來自瑞典的Dafgards是一家冷凍披薩制造商，保質(zhì)保量的生產(chǎn)出符合標(biāo)準(zhǔn)的披薩是他們的首要目標(biāo)，一旦尺寸不合格、配料不齊全或是奶酪含量不達(dá)標(biāo)的披薩流入市場(chǎng)，消費(fèi)者就會(huì)對(duì)食品廠家的品牌失去信任——因此產(chǎn)品檢測(cè)環(huán)節(jié)尤為關(guān)鍵。
傳統(tǒng)的人工檢測(cè)方法顯然效率低下，而且容易出現(xiàn)錯(cuò)檢、漏檢現(xiàn)象，Dafgards希望能夠利用當(dāng)下非?；馃岬臋C(jī)器學(xué)習(xí)技術(shù)解決這一問題，然而在真正實(shí)際應(yīng)用的時(shí)候，才發(fā)現(xiàn)機(jī)器學(xué)習(xí)方案的部署是一項(xiàng)非常復(fù)雜且昂貴的工作，需要很多專業(yè)人才，期間涉及大量試錯(cuò)，僅靠自身難如登天。
許多和Dafgards類似的制造商都會(huì)遇到相同的問題——如何降低“門檻”，讓機(jī)器學(xué)習(xí)更易用并拓展到更加廣闊的使用者、應(yīng)用場(chǎng)景和行業(yè)，是亞馬遜云服務(wù)(AWS)始終追求的目標(biāo)。所以在近日舉行的亞馬遜re:Invent大會(huì)上，我們能夠看到AWS為了讓機(jī)器學(xué)習(xí)不再那么“可望而不可及”而做出的許多創(chuàng)新。
客戶的需求是唯一的“指南針”
在設(shè)計(jì)新方案或開發(fā)新工具的時(shí)候，客戶需求是AWS唯一的“指南針”。通過與客戶的深入交流，AWS發(fā)現(xiàn)制造業(yè)當(dāng)前的挑戰(zhàn)主要集中在兩大方向。
第一，如何保證產(chǎn)品的質(zhì)量？無論是忘了加奶酪的披薩，還是表面出現(xiàn)劃痕的手機(jī)，亦或是螺絲沒有擰緊的汽車……一個(gè)看起來毫不起眼的缺陷或瑕疵，輕則致使企業(yè)的商譽(yù)和財(cái)產(chǎn)遭受損失，重則甚至?xí)?dǎo)致傷亡事故的發(fā)生。用機(jī)器替代人眼進(jìn)行產(chǎn)品質(zhì)量檢測(cè)是大勢(shì)所趨，關(guān)鍵在于如何低成本、自動(dòng)、快速且準(zhǔn)確地對(duì)圖像和視頻進(jìn)行視覺異常檢測(cè)。
Amazon Lookout for Vision為客戶提供了一種高精度、低成本的異常檢測(cè)解決方案，可以通過機(jī)器學(xué)習(xí)技術(shù)每小時(shí)處理數(shù)千張圖像以發(fā)現(xiàn)缺陷和異常，例如機(jī)器部件的裂紋、面板上的凹痕、不規(guī)則的形狀或產(chǎn)品上的顏色錯(cuò)誤等等……
在說明這項(xiàng)服務(wù)的優(yōu)勢(shì)時(shí)，AWS全球機(jī)器學(xué)習(xí)副總裁Swami Sivasubramanian(簡(jiǎn)稱Swami)舉了個(gè)通俗易懂的例子：以Dafgards為例，如果沒有Amazon Lookout for Vision，這家冷凍披薩制造商需要雇傭數(shù)個(gè)計(jì)算機(jī)視覺方面的專業(yè)人員，然后開發(fā)、訓(xùn)練并部署相應(yīng)的模型，至少花費(fèi)數(shù)月才能完成這項(xiàng)工作。如今，Dafgards只需將30個(gè)合格披薩餅產(chǎn)品的圖像輸入AWS提供的基礎(chǔ)模型，就能獲得一個(gè)可以快速、準(zhǔn)確判斷披薩餅是否合格的機(jī)器學(xué)習(xí)模型。
類似的，AWS Panorama通過計(jì)算機(jī)視覺改善工業(yè)運(yùn)營(yíng)和工作場(chǎng)所安全。其中，AWS Panorama一體機(jī)是一個(gè)硬件設(shè)備，將它連接到工業(yè)場(chǎng)所的網(wǎng)絡(luò)中，它就可以自動(dòng)識(shí)別攝像頭數(shù)據(jù)流，與工業(yè)攝像頭進(jìn)行交互；AWS Panorama軟件開發(fā)套件（SDK），則能方便工業(yè)相機(jī)制造商在新相機(jī)中嵌入計(jì)算機(jī)視覺功能。
除了質(zhì)量，制造業(yè)客戶最關(guān)心的第二個(gè)問題莫過于如何降低成本？在制造過程中，任何計(jì)劃外的停機(jī)都可能會(huì)給企業(yè)帶來高昂的成本代價(jià)。雖然設(shè)備的故障不可避免，但用預(yù)測(cè)性維護(hù)來代替?zhèn)鹘y(tǒng)的被動(dòng)維護(hù)/預(yù)防性維護(hù)顯然是一個(gè)不錯(cuò)的主意。
然而，這需要企業(yè)雇傭熟練的技術(shù)人員和數(shù)據(jù)科學(xué)家從頭構(gòu)建復(fù)雜的解決方案，同時(shí)需要針對(duì)用例識(shí)別和購買正確類型的傳感器，并將它們連接至IoT網(wǎng)關(guān)。然后，公司必須測(cè)試監(jiān)測(cè)系統(tǒng)，并將數(shù)據(jù)傳輸?shù)奖镜鼗蛟粕线M(jìn)行處理。只有這樣，數(shù)據(jù)科學(xué)家才能構(gòu)建機(jī)器學(xué)習(xí)模型來分析數(shù)據(jù)模式和異常情況，或者在檢測(cè)到異常時(shí)創(chuàng)建警報(bào)系統(tǒng)——這個(gè)過程對(duì)大多數(shù)企業(yè)來說都太過復(fù)雜了。
新的AWS機(jī)器學(xué)習(xí)服務(wù)則可提供眾多幫助：Amazon Monitron和Amazon Lookout for Equipment通過機(jī)器學(xué)習(xí)支持預(yù)測(cè)性維護(hù)。Amazon Monitron面向沒有建立傳感器網(wǎng)絡(luò)的客戶，提供由傳感器、網(wǎng)關(guān)和機(jī)器學(xué)習(xí)服務(wù)組成的端到端機(jī)器監(jiān)控系統(tǒng)，檢測(cè)異常并預(yù)測(cè)何時(shí)需要維護(hù)工業(yè)設(shè)備；Amazon Lookout for Equipment面向已經(jīng)擁有傳感器、但不希望自己構(gòu)建機(jī)器學(xué)習(xí)模型的客戶，由AWS為其構(gòu)建模型并返回預(yù)測(cè)結(jié)果，檢測(cè)異常設(shè)備行為。由此，制造企業(yè)可以輕量地?fù)碛邢冗M(jìn)的預(yù)測(cè)性維護(hù)解決方案。
Amazon Monitron Starter Kit
AWS最新發(fā)布的五項(xiàng)用于工業(yè)領(lǐng)域的機(jī)器學(xué)習(xí)服務(wù)（Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一體機(jī)、AWS Panorama SDK和Amazon Lookout for Vision），也是AWS首次推出的開箱即用的工業(yè)領(lǐng)域機(jī)器學(xué)習(xí)解決方案。據(jù)悉，目前已經(jīng)使用AWS工業(yè)領(lǐng)域機(jī)器學(xué)習(xí)服務(wù)的客戶和合作伙伴包括Axis、凌華科技、BP、德勤、Fender芬達(dá)、GE醫(yī)療和西門子交通等等。
為不同水平的客戶提供不同的工具
AWS在為客戶提供機(jī)器學(xué)習(xí)服務(wù)時(shí)，不僅會(huì)根據(jù)不同客戶的具體需求，還會(huì)考慮到它們自身的技術(shù)水平，并據(jù)此劃分了三層服務(wù)。
我們不妨用一個(gè)形象的比喻來說明這三個(gè)層級(jí)：如果一個(gè)人本身就是經(jīng)驗(yàn)豐富的大廚，那么我們只用為其提供廚具和原料，他就能原創(chuàng)一道驚艷的菜式；如果一個(gè)人只是稍微有點(diǎn)兒廚房經(jīng)驗(yàn)，那我們還得為其提供詳細(xì)的菜譜進(jìn)行指導(dǎo)；如果一個(gè)人完全就是個(gè)廚房小白，那我們不如直接給其提供現(xiàn)成的“料理包”，讓他稍微加熱一下就能享用美味。
對(duì)應(yīng)到AWS，就是要打造包羅萬象的工具箱，賦能每一位AI工作者。用AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡的話來說就是：right tool for the right job（為每一項(xiàng)工作都提供一個(gè)趁手的工具）。
在工具集的底層，面向那些技術(shù)能力超強(qiáng)并希望將人工智能和機(jī)器學(xué)習(xí)作為自己的核心競(jìng)爭(zhēng)力的客戶。AWS為他們提供了強(qiáng)大的算力、全面的算力選擇以及豐富的機(jī)器學(xué)習(xí)框架選擇。具體而言，AWS支持主流的機(jī)器學(xué)習(xí)框架，客戶還可以通過容器部署的方式，自帶機(jī)器學(xué)習(xí)框架；AWS可以提供基于英偉達(dá)、英特爾、AMD、賽靈思等芯片廠商的最新處理器的強(qiáng)大算力，同時(shí)還通過自主設(shè)計(jì)的處理器，極大地降低機(jī)器學(xué)習(xí)的算力成本。
在工具集的中間層，面向那些技術(shù)能力較強(qiáng)的客戶，他們有大量的數(shù)據(jù)可以進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練，有一定的算法人才，不想花精力管理基礎(chǔ)設(shè)施，只想專注于自己的應(yīng)用和業(yè)務(wù)創(chuàng)新。AWS的Amazon SageMaker為他們提供了首個(gè)全托管的機(jī)器學(xué)習(xí)集成開發(fā)環(huán)境，并為這個(gè)開發(fā)環(huán)境不斷增加新功能，從數(shù)據(jù)準(zhǔn)備、到模型訓(xùn)練、參數(shù)調(diào)優(yōu)與模型迭代、到模型部署、模型質(zhì)量監(jiān)控，在整個(gè)過程中最大限度地提高他們開展機(jī)器學(xué)習(xí)的效率，降低他們開展機(jī)器學(xué)習(xí)的門檻。
2020年6月4日，中科創(chuàng)達(dá)率先宣布，已經(jīng)將Amazon SageMaker集成到了自家ADC系統(tǒng)中，讓制造業(yè)客戶可以在工業(yè)生產(chǎn)中輕松獲得AI質(zhì)檢能力。
最后，在工具集的頂層，面向技術(shù)能力相對(duì)薄弱的客戶，他們有一定的數(shù)據(jù)，但沒有算法人才，他們希望在業(yè)務(wù)場(chǎng)景中直接引入人工智能。AWS為他們提供開箱即用的人工智能服務(wù)，目前已經(jīng)涵蓋機(jī)器視覺、語音文字轉(zhuǎn)換、機(jī)器對(duì)話、文本處理、電商業(yè)務(wù)、客服、企業(yè)內(nèi)信息搜索、開發(fā)與運(yùn)維、工業(yè)AI等方面。
機(jī)器學(xué)習(xí)就是AWS的下一個(gè)金礦
遙想2016年，AWS只在當(dāng)年發(fā)布了三個(gè)機(jī)器學(xué)習(xí)服務(wù)；與之相比，最近三年，AWS每年新增的服務(wù)和功能超過200個(gè)——這一方面說明了相關(guān)技術(shù)正在從概念走向成熟，另一方面也說明了以制造業(yè)為代表的千行百業(yè)的客戶需求正在爆發(fā)。
Swami在亞馬遜re:Invent大會(huì)上發(fā)表機(jī)器學(xué)習(xí)和人工智能主題演講時(shí)表示：“機(jī)器學(xué)習(xí)是我們這一代人能遇到最具顛覆性的技術(shù)之一，目前已經(jīng)有超過10萬客戶在使用AWS的機(jī)器學(xué)習(xí)服務(wù)，很多客戶已經(jīng)將機(jī)器學(xué)習(xí)用于其核心業(yè)務(wù)。”
BP是一家全球性能源企業(yè)，為客戶提供運(yùn)輸用燃料，熱能和光能，潤(rùn)滑油以及用于制造油漆、服裝、包裝物等日常用品的石化產(chǎn)品。BP在全球擁有18,000個(gè)服務(wù)站和74,000多名員工。BP美國(guó)首席技術(shù)官Grant Matthews說：“我們位于bpx的工程團(tuán)隊(duì)正與AWS緊密合作，以構(gòu)建一個(gè)物聯(lián)網(wǎng)和云平臺(tái)，助力BP持續(xù)提高運(yùn)營(yíng)效率。作為這項(xiàng)工作的一部分，我們也在探索通過計(jì)算機(jī)視覺輔助提高安全性和工作人員安全。我們希望利用計(jì)算機(jī)視覺實(shí)現(xiàn)卡車自動(dòng)化進(jìn)出工廠，確認(rèn)它們已完成正確的訂單。此外，我們還在監(jiān)控人員距離、設(shè)置動(dòng)態(tài)禁區(qū)和檢測(cè)石油泄漏等方面看到了通過計(jì)算機(jī)視覺輔助保護(hù)工人安全的可能性。AWS Panorama創(chuàng)新地實(shí)現(xiàn)了在單一硬件平臺(tái)上以直觀的用戶體驗(yàn)提供所有這些解決方案。我們的團(tuán)隊(duì)非常高興與AWS一起使用這項(xiàng)新技術(shù)，并期望解決許多新的用例。”
GE醫(yī)療是全球領(lǐng)先的醫(yī)療技術(shù)和數(shù)字解決方案的創(chuàng)新者，致力于開發(fā)、制造和分銷診斷成像劑、放射性藥物、CT和MRI機(jī)器等醫(yī)療診斷設(shè)備、以及由其Edison數(shù)字醫(yī)療智能平臺(tái)支持的智能設(shè)備。“今天，我們通過人工檢驗(yàn)醫(yī)療設(shè)備的質(zhì)量。為了提升我們的品牌并為醫(yī)療保健專業(yè)人員提供值得信任的一流產(chǎn)品，我們很高興能夠通過Amazon Lookout for Vision探索以編程方式提高GE醫(yī)療日本工廠產(chǎn)品缺陷檢測(cè)的速度、一致性和準(zhǔn)確性的可能性，短期內(nèi)還可能應(yīng)用于全球其他區(qū)域的工廠中。”GE醫(yī)療日本工廠經(jīng)理、產(chǎn)線運(yùn)營(yíng)官和總經(jīng)理Kozaburo Fujimoto說。
從這些落地的事例可以看出——毫無疑問，機(jī)器學(xué)習(xí)就是AWS的下一個(gè)金礦。
