亚马逊掀起了机器学习的新浪潮：功能强大且可行的Alexa式对话界面。在今天的AWSRe:Invent大会上，亚马逊推出了一系列全新的机器学习解决方案——一方面是为了在激烈的市场竞争中继续保持领先，另一方面则是将各种任务从简单到整合复杂的。类工具被交付到各种专业级产品中。铁杆用户的硬件选择毫无疑问，亚马逊的每一轮公告都必须包含与AWSEC2相关的内容。今天发布的与机器学习相关的ElasticGPU允许将GPU附加到八种现有EC2实例类型中的一种，这意味着用户不再需要像过去那样从少数预装GPU实例中进行选择。几乎可以肯定，这是亚马逊对谷歌近期举措的回应。就在上个月初，谷歌首次在其云中提供GPU实例，允许最多八个GPU连接到现有系统。无论起点如何，亚马逊的应对都能有效提高EC2中使用GPU资源的灵活性。不过需要指出的是，该服务尚未向所有亚马逊客户开放：截至目前，亚马逊给出的上线时间仍是“很快”。GPU可以说是当前机器学习浪潮下硬件革命的基础，但亚马逊等厂商已经开始将目光投向了下一个战场：FPGA。Amazon最新的EC2实例类型F1包含八个XilinxUltraScale+VU9PFPGA，并提供配套的编程工具。FPGA很可能是CPU的补充，而不是替代。IDC软件开发研究项目主管AlHilwa在一封电子邮件中指出，FPGA“通常用于处理高度定制的计算工作负载，包括用于机器学习的图像、视频和音频流。”目前针对GPU的机器学习软件工具远远多于针对FPGA的，但是为F1编写的应用也可以在AWSMarketplace上共享，这些应用最终应该会提供更多的开发资料，可以作为参考、复用和重构.SeeandTell不是每个人都想从头开始构建项目。针对这些受众，亚马逊针对文本转语音、图像识别和会话界面推出了三项基于机器学习的新服务。其中，AmazonRekognition可能是最熟悉的——本质上是一组现有深度学习功能的改进版本。在为其提供图像后，Rekognition将识别图像中的常见对象（包括面部识别机制），然后提供图像中各个方面的反馈（例如一般情绪结论，如“看起来很开心”）。这些API非常简单，可以轻松集成和演示，但生成的数据可以存储并由其他更复杂的应用程序重复使用。AmazonPolly是一项文本转语音服务，允许用户将文本内容翻译成语音表达。例如，“NYC”等缩写会自动扩展为“NewYorkCity”，但会自动扩展为“MainSt.”。和“St.Peter”扩展为“Avenue”和“St.Peter”。个别文本还可以与其他上下文数据相匹配，以提供更准确的转换。但是亚马逊的优势在于在基本正确性要求下的易用性，所以除了极端情况，我们不需要花那么多时间来提高准确率。AmazonLex对亚马逊来说是一次冒险，它提供了一套用于构建语音驱动对话界面的工作流程——使用AmazonAlexa服务和AmazonEcho设备的专有引擎。Lex工作流是使用与聊天机器人相同的一些概念构建的，它们可以与来自其他亚马逊技术解决方案（例如AWSLambda）的业务逻辑交互。目前，Lex仅在美国东部AWS区域提供预览版，但鉴于其无需微调机器学习组件即可实现一流结果的承诺，它可能会在不久的将来受到欢迎。原标题：亚马逊下一波机器学习：强大、实用作者：SerdarYegulalp
