不知道 從什么時候開始人工智能一詞開始出現在我們的視野當中，隨后就一發不可收拾瘋狂傳播開來。現代的技術廠商，如果沒有關于AI(人工智能)的策略、服務、產品，他都不好意思說自己是提供技術的服務商。那么，是什么讓AI實現成為可能，又讓AI討論如此火熱? AWS看到市場上存在著三個趨勢。首先，網絡技術的改進、速度的提升促使越來越多的設備，IoT、移動、攝影等設備連接到網絡中;其次，設備數量導致數據數量急劇增加，實時數據處理的需求也日益增多，但是數據存的種類不同，不同狀態，要處理這些數據就需要更加靈活的架構和服務;第三，基于不同設備產生的巨大量數據，人們真正希望的是它能變得更聰明，能在更加復雜的環境中應用，這樣就出現了AI，而且深度學習與機器學習算法也是促使了AI的實現成為可能。

三大原因催生AI產業

聽到了那么多，看到了那么多關于AI的介紹，我們也知道了深度學習使AI成為可能，但僅僅是技術的驅動還不足以點燃人們對AI技術的熱情。任何一個事物的流行，都是因為它能為人們帶來利益或解決問題，那么AI究竟能做什么？對此，在AWS re:Invent 2017大會的一場采訪中，AWS亞地區AI、大數據、分析部門負責人Craig Stires作出了回答：

“AI并不僅僅只是一技術，真正讓人們對它感到興奮的是，我們可以對它做做么，”Craig說。亞馬遜對人工智能，或者說機器學習的研究已有20多年的經驗，它看到人們對AI應用可以分成三大類別：

無縫體驗：打破了用戶和企業內部體驗的邊界。它給用戶提供了一種，沒有人工邊界的，身臨其境的自然體驗，包括語音增強、行為檢測、智能視覺環境，以及對行為的響應。在實際應用場景中的表現為，聊天和機器人顧問、情緒檢測和響應、個人的面部檢測等。

自主機器：有自主意識的機械化勞作提高了可靠性與安全性。這樣的機器自主系統將無差別的、或不安全的人為任務和決策，例如預測性維護、車間自動化、機器人應急響應等，轉換給機器執行。機器可以更大規模地提升效率，準確率和安全性。

科學突破：AI在這領域的應用，可以說是將發現帶入了黃金時代，它可以幫助解決人類 、動物和地球的基本需求。使用深度學習的科學的發現往往需要巨大量的計算能力，來構建有效的模型，有了框架和平臺的幫助，科學人員可以變成分析師。目前，這一領域的應用場景主要有病人治療和安全、城市維護、量子/粒子增強等。

例如在Amzon Go無人便利店就是應用AI一個具體場景，它結合了計算機視覺、傳感器和深度學習等技術，來了解為喜愛和討厭的商品，進而通過機器學習來了解存貨和進貨的模式，給用戶提供更好的商品。

事實上AI的過程就是通過數據訓練正負面加強的模型，然后建立模型，再從模型中提取預測信息，生成反饋數據，再進行訓練這樣的一個循環的過程。根據這樣的AI需求，AWS基于其再有的技術與產品構建從底層基礎架構到頂層應用服務的完整AI架構。架構圖如下：

為了讓用戶，讓開發者更好的實現AI，得到他們期望的結果。在這次的re:Invent，亞馬遜AWS部門的CEO Andy Jassy公布七款新的AI產品：

Amazon SageMaker：事實上，機器學習，從數據收集、選擇優化、安裝管理、再到模型訓練、生產環境部署，這一系列的流程對于開發人員過于復雜。Amazon SageMaker預置了一些常見問題的記錄和高必能算法，可以更方便的開發人員建立、訓練和部署機器學習模型。
AWS DeepLens：AWS DeepLens（深鏡）是全球首款為開發者提供的內置深度學習能力的智能攝像頭，其內集成了Amazon SageMaker和AWS Lambda,并預置了一些教程、案例、演示和預建的模型。
Amazon Rekognition Video：實時或批量視頻分析服務，包括對象和場景、人臉分析和識別、非正常內容檢測、明星識別、文字中的圖片識別等功能。
Amazon Kinesis Video Streams： 它可以幫助安全地導入和存儲視頻、音頻和其它有時間標簽的數據。
Amazon Transcribe：它可以自動識別語音識別，并將語音轉成語法正確的準確的文本內容。
Amazon Translate：自動多語種文字翻譯服務，可以實時翻譯，批量分析，自動識別語言。
Amazon Comprehend：全托管的自然語言處理理解服務，能夠發現文本內容中有價值的見解。

利用好機器學習平臺要擁有合適基礎支撐，你需要有更加可靠的、強大的安全控制，你需要性能更好的GPU，然后需要一個支持機器學習的服務，Andy表示，更重要的是開發人員需要更加深入地理解機器學習，更好地利用，更容易地在機器學習中獲得成功。

現在，美國NFL(國家橄欖球聯盟)采用了AWS的機器學習平臺。通過利用這一平臺來追蹤隊員的接球、傳球等行為，從而更好地判斷出球傳給哪名運動員，獲得勝利的機率更高。

有因才有果，今天AWS告訴了你AI生產的原因、常用的環境，就是希望企業能更好地得利用AI技術，得到他們想要結果。