如今AI已經成為了科技界最為火熱的研究領域之一，根據德勤釋出的《全球人工智慧發展白皮書》，至2025年世界人工智慧市場規模將會達到6萬億美元的規模。然而目前我國在人工智慧領域的人才缺口有500萬之巨，國內的供求比例也達到了1：10，處於嚴重失衡的局面。

在人工智慧領域，機器學習是人工智慧領域中核心研究領域之一，據統計大約有89%的人工智慧專利與機器學習有關。而作為機器學習領域中的翹楚，亞馬遜已經利用機器學習有20多年的時間，超過10萬名客戶正在使用亞馬遜雲服務（AWS的）機器學習服務，很多客戶已經將機器學習用於其核心業務，在去年一年AWS就新增了250多項機器學習功能。

12月9日，AWS全球機器學習副總裁Swami Sivasubramanian在re:Invent大會期間的主題演講，面對當今機器學習領域急速發展以及人才緊缺的現實，採取一系列措施，在峰會上展示了四大擴圈舉措，為機器學習以及相關人才的培養貢獻一份力量。

AWS推出的第一項擴圈舉措便是推出開箱即用的解決方案，包括主要用於工業領域的五項機器學習服務，它們包括Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一體機、AWS Panorama SDK和Amazon Lookout for Vision。而這也是AWS首次針對工業領域推出開箱即用的機器學習解決方案。

在這些解決方案中，Amazon Monitron和Amazon Lookout for Equipment透過機器學習支援預測性維護；AWS Panorama透過計算機視覺改善工業運營和工作場所安全；而Amazon Lookout for Vision則是為工業客戶提供高精度、低成本的產品質量異常檢測解決方案。

AWS的第三項舉措便是將機器學習拓展到資料開發者和資料分析師這些開發人群中來。AWS發現這些人群並不缺少機器學習的想法，但是缺乏相關的知識和技能，AWS針對Aurora推出了新功能Amazon Aurora ML，它可以讓上述這些人員在進行資料管理的過程中選擇相關的機器學習模型，從而讓資料庫的查詢結果交給機器學習模型進行推理，並返回結果，可以讓分析師節省大量的時間與精力。

AWS的第四項舉措便是發展機器學習中的中間力量。AWS研發的Amazon SageMaker是一項面向機器學習開發者的整合開發環境，它讓開發人員和資料科學家能夠從根本上更輕鬆、更快速地構建、訓練和部署機器學習模型。本次亞馬遜re:Invent大會，AWS也為Amazon SageMaker新增了9項全新的功能，包括資料特徵提取器、資料特徵儲存庫、自動化工作流、模型偏差檢測、模型訓練剖析、大型複雜深度學習模型的分散式訓練、邊緣端模型質量監控和管理以及快捷起步工具。這些工具與新功能幫助AWS的客戶們更加高效地使用機器學習，包括提升訓練模型的速度和準確率，同時也可以不斷地提高訓練模型的質量，最終增加企業的營收。而上述這些功能也讓Amazon SageMaker備受客戶歡迎，目前已經有數萬家客戶正在使用AWS推出的各種機器訓練工具。

目前AWS已經透過雲計算幫助眾多科技企業取得了巨大的成功，而機器學習也和早期的雲計算一樣，充滿了發展的潛力。AWS的願景便是希望把機器學習作為一個工具，要交到所有企業的手中，而不是掌握在幾個大企業裡面。因此本次AWS在亞馬遜re:Invent大會上推出的上述四項擴圈舉措，降低了人們掌握機器學習的學習成本，讓更多的人加入到機器學習的研發與使用中來。