程序员能同时获得这种两种编程方式，大幅提高深度学习编程的效率与灵活性。

第三，在可移植性方面，mxnet只需要很少量的存储空间即可运行，上千层的神经元网络也只需4G存储空间。在云中训练好的神经元模型，可以部署在智能手机、物联网设备、无人机等机器人设备甚至是基于JavaScript的浏览器里，因此mxnet程序的可移植性非常好。

第四，在编写并行高性能计算方面，mxnet也能创造更好的性能。mxnet可以轻松把串行算法改编为并行计算模式，并在一个GPU里的多个CUDA内核上运行，也能很容易地扩展到多个GPU上。

基于mxnet，AWS在本次re:invent大会上正式推出了自己的AI产品线，首批产品包括支持24种语言47种声音的文本到语音转换服务AmazonPolly、基于深度学习的图像和人脸识别服务AmazonRekognition以及可编写自然人机交互的AmazonLex。其中，AmazonLex使用了同样用于AmazonAlexa的自动语言识别和自然语言理解技术。由于与AWS编程环境Lamda集成在一起，开发者可以轻松使用Lex开发各种聊天机器人和服务机器人，并把这些机器人用于网络应用、即时通信工具，或为手机及物联网设备添加自然语言交互功能。

自2016年11月30日起，AmazonPolly、AmazonRekognition在美国东部、美国西部、欧洲等地的AWS区域推出，未来将陆续扩展到其它区域，而用户自即日起也开始申请使用AmazonLex的预览了。

本文出处：畅享网
本文来自云栖社区合作伙伴畅享网，了解相关信息可以关注vsharing.com网站。