Coraz więcej firm chce wykorzystywać elementy sztucznej inteligencji w swoich systemach, dlatego też pod koniec ubiegłego roku Amazon Web Services dodał do swojej oferty nowe usługi wykorzystujące sztuczną inteligencję (ang. AI – Artificial Intelligence). Podczas konferencji „AWS re:Invent 2017” przedstawiono pięć nowych usług opartych na uczeniu maszynowym (ML – Machine Learning), w tym dostępną także w Polsce Amazon SageMaker, która umożliwia tworzenie, wdrażanie i zarządzanie własnymi modelami ML.

Tomasz Stachlewski, Senior Solutions Architect z Amazon Web Services w Polsce, wyjaśnia, jak działają usługi ML oferowane przez AWS, jakie korzyści dają, przybliża zasady darmowego ich wypróbowania oraz podaje przykładowe zastosowania.

Na czym polega, jak działa i dla kogo jest przeznaczona usługa Amazon SageMaker?

Tomasz Stachlewski, Senior Solutions Architect, AWS

Amazon SageMaker jest jedną z najnowszych usług Amazon Web Services. Dedykowana jest przede wszystkim programistom i analitykom danych (ang. data scientists), którzy chcą budować, szkolić i wdrażać modele uczenia maszynowego. Amazon SageMaker upraszcza cały ten proces, dzięki czemu programiści mogą w szybszy i łatwiejszy sposób eksplorować i wizualizować dane przechowywane w usłudze Amazon Simple Storage Service (Amazon S3). Amazon SageMaker domyślnie zawiera kilkanaście najbardziej popularnych algorytmów uczenia maszynowego, a użytkownik może je rozbudowywać o własne. Programiści po prostu wybierają jeden z nich i określają swoje źródło danych, a usługa instaluje i konfiguruje wybrane narzędzia i algorytmy.

Następnie można rozpocząć pracę nad nauką modelu. Aby proces szkolenia był jeszcze szybszy i łatwiejszy, Amazon SageMaker może taki model automatycznie dostroić, aby osiągnąć najwyższą możliwą dokładność. Gdy model jest gotowy, można go wdrożyć za pomocą jednego kliknięcia myszą. W ten sposób programista otrzymuje model gotowy do generowania prognoz opartych na nowych danych. Aby korzystać ze wszystkich tych możliwości, wystarczy mieć konto w AWS.

Jakie korzyści daje SageMaker?

Gdy programista chce używać uczenia maszynowego, musi zbudować, wyszkolić a następnie wdrożyć własny model. Proces ten wymaga specjalistycznej wiedzy, dostępu do dużej ilości danych oraz pamięci masowej, a na optymalizację każdego z etapów tego procesu trzeba poświęcić sporo czasu. Z pomocą przychodzi usługa Amazon SageMaker, która zapewnia hostowane notebooki Jupyter, niewymagające konfiguracji, dzięki czemu można natychmiast rozpocząć przetwarzanie zbioru danych treningowych i rozwijanie algorytmów. Szkolenie modeli z usługą SageMaker rozpoczyna się od jednego kliknięcia, a dostrajanie modelu odbywa się automatycznie. Usługa ta zawiera również elastyczne, bezpieczne i skalowalne środowisko do hostowania modeli. Dzięki tym wszystkim funkcjom, cały proces budowania, szkolenia i wdrażania własnych modeli uczenia maszynowego staje się szybszy i łatwiejszy.

Przykładowe zastosowania,  gdzie wykorzystywana jest ta usługa?

Usługa Amazon SageMaker wykorzystywana jest m.in. przez firmę Thomson Reuters. Korzystanie z usługi umożliwiło firmie zaprojektowanie przetwarzania języka naturalnego w kontekście aplikacji odpowiadającej na pytania. Rozwiązanie to wymagało wielokrotnego powtarzania konfiguracji głębokiego uczenia (deep learning) na dużą skalę, co zostało znacząco ułatwione i przyspieszone dzięki Amazon SageMaker.

Innym użytkownikiem Amazon SageMaker jest np. ZipRecruiter – platforma, która wykorzystuje funkcje naszej usługi w celu szkolenia algorytmów uczenia maszynowego na setkach milionów historycznych działań transakcyjnych, tak aby jak najszybciej dostarczać jak najbardziej trafne oferty pracy swoim użytkownikom.

Co oferują pozostałe cztery prezentowane na AWS re:Invent 2017 usługi Machine Learning?

Obecnie, oferujemy naszym klientom ponad 100 usług. W 2017 r. wypuściliśmy w sumie 1430 nowych funkcjonalności i usług, co oznacza, że każdego dnia programiści mają średnio cztery nowe funkcjonalności, ułatwiające budowanie aplikacji.

Coraz więcej firm chce wykorzystywać elementy sztucznej inteligencji w swoich systemach, dlatego też pod koniec ubiegłego roku AWS dodał do swojej oferty nowe usługi z rodziny AI. Obok wcześniej wymienionego Amazon SageMaker, można znaleźć Amazon Rekognition Video, Amazon Comprehend, Amazon Transcibe oraz Amazon Translate. Jedną z zalet chmury publicznej jest jej demokratyzacja, tzn. firmy różnej wielkości i z różnych miejsc świata mają dostęp do tych samych funkcjonalności (wszystko za pomocą kilku kliknięć).

Amazon Rekognition Video to usługa, która wykorzystuje sztuczną inteligencję, aby analizować zapisy wideo. Umożliwia ona automatyczne oznaczanie określonych sekcji wideo etykietami i lokalizacjami (np. plaża, słońce, dziecko), wykrywanie działań (np. bieganie, skakanie, pływanie), wykrywanie, rozpoznawanie i analizowanie twarzy oraz śledzenie wielu osób, nawet jeśli są częściowo ukryte.

Z kolei Amazon Comprehend to usługa przetwarzania języka naturalnego (NLP), która wykorzystuje uczenie maszynowe do znajdowania kluczowych wniosków z danego tekstu. Usługa ta rozpozna w tekście osoby, miejsca lub daty. Podpowie nam, w jakim języku został napisany tekst oraz rozpozna ton wypowiedzi – czy jest on pozytywny, negatywny czy neutralny.

Polscy użytkownicy mogą kojarzyć usługę Amazon Polly, która powstała w Polsce i umożliwia konwersję tekstu na audio w ponad 25 językach. Z racji tego, iż wielu użytkowników informowało nas, że potrzebuje również usługi, która będzie umożliwiała konwersję odwrotną, czyli audio na tekst, w tym celu została opracowano usługę Amazon Transcribe, dzięki której użytkownicy będą mogli tworzyć wersję tekstową pliku audio w wybranych językach. Na sam koniec warto wspomnieć o Amazon Translate, która podobnie jak wcześniej wymienione usługi, służy do analizy tekstu, w tym przypadku jednak pozwala na konwersję tekstu z jednego języka na inny.

Jakie są zasady oferowania tych usług w Polsce?

W Polsce każdy ma możliwość wypróbowania wielu usług Amazon Web Services za darmo dzięki tzw. AWS Free Tier, czyli darmowemu dostępowi do usług chmurowych oferowanych przez AWS dla nowych użytkowników. W ramach tego pakietu, użytkownik ma możliwość wypróbowania i zweryfikowania, czy usługa Amazon SageMaker i podejście wykorzystania sztucznej inteligencji może zostać wykorzystane w jego firmie i przyniesie oczekiwane zalety. W ramach AWS Free Tier, każdy otrzymuje dwumiesięczną darmową licencję na 250 godzin dostępu do usługi, 50 godzin szkolenia modeli oraz za darmo 125 godzin miesięcznie hostingu wygenerowanego modelu.