• Вы находитесь тут:
  • Bad Android
  • Интервью
  • Мэтт Вуд об Amazon, искусственном интеллекте, облачных системах, машинном обучении и распознавании голоса
Мэтт Вуд

Мэтт Вуд об Amazon, искусственном интеллекте, облачных системах, машинном обучении и распознавании голоса

Интервью с доктором Мэттом Вудом, генеральным менеджером по искусственному интеллекту AWS, который пролил свет на динамику Amazon в облачных вычислениях, всеобъемлющих тенденциях в искусственном интеллекте и проблемах смещения в моделях машинного обучения и набора данных.

Мэтт Вуд

Интервью с доктором Мэттом Вудом, который курирует разработку платформ машинного обучения на AWS (Amazone).

    — Сегодня вы анонсировали SageMaker Streaming Algorithms, который позволяет AWS-клиентам быстрее настраивать модели машинного обучения. Какой была мотивация? Было ли это тем, за что клиенты выразили глубокую благодарность?

    — В AWS есть определенные вещи, в которые мы хотим инвестировать, и это то, что, по нашему мнению, со временем не изменится. Мы строим бизнес не на один год, 10 лет или 50 лет, а на 100 лет — намного дольше, чем я собираюсь жить и быть в ответе за него. Когда вы принимаете это, вы склонны вкладывать деньги не в то, что, по вашему мнению, изменится, а в то, что, по вашему мнению, останется неизменным.

    Для инфраструктуры и для AWS — и это подходит для машинного обучения, а стоимость — это действительно большой фактор… Мы не можем представить себе, если наши клиенты сказали бы, что они хотят, чтобы сервис был более дорогим. Поэтому мы выходим из принципа, что наш способ — это снизить затраты.

    Хороший пример — это то, что мы объявили пару лет назад, то что мы называем Trusted Advisor. Это функция, которую вы можете включить в свою учетную запись AWS, которая автоматически, без необходимости делать что-либо, дает рекомендации о том, как уменьшить ваш счет AWS. Таким образом, мы сэкономили клиентам более 300 миллионов долларов в год.

    Вот некоторые из преимуществ, которые предоставляет облако, и это то, что мы хотим сохранить.

    — Со стороны клиента вы объявили о стратегическом партнерстве с Epic, Baseball и другими. Почти все они заявили, что будут использовать AWS в качестве своей эксклюзивной облачной платформы. Так что там на практике? Какой была обратная связь?

    — Мы видим спрос в спортивной аналитике. Формула 1, Высшая лига бейсбола, Национальная футбольная лига выбрала AWS в качестве платформы для машинного обучения.

    Причиной этого является то, что они хотят использовать лучший опыт для своих зрителей, и они рассматривают машинное обучение как ключевую часть расширенной статистики следующего поколения, которую они хотят внедрить в свою производственную среду — все от предсказания и до результата

    Это только одна сторона медали. Другие сферы — фармацевтические препараты и здравоохранение.

    У нас есть соответствие HIPAA (документ, который является руководством по применению требований Закона об охране и ответственности за информацию, полученную в результате медицинского страхования), что позволяет нашим клиентам работать с оптимальными нагрузками на здравоохранение, поэтому мы видим много импульсов в прогнозировании болезней. Мы делаем диагностику диабетической ретинопатии, реадмиссии и другие.

    С этой целью мы объявили, что Bristol Myers Squibb использует SageMaker для ускорения разработки инновационной медицины.

    Celgene еще один действительно хороший пример.

    Celgene фактически запускает Gluon, платформа, которая является нашей библиотекой обучения компьютера, поверх SageMaker. Они используют преимущества графических процессоров P3 с Nvidia Volta под капотом. Итак, вы знаете, это действительно хороший пример для клиента.

    Это существенно ускорит способность иметь возможность быстрее и безопаснее выводить препараты на рынок.

    — Amazon предлагает множество услуг машинного обучения для разработчиков, таких как Rekognition — ваша платформа для просмотра компьютеров и Amazon Translate. Но у вас много конкуренции в пространстве от Google, Microsoft и других. Итак, как вы отличаете свои API и сервисы от остального?

    — Мы не тратим много времени на размышления о том, что наши конкуренты в чем-то лучше — мы склонны быть ориентированными на клиента. Мы запустили 100 новых сервисов и функций с Reinvent 2017, и ни один другой провайдер не выполнил более половины из этого. Я бы сказал, что 90−95 процентов от того, что мы запустили, напрямую зависело от отзывов клиентов, а другие 5−10 процентов обусловлены нашими попытками прочитать между строк и попытаться выяснить, что клиенты хотят попросить еще.

    SageMaker действительно полезен в тех случаях, когда у клиентов есть данные, которые, по их мнению, имеют дифференцирующую ценность. Затем есть разработчики приложений, у которых может не быть много доступных данных обучения, или они просто хотят быстро добавить определенный уровень интеллекта в свое приложение — вот, где Rekognition, Rekognition Video, Transcribe, Comprehend, Polly, Lex и Translate могут пригодиться.

    Мы часто шутим на эту тему, но наша задача — сделать машинное обучение скучным и полностью ванильным, просто частью курса ведения бизнеса и еще одним инструментом в сундуке. Мы привыкли к тому, что машинное обучение требует огромных инвестиций, но сейчас я думаю, мы достигли огромного прогресса в том, что оно стало доступным за очень короткое время.

    У нас есть высказывание в Amazon: Это еще один день для Интернета и для машинного обучения — мы еще даже не проснулись, а у нас уже первая чашка кофе. Но есть тонна волнений и переживаний. У нас есть десятки тысяч активных разработчиков на платформе и 250-процентный рост в годовом исчислении. Восемь из 10 загрузок машинного обучения работают на AWS — вдвое больше, чем любой другой провайдер. И клиенты действительно ценят, что основное внимание уделяется непрерывному совершенствованию платформы.

    Я в восторге от того, куда мы движемся.

    — Распознавание голоса и обработка естественного языка, в частности, являются чрезвычайно конкурентными прямо сейчас. Я знаю, вы сказали, что не слишком много думаете о том, что делают ваши конкуренты, но какие выгоды вы получили от рынка?

    — Эти услуги незаменимы, и мы видим, что контактные центры являются действительно большой сферой жизни.

    Многие клиенты используют Amazon Lex в качестве первой точки контакта. Национальная служба здравоохранения (NHS) в США провела эксперимент, где они представили чат Lex, он смог обработать 40 процентов своего объема вызовов. Это централизованный поставщик медицинских услуг во всех странах U.K., так что это действительно важно с точки зрения того, что пациенты могут быстрее разговаривают с кем-то, или NHS может более эффективно управлять своим контактным центром.

    Недавно мы объявили о разделении каналов, нам удалось записать данные в телефонном центре — две записи, один из агентов и один из клиентов — в том же файле, разделить канал, переписать их как самостоятельно, так и объединить транскрипты вместе. Вы получаете один файл, и тогда вы можете взять, и передать его в Comprehend, чтобы узнать, о чем разговор.

    Вы также можете выполнить проверку соответствия, чтобы убедиться, что говорят агенты контакт-центра. С точки зрения эффективности крупные контактные центры являются дорогостоящими и трудными для большинства организаций.

    — Вы упомянули о включении чуть раньше, и, как вы, вероятно, знаете, в отношении компьютерного видения нам предстоит пройти долгий путь — распознавание лица, особенно сложная задача для разработчиков и поставщиков инфраструктуры. Итак, как вы думаете, как это можно решить? Как мы можем улучшить эти алгоритмы, которые, например, кажутся неэтичными для людей с другим цветом кожи или другой этнической группы?

    — Это классический пример фейка. Если вы не очень внимательно относитесь к тому, откуда вы получаете свои данные, и если вы случайно с хорошими намерениями вводите некоторые критерии отбора данных в идеальном представительном наборе, вы собираетесь ввести неточности. Хорошей новостью является то, что с машинным обучением вы можете идентифицировать, измерять и систематически уменьшать эти неточности.

    Одним из ключевых преимуществ наших услуг, таких как SageMaker, является то, что чем быстрее вы сможете обучать и удерживать модели, тем быстрее вы сможете определить области точности и начать сужать неточности.

    Таким образом, любые инвестиции, которые мы делаем, такие как SageMaker Streaming Algorithms, способствуют ускорению вращения этого маховика и позволяют разработчикам выполнять итерации и создавать более сложные модели, которые преодолевают некоторые неточности внутри данных.

    В принципе, инвестиции позволяют разработчикам создавать более сложные модели, быстрее моделировать и работать более эффективно в производственной среде. Все это помогает.

    Справка

    SageMaker — платформа, которая позволяет разработчикам и специалистам по работе с данными быстро и просто создавать, обучать и развертывать модели машинного обучения в любом масштабе, получила два основных обновления: SageMaker Streaming Algorithms и SageMaker Batch Transform.

    • Первый, который доступен для моделей нейронных сетей, созданных с помощью TensorFlow от Google, позволяет клиентам передавать данные из службы простого хранения AWS (S3) непосредственно в экземпляры SageMaker и процессоров.
    • Второйпозволяет передавать большие учебные наборы с данными, не разбивая их на вызов API.

    Что касается аппаратного обеспечения, Amazon добавила Elastic Compute Cloud (EC2) в свою систему Snowball Edge, встроенную платформу Intel Xeon для обработки и сбора данных. Она позволяет расширить возможности локального хранения, вычисления, кэширования данных и машинного обучения с помощью AWS Greengrass, AWS Lambda и Amazon S3, что также позволило использовать новые категории виртуальных приложений на удаленном доступе в рабочих средах с ограниченными возможностями подключения.

    Что касается услуг, новый инструмент Channel Synthesis от Amazon Transcribe объединяет звук центра обработки вызовов с нескольких каналов в одну транскрипцию, а Amazon Translate теперь поддерживает японские, российские, итальянские, традиционные китайские, турецкие и чешские языки. Amazon Comprehend, Amazon для обработки естественных языков (NLP), теперь может улучшить анализ текста благодаря синтаксической идентификации.

    Наконец, Amazon обнаружила множество новых и расширенных партнерских отношений с основными клиентами.

    • Fortnite разработчик Epic Game сказал, что он создает «новые игры» на AWS;
    • 21-й век Fox будет использовать облачные сервисы Amazon для «подавляющего большинства» доставки контента по требованию;
    • Бейсбол Высшей лиги и Формула 1 планируют использовать инструменты AI AWS для анализа данных в режиме реального времени;
    • Celgene будет использовать платформу машинного обучения Amazon для ускорения анализа и проверки лекарств.
    0

    Комментарии


    Чтобы оставить комментарий, пожалуйста, авторизируйтесь!
    • Вы находитесь тут:
    • Bad Android
    • Интервью
    • Мэтт Вуд об Amazon, искусственном интеллекте, облачных системах, машинном обучении и распознавании голоса
    • Вы находитесь тут:
    • Bad Android
    • Интервью
    • Мэтт Вуд об Amazon, искусственном интеллекте, облачных системах, машинном обучении и распознавании голоса