用机器学习消除人工智能门槛
目前制约人工智能应用普及的瓶颈，主要有哪些因素？亚马逊云服务AWS首席云计算企业战略顾问张侠博士将其归纳为以下三个方面：
一、AI专业人才短缺。目前人工智能、机器学习领域的专业知识相对较为高深，掌握相关知识的专业人才比较欠缺，企业往往需要支付百万级的年薪才能找到高级人才。
二、构建和扩展技术产品难度较大。构建和扩展人工智能技术的产品，将其真正应用到现实的生产工作流程中，目前还存在较大的难度。
三、部署应用费时且成本高昂。企业都希望能够获得低成本、易使用、可扩展的人工智能产品和服务，然而在实际生产经营中部署人工智能应用时，往往会发现需要耗费大量时间，且成本高昂。
正是为了帮助AI开发者和广大企业解决以上痛点，Amazon SageMaker才应运而生。
“为什么要选择AWS的机器学习？原因同样可以归纳为三个方面。”张侠博士表示。
一、广泛和深入的机器学习服务。AWS为用户提供了非常广泛、深入的机器学习服务，其中Amazon SageMaker服务只是AWS机器学习三层服务堆栈的一个中间层，主要用于消除机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。在三层服务堆栈的底层——机器学习框架和基础乫，用户可以根据自己在性能、灵活性、成本控制等方面的需求，灵活选择TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等机器学习框架。在三层服务堆栈的顶层——人工智能服务，AWS提供了训练好的人工智能服务，以解决计算机视觉服务、个性化推荐服务等与人类认知相关的典型问题。
二、使用SageMaker加速部署机器学习。作为一个工具集，Amazon SageMaker提供了用于机器学习的所有组件，拥有弹性笔记本、实验管理、自动模型创建、调试与分析、模型概念漂移检测等诸多强大功能，贯穿了整个机器学习的工作流程。这使得用户可以加速对机器学习的学习、建模、发展、实验等所有过程，以更少的努力、更低的成本、更快地将机器学习模型投入生产。与此同时，AWS还在不断地为SageMaker增加新功能，仅仅在2019年就增加了50多项新功能。
三、在AWS云平台上发展人工智能。作为全球首屈一指的IaaS公有云平台，AWS云平台可以为用户提供数据存储、数据仓库、AIoT、容器等种类极其丰富的服务，让用户可以更加方便快捷地将机器学习应用进行部署和落地。
