亚马逊的人工智能版图

AI应用层：是提供各种应用服务，比如Amazon Rekognition、Polly、LEX

AI平台层：是AWS SageMaker平台。

AI框架层：由CNTK 、MXNET 各种深度学习框架构成。

1、AI应用层  

主推三大成熟应用

1、Amazon Rekognition——基于深度学习的图像和视频分析

它能实现对象与场景检测、人脸分析、面部比较、人脸识别、名人识别、图片调节等功能。

应用场景

2、Amazon Polly——使用深度学习将文本转换为逼真的语音

能转换多少种语言？

25种语言！

如英语、丹麦语、巴西葡萄牙语、西班牙、法语、日语、韩语等25种语言！

很遗憾，目前中文还没上线，正在研发中。

有多逼真？

52种语音：能发出美式英语、英式英语、印度英语、威尔士英语的发音，以及纯正的男声和女声发音。

将文本转换成语音时，神经元的机器翻译还能理解情感、实体、重要短语、主题等。

如果你觉得语速有点快，你可以对 Amazon Polly 语音进行修改。

Amazon Polly 支持词典和 SSML 标记，使您能够从多方面控制语音，例如发音、音量、基频、语速等等。 

3、Amazon Lex——用于创建自动语音识别和自然语音理解功能的对话式聊天机器服务

Amazon Lex 提供高级的自动语音识别 (ASR) 深度学习功能，可以将语音转换为文本，还提供自然语言理解 (NLU) 功能，可以识别文本的意图。

具体应用：呼叫中心机器人

➀通过在 Amazon Connect 呼叫中心使用 Amazon Lex 聊天机器人，呼叫者可以执行更改密码、请求查看账户余额、安排约会等任务，而无需与代理商通话。

➁识别呼叫者的意图：使用自动语音识别和自然语言理解来识别。

➂以较佳的电话音频采样率 (8kHz) 识别人类语音，并且可以理解呼叫者的意图，而无需呼叫者用特定的措辞说话。

➃Amazon Lex 使用 AWS Lambda 函数查询您的业务应用程序，向呼叫者提供信息，并按要求进行更新。

➄Amazon Lex 聊天机器人还会保留上下文并管理对话，根据对话动态调整回复。

2、AI平台  

AWS SageMaker

Amazon 的AI应用服务是如何实现的?

通过AWS SageMaker平台实现！

➀通过AWS SageMaker平台，实现对象检测、面孔识别和人员跟踪等AI功能。

AWS SageMaker平台花了大量时间来做：创建、训练、部署工作。

这样，用户不需要任何机器学习专业技能 ，而只需要使用 API ，就能在应用程序中添加视觉分析功能。

➁为了保持平台与时俱进，Amazon SageMaker不断在新数据上接受训练。

目的是：扩展其识别对象、场景和活动的能力，从而提高准确识别的能力。

用户坐享其成：借助 Amazon Rekognition，用户就可以自动利用这些持续的改进。

3、AI框架层  

各种深度学习框架

Amazon SageMaker平台是建立在各种深度学习框架之上

这些深度学习框架，包括：caffe2、CNTK、MXNET、PYTORCH、Tensor Flow、以及keras和GLUON。

每一种深度学习框架都有自己的特点。

比如：亚马逊MXNet在CNN、RNN与NLP情感分析任务上性能强劲，而TensorFlow擅长于特征提取。

AWS 基于多样的深度学习框架，构建Amazon SageMaker平台，实现Amazon 各种人工智能应用服务。

更多机器人、无人机/车、AI 技术资料（机器人网）