【51CTO.com快译】专业用户能够充分利用EC2实例内GPU与FPGA编程等灵活性资源，普通用户则可利用开箱即用智能方案构建Alexa型会话接口。
在今天的AWS Re:Invent大会上，Amazon公司推出了一系列全新机器学习方案——这一方面是为了能够在激烈的市场竞争中继续保持领先，另一方面则是为了将由简到繁的各类工具交付至各种专业级产品当中。
面向硬核用户的硬件选项
毫无疑问，Amazon的每一轮发布活动都必然包含与AWS EC2相关的内容。今天与机器学习相关的公布内容Elastic GPU，就允许将GPU附加至目前八种现有EC2实例类型之一，这意味着用户再也不用像过去那样只能从少数预配备GPU的实例中作出选择了。
几乎可以肯定的是，这属于Amazon针对谷歌近来动作的一次反击。就在上个月初，谷歌方面在其云端***次提供GPU实例，允许将多达八个GPU附加至现有系统当中。无论出发点如何，Amazon的此次反应都能够有效提升在EC2中使用GPU资源的灵活性。不过需要指出的是，目前该服务尚未面向全部Amazon客户开放：截至目前，Amazon给出的上线时间仍然是“不久后”。
GPU可以说是当下机器学习浪潮下硬件变革的基础，但Amazon及其它厂商已经开始着眼于下一片战场：FPGA。Amazon***推出的EC2实例类型F1当中即包含八块Xilinx UltraScale+ VU9P FPGA并提供配套编程工具。
FPGA很可能作为CPU的补充性，而非替代性方案。IDC公司软件开发研究项目主管Al Hilwa在一封邮件中指出，FPGA将“总体上被用于处理高度定制化计算负载，包括图像、视频及音频流处理任务，而由此准备的数据结果通常可供机器学习使用。”
就目前而言，面向GPU的机器学习软件工具数量要远高于FPGA。然而，面向F1编写的应用亦可在AWS Marketplace之上共享，这些应用最终应该能够提供更多可作为借鉴、复用以及重构的开发素材。
看与说
并不是每个人都希望从零开始构建项目。对于这类受众，Amazon公司推出了三项新的高水平机器学习型服务，专门面向文本到语音、图像识别以及对话接口。
在此之中，Amazon Rekognition可能最为大家所熟悉——其在本质上属于一套现有深度学习功能的精致化版本。在为其提供图像之后，Rekognition将识别图像中的常见对象——包括面部识别机制——而后据此提供各方面反馈（例如‘看似快乐’等总体氛围性结论）。这些API非常简单，可以轻松整合起来者演示，但结果数据则可进行存储并供其它更为复杂的应用进行复用。
Amazon Polly是一项文本到语音服务，允许用户将文本内容翻译为语音表达。举例来说，“NYC”之类的缩写会被自动扩展为“纽约市”，但“Main St.”与“St. Peter”等则会被扩展为“大道”与“圣彼得”。各文本亦可与其它上下文数据进行匹配，从而提供更为准确的转化效果。但Amazon的优势正在于基本正确要求下的易用性，因此除了在极端情况下，我们并不需要如此大费周章地提升准确率。
Amazon Lex在某种程度上算是Amazon的一次冒险，其提供一套工作流用于构建语音驱动型对话接口——其中使用的正是Amazon Alexa服务与Amazon Echo设备的专有引擎。Lex工作流所使用的部分构建概念与聊天机器人相同，且其能够接入来自其它Amazon技术方案的业务逻辑，例如AWS Lambda。就目前而言，Lex尚仅在美国东部AWS服务区提供预览版本，但考虑到其无需精确调试的机器学习组件即可达成***结果的承诺，相信其会在不久的将来大获人气。
原文标题：Amazon's next wave of machine learning: Powerful, practical
原文作者：Serdar Yegulalp
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
