人工智能 (AI) 和机器学习 (ML) 是全球业务、技术和研究人员都感兴趣的话题。大多数对人工智能和机器学习的描述都过分简化了两者之间的真实关系。本文为您理解人工智能奠定了基础，阐述了当今人工智能如何以机器学习为基础，并对 Amazon 机器学习服务做了简单介绍。
人工智能作为计算机科学的一个分支出现于 20 世纪 50 年代。它的两个主要目标是：1) 通过在计算机上建模和模拟来研究人类智能，以及 2) 通过像人类一样解决复杂问题来使计算机更有用。
从出现到 20 世纪 80 年代，大多数 AI 系统都是人工编程的，通常使用功能性、声明性或其他高级语言（例如LISP 或 Prolog）。语言中的符号代表了现实世界中的概念或抽象概念，构成了大多数知识表示的基础。
当初，研究人员感兴趣的是通用 AI，或创造出很难和人类区分、可作为系统运行的机器，但由于它的复杂性，大多数人专注于解决某一具体领域的问题，如感知、推理、记忆、语音、运动等。下表列出了当时的主要 AI 领域。
在下图中，下面几层提供了用于在每个领域构建解决方案的工具和基础。例如，主域下面是对当时常用的许多推理机制和知识表示的采样。
随着与符号 AI 相关的研究资金的日益减少，许多研究人员和从业人员将注意力转向了更为实用的信息搜索和检索、数据挖掘，以及各种形式的机器学习领域。
从 20 世纪 80 年代末到 21 世纪，人们研究了多种机器学习方法，包括神经网络、生物学和进化技术以及数学建模。早期最成功的结果是通过机器学习的统计方法获得的。线性和逻辑回归、分类、决策树、基于内核的方法（即支持向量机）等算法大受欢迎。
后来，深度学习被证明是构建和训练神经网络以解决复杂问题的有效方法。其基本训练方法与之前相似，但是有一些改进推动了深度学习的成功，包括：
今天的人工智能主要依赖的不再是符号知识表示和程序推理机制，现代 AI 而是建立在新的基础上，即机器学习。无论是传统的基于数学的机器学习模型或决策树，还是深度学习的神经网络架构，当今人工智能领域的大多数 AI 应用程序都是基于机器学习技术。
机器学习仍面临许多问题和挑战。下表列出了基于机器学习的人工智能的一些优势和局限性。
鉴于今天的人工智能是建立在机器学习的新基础之上，而机器学习长期以来一直是研究者和数据科学家的研究领域，我们如何才能使各种组织中具有不同背景的人员更好地利用它呢？
亚马逊云科技致力于机器学习的民主化。我们的目标是让具有不同训练和经验水平的客户以及各种组织都能广泛地使用机器学习。在下图中，您可以看到当前的 Amazon 机器学习服务是如何映射到其他人工智能图的。
第一层显示了人工智能服务，这些服务是使用机器学习（尤其是深度学习模型）创建的，功能经过预先训练，可通过 API 调用访问，并使得客户能够向其应用新增智能，开发人员无需具备任何机器学习知识就能使用它们。
Amazon Forecast 是一项完全托管的服务，可提供高度准确的预测，并且基于 Amazon 所使用的相同技术。您提供历史数据，以及被认为影响预测的任何其他数据。Amazon Forecast 检查此类数据，识别有用的数据并生成一个预测模型。
Amazon Personalize 可让开发人员轻松使用其应用程序为客户创造个性化产品和内容推荐。您提供来自应用程序的活动流、您想要推荐的商品的清单以及来自用户的潜在人口统计信息，Amazon Personalize 处理和检查此类数据、识别有用的数据、选择正确的算法以及训练和优化个性化模型。
Amazon Lex 是一项可在任何使用语音和文本的应用程序内构建对话接口的服务。Amazon Lex 可提供高级的自动语音识别 (ASR) 深度学习功能 (用于将语音转化成文本) 和自然语言理解 (NLU) (用于识别文本意图)，使您构建出的应用程序能够具备参与度极高的用户体验和逼真的交互式对话。
Amazon Comprehend是一种自然语言处理 (NLP) 服务，利用机器学习技术查找文本中的见解和关系。Amazon Comprehend 可识别文本的语言；提取关键短语、地点、人物、品牌或事件；理解文本的正面或负面情绪；并按主题自动组织文本文件集合。
Amazon Comprehend Medical 是一种自然语言处理服务，利用高级机器学习模型从非结构化文本中提取相关医疗信息。您可以使用提取出的医疗信息和它们之间的关系来构建或增强应用程序。
Amazon Translate 是一种神经元网络机器翻译服务，可提供快速、优质且经济实惠的语言翻译。神经元网络机器翻译是一种自动化语言翻译形式，使用深度学习模型来提供比基于统计数据和规则的传统机器翻译算法更加准确、自然的翻译。借助 Amazon Translate，您可以将内容本地化，以方便国际用户使用，开元体育并且可以轻松、高效地翻译大量文本。
Amazon Polly 是一种可将文本转换为逼真语音的服务，可让您构建支持聊天的应用程序，并且打造全新类别的具有语音功能的产品。Amazon Polly 是一种文本转语音服务，它使用先进的深度学习技术来合成听起来像是人声的语音。
Amazon Transcribe 是一种自动语音识别 (ASR) 服务，使开发人员可以轻松地为其应用程序添加语音功能。通过使用 Amazon Transcribe API，您可以分析存储在 Amazon S3 中的语音文件，并让该服务返回转录语音的文本文件。
Amazon Rekognition 让您能够轻松地向应用程序添加图像和视频分析。您只需向 Rekognition API 提供一个图像或视频，该服务即可识别物体、人物、文本、场景和活动，并且检测是否含有任何不当内容。Amazon Rekognition 还提供高度准确的人脸分析和人脸识别，您可以在各种各样的用户验证、编录、人数统计和公共安全使用案例中检测、分析和比较人脸。
Amazon Textract 从扫描文档和表单中自动提取文本和数据，它不只提供简单的光学字符识别，它还可以识别表单中的字段内容和表格中存储的信息。
图3 中的ML服务层为开发人员、数据科学家、研究人员和其他客户提供更多的托管服务和资源访问权限，以构建其自定义 ML 模型，用于解决推理和预测、推荐系统和指导自主驾驶汽车等任务。
Amazon SageMaker 是一项完全托管的机器学习 (ML) 服务，可帮助开发人员和数据科学家快速、轻松地构建、训练和部署任何规模的机器学习模型。Amazon SageMaker Ground Truth 可使用主动学习模型标记数据，将机器学习和人工干预相结合，帮助快速准确地构建训练数据集，从而让该模型变得越来越好。
SageMaker 提供完全托管和预先构建的 Jupyter 笔记本，以解决常见使用案例。该服务带有多个内置高性能算法，还有适用于机器学习的 Amazon Marketplace，包含100多种预先训练好的 ML 模型和算法。您还可以自带内置于 Docker 容器的算法和框架。
Amazon Sagemaker 包括内置的、完全托管的强化学习 (RL) 算法。在没有预先标记的历史数据但期望有最佳结果的情况下，RL 是理想的选择。RL 使用奖励和处罚来训练，引导模型朝着期望的行为发展。SageMaker 在多个框架中都支持 RL，包括 TensorFlow、MXNet 以及定制开发的框架。
SageMaker 建立和管理训练环境，并且通过 Automatic Model Tuning 提供超参数优化，使模型尽可能准确。Sagemaker Neo 支持您将经过训练的同一模型部署到多个平台。Neo 使用机器学习优化模型的性能和大小，并部署到包含 Neo 运行时的边缘设备。SageMaker 支持跨多个可用区分布式运行的模型部署，以提供高性能和高可用性。
与ML服务并行的是开发者学习框架层。这一层侧重于向用户传授 ML 技术和技巧，因此不适用于大规模生产。
ML 平台层下面是ML引擎和框架层。这一层提供对最热门的机器学习工具的直接并可实际动手操作的访问。这一层包含亚马逊云科技深度学习 AMI，将几个重要的工具和框架打包在一起，用于训练复杂的自定义 AI 模型。您可以创建托管的并自动扩缩的GPU 集群以进行大规模训练，或者通过计算优化型或通用型 CPU 实例在已训练好的模型上运行推理。
基础设施和无服务器环境层提供了支持训练和部署机器学习模型的工具。机器学习需要各种功能强大的计算选项，从用于计算密集型深度学习的 GPU 到用于专用硬件加速的 FPGA，再到用于运行推理的内存增强型实例，应有尽有。
Amazon EC2 提供了经过优化的广泛实例类型，以适应机器学习不同使用场景的需求。实例类型包括 CPU、内存、存储和网络容量的各种组合，无论您是训练模型还是在已训练好的模型上运行推理，都可以灵活选择合适的资源组合。
有了无服务器选项后，就不必再管理特定基础设施，使客户能够专注于部署 ML 模型和运行其系统所必需的其他逻辑。亚马逊云科技提供的一些无服务器 ML 部署选项包括 Amazon SageMaker 模型部署、用于容器的 Amazon Fargate 和用于无服务器代码部署的 Amazon Lamba。
亚马逊云科技还提供了一个选项，可使用 Amazon SageMaker Neo 和 Amazon IoT Greengrass ML Inference 将 ML 模型推送到边缘侧，从而使得模型在互联设备的本地运行。这样，客户就可以使用在云中生成和训练的 ML 模型，并在互联的设备上本地部署和运行 ML 推理。
许多人都互换使用术语 AI 和 ML。从表面上看，这似乎是不正确的，因为过去机器学习只是 AI 内部的一个领域。
如今，机器学习的算法和模型取代了传统的符号推理、知识表示和语言。对大型数据集的训练已取代了手动编码的算法和启发式方法。实际上，机器学习已成为大多数现代 AI 系统的基础。因此，如今将术语 AI 和 ML 互换使用比以往任何时候都更有意义。
亚马逊云科技提供了多种机器学习产品，从预先训练的即用型服务到用于创建自定义 ML 模型的工具和框架，应有尽有。不同行业、不同经验水平的客户都可以添加 ML 功能来改善其现有系统，并在以前未曾涉足的领域中创建独特的应用程序。
想要了解更多 AI 和 ML 内容？快来报名参加 2021亚马逊云科技中国峰会线日，亚马逊云科技线日精彩继续！如果您对人工智能未来发展前景非常关心，有自己独到的见解，想与领域大咖激情探讨，一定不要错过9月14日——人工智能和机器学习大会。带大家抢先预览一下重磅日程！！！
11：00-11：30 围炉谈话(与粉丝万级技术大咖吴恩达共话ML未来发展）
这一次，我们邀请了百位业界大咖分享满满干货，还将开放开发者社区论坛、HERO故事会以及线上培训课程，带大家沉浸式体验“大佬竟在我身边”！
快戳下方卡片，报名亚马逊云科技中国峰会，开启这场“技术”含量爆表的头脑风暴吧！
