技术民主化这一概念并非当代原创，上世纪90年代由美国哲学家安德鲁芬伯格提出，宗旨在于让把握技术的精英承担起整个社会阶层的责任，同时让整体公众参与技术设计，最终实现一种技术的协同。

不过这一概念由于实操性较差，基本还停留在理论层面。如今，因为有了云计算可以谈机器学习的能力，自动化可以借助人工智能、应用软件的力量进行预测分析，人工智能让数字世界迎来一个新平台。

经历60多年的潮起潮落，人工智能的再次兴起让整个世界变得兴奋，但AI技术使用起来仍有很高的门槛，今年开始，“AI技术民主化”被科技巨头频频提及，要推动AI技术民主化，需要有实用的平台和工具，并且有能力来确保这种新的、快速增长的技术普及，有益于每个人的生活。

机器学习云中复兴 AWS加快普及速度

人工智能和机器学习并不是一个全新的概念，已经有60多年的历史，大约在30年前的时候，机器学习很大的进展，但机器学习需要很多的数据、需要巨大的运算能力以及高技能的操作者。

随着云计算的发展，用户可以快速获得海量数据，可以随需调用计算能力，人工智能再掀新潮。

当人工智能火热的时候，AWS没有喊出人工智能的各种概念，而是强调让机器学习和深度学习更普及。

比如，以前可能就只有大型的互联网公司、大的公司才可以在自己的数据库上、数据中心上跑AI这么大的一个系统，因为AWS的出现，改变了这样的状态，哪怕是一个小型的初创企业，也可以从零开始、安全的使用人工智能，按需使用所需要的服务和技术。

首先，创新是亚马逊的DNA，AWS是数字驱动或机器学习驱动的公司。

对于亚马逊而言，深入关注和使用机器学习有超过20年的历史，从早期亚马逊网上图书销售时开始，就在使用机器学习的能力来给客户进行推荐，订单旅行中心，并通过机器学习做预测，还有最后一英里的无人机运输、送货等，从而确保整个供应链能够达到进一步的优化。

亚马逊AWS副总裁Swami Sivasubramanian

亚马逊AWS副总裁Swami Sivasubramanian表示，现在机器学习完全深入到AWS业务的方方面面，改变了整个公司的内部的架构AWS每一个事业部门负责人都会考虑如何更好的使用机器学习。

比如，亚马逊的Echo智能扬声器的主人Alexa就是基于机器学习、深度学习基础之上的产物，亚马逊的Alexa团队正在开始分析用户的声音来识别他们的情绪或情绪状态。

另外，客户其实都是有非常大量的需要跑的数据和计算的需求，包括Amazon GO和Alexa，其实都是需要有非常大量的数据。Amazon GO从摄像机这里捕捉到的数据的量是非常大的，从计算，存储，数据库，网络，分析的底层架构到机器学习和AI平台，AWS都有强大的系统工具和平台供开发者和行业客户使用。

第二，创新的速度不断加快，仅在今年AWS就发布了130项AI的功能和服务。

现在数以万计的活跃开发者在AWS上训练机器学习，去年同比增长了250%，AWS把机器学习的技术开放给所有的开发者，助力任何的企业，不管企业规模大小，使用更加便捷的工具和技术， 比如Amazon SageMaker 就可以除机器学习过程中每一步的繁重工作，方便帮客户建立、训练和部署机器学习模型。

上周在上海举行的2018 世界人工智能大会上，“亚马逊 AWS 云上 AI 创新”获得首届 SAIL 奖卓越奖。

同时Mr. Swami Sivasubramanian 还宣布AWS 已经将中文普通话支持增加到 Amazon Polly 机器学习云服务，这是 Amazon Polly 文本转语音云服务的首个中文语音支持，起名为“知语”；它可以将文本转成逼真的语音，让用户创建对话式应用程序，创造新品类的语音产品。

Amazon Polly 现已包括 27 种语言、54 种语音，在全球 15 个 AWS 区域可用。一些机构正在使用这个中文普通话语音新功能，增强客户互动应用、交互式语音应答（IVR）、音频新闻，以及有针对性的语言服务。

人才体系跟上 成立亚太区首个人工智能研究院

推动AI技术民主化，需要精通技术的人才和平台，降低使用门槛，目前 AWS 在全球各地设立人工智能研究院，聚焦推进和发展深度学习算法及其未来应用。

在世界人工智能大会上，AWS宣布成立亚太地区首个人工智能研究院：AWS 上海人工智能研究院，将建立一个强大的本地团队，融入 AWS 全球的人工智能研究与开发计划，致力于打造 AWS 人工智能与机器学习的云服务，惠及全社会。

AWS 上海人工智能研究院关注于自然语音的处理、深度学习，以及对中国客户在机器学习和AI实施方案提供建议和咨询。希望从中国本土的大学以及其他地方吸引和招聘到最优秀的人才将成为一个包括研究人员、开发人员、工程师和技术项目经理在内的功能齐全的团队，开展以中文为主的多语言自然语言处理研究，参与和开发开源深度学习生态系统，支持中国客户在机器学习和人工智能方面的应用落地。

从AWS的布局来看，上海人工智能研究院与 AWS 遍布世界各地的人工智能研究院一起，为 AWS 贡献于中国的开发者社区发挥关键作用，将提供多种工具，让客户更容易采用人工智能技术，构建模型并在深度学习生态系统中运行。

AWS 上海人工智能研究院还将培养中国新一代的机器学习人才，与中国的顶尖大学和研究机构协作推进人工智能研究项目，联合建设人工智能与机器学习研究实验室。

在Mr. Swami Sivasubramanian看来， 随着 AWS 上海人工智能研究院的成立，AWS将与 AWS 中国团队、中国产业界和学术界密切协作，帮助更多客户实现人工智能民主化，让先进的人工智能和机器学习技术惠及所有人。

这仅仅是个开端 AWS的力量来自客户

客户驱动科技创新，再创新的技术没有应用也产生不了价值，AWS的所有创新都基于用户的应用，现在，客户80% 的云端 TensorFlow 运行在 AWS 上，众多行业知名客户通过 AWS 的机器学习实现业务的转型创新。

在Mr. Swami Sivasubramanian看来，AWS希望与客户一起合作，在深度学习、人工智能这些领域取得突破。

在运动领域，美国橄榄球联盟，用AWS的机器学习和数据分析服务，与AWS共同开发了NeXt Gen Stats方案， 为球迷提供实时每秒数据，增强观众看比赛的体验，同时针对比赛内容深度分析，增强了球员和粉丝的互动。

当然还有F1方程式赛车机器学习工作流程也是跑在AWS上，120个传感器，生成超过1500个数据点，可以分析在赛车行程中发生的问题和情况等等。

在金融服务方面，穆迪的机器学习运行在在AWS通过和AWS机器学习实验室的合作，穆迪他们可以把打印、扫描的文件等金融数据信息提取，进行分析来更好地服务他们自己的客户。

就拿上海智能研究院来说，Mr. Swami Sivasubramanian希望教授、博士生一起来关注最领先的技术，怎么样来打造、怎么样来建人工智能的系统90%到95%的新的项目都是基于客户给予反馈，剩下来的5%的项目也是从的客户角度出发做一些创新的尝试。

AWS还和国内各个行业的企业合作，提供技术与产品，实现人工智能的行业落地，支持产业升级。

在教育领域，流利说基于一个AI驱动的人工智能教育公司，是通过AI来教英语，也是跑在AWS上，通过机器学习的技术帮助人们打造个性化的、非常灵活的学习进度和学习材料，为学生打造度身订做的学习进度和课程内容。

在无人驾驶和智慧物流领域，图森未来在中美多地设有研发中心和测试基地，图森未来L4级自动驾驶解决方案，能够实现卡车在“仓到仓”货运场景（含高速和非高速场景）以及港口、场区等半封闭场景下的全无人驾驶。

在智慧医疗，医利捷积极探索新的医疗卫生服务模式，在AWS平台上推出基于医疗大数据平台的患者全息视图、病种绩效分析和利用人工智能构建的个体化给药云服务，助力医疗卫生行业的数字化转型。

另外在智能制造领域，实现信息技术公司的“HoloView”增强现实通讯协同服务，就是整合了AWS 智能认知与人工智能服务框架, 可以通过智能分类对常见的技术及售后问题进行索引，并通过 Alexa 客服机器人实现自动的专家问答。帮助企业增强了智能制造时代生产力。

人工智能是一个革新性的或者是变革式的技术，通过使用些技术可以帮助企业在客户体验有更好的提升，AWS的力量和强大在于，企业可以不是非常资深的科学家或者对人工智能和机器学习非常了解的技术人才，就可以通过AWS机器学习平台使用相应的技术和解决方案。

如同亚马逊AWS首席云计算企业顾问张侠所说，这仅仅是个开端，AWS通过创新简化解决方案和流程，希望企业在自己的机器学习的模型方面能够更加方便，AWS的使命就是希望支持所有的企业，让AI技术民主化，让=每一个人都能够从中受益。