首页科技快讯 AWS副总裁Swami：当机器学习进入“黄金时代”丨观察+

AWS副总裁Swami：当机器学习进入“黄金时代”丨观察+

来源：晰数塔互联网快讯时间：2020年08月11日 11:35

对于医药公司的研发团队来说，新冠肺炎疫情的爆发是一个始料未及的巨大挑战。

由于疫情的出现和蔓延速度超乎想象，尽快找到合适的药物成为遏制其攻城拔寨的关键。然而依靠人类既有经验开发药物无法在短期内应对凶猛的疫情，总部位于深圳的晶泰科技决定采用机器学习的方式辅助药物学习。

晶泰科技在2014年成立于麻省理工学院，三位创始人均是物理学博士。董事长温书豪的主要研究领域是通过预测算法实现对复杂分子的快速、准确预测，因此晶泰科技也将自己定位为一家以计算驱动创新的药物研发科技公司。

在新冠肺炎疫情爆发后的第一时间，晶泰科技就对近3000个已通过美国药监局审核的上市药物以及超过1万种重要成分分子，进行了老药新用的扫描。在这个过程中，他们成功找到了183个可能对新冠病毒有潜在治疗效果的药物。随后，在结合药物活性排序以及更高精度的计算后，又最终锁定了38种具有高研究价值的药物。

如果单纯依赖人工，很难在短时间内完成如此规模的药物筛选。但拥有机器学习技术的助力之后，情况就出现了戏剧性的逆转——在Intelligent Digital Drug Discovery and Development (ID4)云端智能药物研发平台上，晶泰科技利用AWS提供的机器学习框架实现了大规模的模型训练及参数优化，而这成为其在庞大的药物池中快速推进研究的关键。

在全球不少公司的业务被迫陷于停滞的同时，机器学习却成为逆向而行的典型代表。疫情不仅没有影响它的普及进程，恰好相反，正是这只“黑天鹅”敲响了全球公司业务变革的警钟，催化企业经营者们向这一新兴技术加速靠拢。

COVID-19下的机器学习

“人工智能和机器学习在更好地理解和解决COVID-19危机中起着关键作用。机器学习技术使计算机能够模仿人类的智能并吸收大量数据，从而快速确认模式和洞察”，在一篇为世界经济论坛撰写的文章中，AWS副总裁Swami Sivasubramanian这样写道。

在这场关乎人类命运的严峻考验下，越来越多的人开始试图引入机器学习技术应对疫情。3月，前白宫首席数据科学家DJ Patil领导的志愿组织就与AWS取得联系，希望获得AWS支持并创建一种情景计划工具。在他们的预期中，这一由机器学习技术支持的技术工具将成为地方官员们的参谋，协助他们在病床数量规划等方面做出正确决策。在AWS和约翰·霍普金斯大学的共同协作下，这个工具最终被推广到全美50个州乃至全球范围内。

虽然对科学问题的态度差异成为部分地区抗疫不力的原因，但这无法掩盖机器学习在抑制传染病上能够发挥的作用。例如AWS在疫情期间专门推出了名为CORD-19 Search的产品，它的主要功能就是辅助研究人员快速搜索与新冠肺炎相关的文献成果。

“在全球范围内，机器学习已经成为一种灵感的启迪，人们正在使用它去应对人类所面临的一些重大挑战，比如说这场新冠肺炎”，Swami向36氪这样表示。

在中国，有大量案例可以佐证Swami的观点——在疫情最为严峻的2月初，柯基数据联合中国疾控中心的权威专家们开发了新冠肺炎智能问答小能手。这个产品结合了机器学习、自然语言处理和知识图谱等技术，对官方渠道发布的权威信息进行了结构化处理，并建立起新冠肺炎防护知识图谱。这套智能问答系统最终解决了与新冠肺炎疫情相关的数十万个问题，平均每天为上千名患者和医生提供服务。

“新冠爆发加速了企业在IT基础设施数字化方面的步伐，已经有越来越多的客户表示要放弃自建数据中心的模，它们开始将业务移向云端”，Swami说道。在新冠肺炎疫情这场硬仗之后，机器学习技术正加速普及。

机器学习的“厚积薄发”

与不少人的传统认知不同，机器学习技术严格来说并不是新鲜事物。

“你可以看到，首批技术文件在数十年前就已经有了”，Swami这样表示。事实上，1956年8月举行的达特茅斯会议就被全球公认为人工智能技术起步的原点，随后包括机器学习等在内的新兴领域开始吸引更多的研究人员加入。

Swami用“机器学习的黄金时代”形容当前阶段，他乐观地认为在未来很长一段时间内，人们都将看到新技术带来的更多创新，就像机器学习在此轮应对新冠肺炎疫情中彰显的价值一样。

从本质上说，所有新技术从实验室步入大规模商用阶段都是一次充满高度不确定性的跃迁，众多偶然因素的相互共振导致新技术找到落地场景并发挥效用。机器学习技术的火热也不例外，近年来数据规模的扩展、企业对数据重要性的认知提升以及云服务等配套技术的发展都成为机器学习在应用层突飞猛进的原因。

在农业领域，Mantle Labs利用机器学习技术评估农作物的卫星图像，向农民和零售商预警潜在问题，便于他们提前制定生产、采购和库存计划；在消费领域，知名披萨品牌达美乐使用AWS提供的SageMaker进行个性化预测，缩短客户的等餐时间从而提高用户体验；在飞速发展的自动驾驶领域，SageMaker训练了一百多种人工智能的模型，设立不同的场景，最终以每小时65迈的速度实现车道在车辆中间误差不超过5厘米的精准行驶。

数据、算法、算力和落地场景的全面提升，共同构筑了眼下这个“机器学习的黄金时代”。与此同时，由于可行性和效益被反复验证，企业对机器学习技术的热情与日俱增，最终它开始成为企业数字化进程中的必然选项。

至少在中国是如此。今年4月，SageMaker开始在这个潜力市场提供服务，它在本地市场的受欢迎程度让Swami印象深刻。

Swami现在已经能够快速说出很多中国合作伙伴的名字，并对它们如何使用人工智能和机器学习技术实现业务效率提升如数家珍——作为直播赛道的头部玩家，虎牙使用SageMaker在视频直播领域开发AI主播，这些虚拟主播已经能与粉丝进行互动和分享；网易有道旗下专注少儿阅读业务的产品有道乐读，则使用Amazon Personalize开发个性化推荐引擎，在没有专门配置专业团队的情况下完成了推荐引擎的开发；在市场逆势飞涨的线上教学行业，一家名为叽里呱啦的少儿英语启蒙公司成功利用Amazon Polly开展语音教学服务。

在诞生数十年之后，机器学习这类新兴技术的发展在各种机缘巧合下骤然提速，在漫长技术沉淀后终于迎来厚积薄发的时刻。