AWS ziet brood in machine learning en AI-services

AWS-ceo Andy Jassy ziet het beste nog komen op het gebied van AI en machine learning. “We staan in mijn ogen aan het begin van de Gouden Eeuw voor machine learning en kunstmatige intelligentie”, zei de AWS-bestuurder, die aangaf in gesprekken met klanten veel vraag naar nieuwe services op het gebied van machine learning en kunstmatige intelligentie te ontvangen.

Machine Learning

Als reactie op deze toenemende vraag kwam AWS dit jaar dan ook met vele nieuwe toepassingen voor SageMaker, die het voor ontwikkelaars makkelijker moet maken nieuwe modellen te bouwen, trainen en laten leren.

SageMaker Marketplace

Zoals de naam al doet vermoeden, komt AWS met een marktplaats-achtige functie voor handel in modellen en algoitmen. De functie biedt de mogelijkheid voor ontwikkelaars om zelfgebouwde modellen en algoritmen te verkopen aan, of uit te wiseelen met, andere SageMaker-gebruikers. SageMaker bevat zelf al de meest populaire modellen, maar met de toenemende ontwikkelingen op dit gebied wil AWS ontwikkelaars de kans geven de vele modellen met elkaar te delen, die vervolgens direct kunnen worden geïmplementeerd in SageMaker, om zo de ontwikkeling van modellen te bevorderen. De service is per heden voor gebruikers beschikbaar.

SageMaker RL

Met Reïnforcement Learning (RL), is een nieuwe hype in de wereld van machine learning geboren. Met RL kunnen modellen worden getraind zonder dat er een grote hoeveelheid trainingsdata door de modellen hoeft te gaan. Dit kan van meerwaarde zijn als de beloningsfunctie van een gewenste uitkomst van de modellen bekend is, maar niet vaststaat hoe men tot dat resultaat komt. Het leerproces moet zichzelf hierdoor telkens aanpassen om tot dit gewenste resultaat te komen.

Als voorbeeld haalde AWS zelf een pacman-spel aan, waarbij de pacman op vele manieren door het spel heen kan om alle gele bolletjes te eten. Door de veranderende positie van de spookjes moet de pacman zijn ideale route steeds aanpassen om het veld leeg te eten en zelf niet opgegeten te worden. Deze vorm van machine learning kost vaak een hele hoop data en herhalingen van processen, en daarmee een hoop geld en technische ondersteuning, en zou daardoor volgens AWS alleen beschikbaar blijven voor de rijkste en technisch meest onderlegde organisaties. Door de uitrol van SageMaker RL moet iedere developer volgens AWS in staat zijn om gebruik te maken van deze vorm van machine learning.

SageMaker Neo

Met SageMaker Neo laat Amazon Web Services developers hun modellen slechts één keer bouwen en trainen, om vervolgens automatisch geoptimaliseerd te worden voor verschillende hardware platforms. Voorheen moesten ontwikkelaars hun modellen voor ieder platform aanpassen en vooral de applicaties die draaien op hardwaren op ‘de edge’ zijn gevoelig voor de prestaties van machine learning-modellen. Door SageMaker Neo wordt het volgens AWS makkelijker om modellen te trainen en beschikbaar te maken voor verschillende hardware platforms, omdat de service de modellen automatisch optimaliseert voor deze verschillende platformen zoals NVIDIA, Intel, XillinX, Cadence en ARM, en de verschillende frameworks zoals TensorFlow, Apache, MXNet en PyroTorch. Daarnaast maakt AWS SageMaker Neo beschikbaar als een open source-project.

SageMaker Ground Truth

Met Amazone Ground Truth moet developers een hoop werk uit handen worden genomen als het gaat om het trainen van hun machine-learning modellen. Vooral in het labelen van data uit de datasets gaat een hoop tijd en geld zitten, omdat een menselijke annotator duizenden voorbeelden moet labelen om de ML-modellen te trainen. Met Amazon Sagemaker Ground Truth wordt geleerd van de labels die eerder door de menselijke annotator aan vergelijkbare data wordt gehangen, zodat de rest van de dataset minder menselijke review nodig heeft. Dit zou volgens AWS een flinke reductie in tijd en geld moeten opleveren, omdat er minder review nodig is om tot dezelfde trainingsresultaten te komen.

Kunstmatige intelligentie

Ook op het gebied van AI kwam Amazon Web Services met een flink aantal nieuwe features en services die bedrijven op dit gebied meerwaarde moeten leveren. Opvallend is het aantal features wat de klantbeleving voor commerciële partijen moet verbeteren. Deze commerciële toepassingen zouden al een flink aantal nieuwe klanten hebben opgeleverd, zoals verschillende webshops en bijvoorbeeld de Formule 1. We doen een greep uit de lanceringen:

Amazon Inferentia

Met de lancering van de eigen AI-chip, AWS Inferentia, voorziet AWS in de behoefte van ontwikkelaars aan een chip die speciaal is gemaakt voor de inzet van grote AI-modellen met GPU’s. AWS Inferentia zal werken met belangrijke frameworks zoals TensorFlow en PyTorch en is compatibel met EC2-subsysteemtypen en Amazon's machine learning-service SageMaker.

Amazon Personalize

Het personaliseren van de suggesties die klanten wordt gedaan in webshops, is een feature waar Amazon.com alom voor is en word geprezen, maar waarvan niet één master algoritme voor is. Iedere soort content heeft een eigen mix van data, algoritme en optimalisatie nodig om tot een juist model te komen. Een op maat gemaakte suggesties op basis van klik- en bestelgedrag wordt met Amazon Personalize algemeen beschikbaar voor ieder denkbaar segment. De machine learning techniek is geoptimaliseerd voor iedere soort content, van video tot nieuwsartikelen en van webshop-producten tot muziekvoorkeuren. Amazon Personalize is een volledige service die naast het tonen van suggesties ook zoekresultaten kan personaliseren en klanten kan segmenteren, om deze vervolgens beschikbaar te maken voor doelgerichte marketingacties vanuit de organisatie.

Amazon Forecast

Het voorspellen van de juiste mate van inkoop van goederen, de verwachte opbrengsten van verkopen of de grootte van de voorraden is voor bedrijven altijd een precaire zaak. Invloeden als het weer, de prijzen of (onvoorziene) gebeurtenissen maken het moeilijk voor bedrijven hun zaken betrouwbaar te voorspellen. Met Amazon Forecast lanceert AWS een glazen bol op het gebied van het voorspellen van deze zaken, en hier op in te spelen. Door het samenvoegen van historische data en gerelateerde ‘casual data’, kan het machine learning-systeem automatisch worden getraind en aangepast, om zo nauwkeurige prognoses te maken voor bepaalde tijdreeksen. Dit kan bedrijven een hoop winst opleveren of verliezen besparen.

Amazon Textract

Het is dan wellicht niet de eerste service die gebruikers helpt om automatisch informatie uit formulieren te halen, maar met de lancering van deze functie door AWS wordt wel een zeer grote groep AWS-klanten de gang naar een andere leverancier van dit soort functionaliteit bespaard. Met Amazon Textract wordt met behulp van machine learning kan ieder soort document virtueel worden doorgelezen en worden onttrokken van de benodigde data. Met behulp van Amazon Textract kunnen bedrijven zodoende miljoenen documenten verwerken in een paar uur tijd, zonder dat hiervoor handmatige review van de documenten benodigd is.

Gouden eeuw

Met deze en vele andere nieuwe lanceringen zet AWS duidelijk in op de ontwikkeling van machine learning en kunstmatige intelligentie, naar eigen zeggen om deze ontwikkelingen voor iedereen mogelijk te maken. Maar met de vele lanceringen, die volgens het bedrijf allemaal voortkomen uit de vraag van hun klanten, groeit de macht van de cloudgigant met de dag. Door het immense verzorgingsgebied van AWS en de hoge mate van beschikbaarheid, kan iedere ontwikkelaar zijn aandeel kopen in de ontwikkeling van de machine learning-technologie. Wat dat betreft is de vergelijking met de Gouden Eeuw zo gek nog niet.