如今AI已经成为了科技界最为火热的研究领域之一，根据德勤发布的《全球人工智能发展白皮书》，至2025年世界人工智能市场规模将会达到6万亿美元的规模。然而目前我国在人工智能领域的人才缺口有500万之巨，国内的供求比例也达到了1：10，处于严重失衡的局面。

在人工智能领域，机器学习是人工智能领域中核心研究领域之一，据统计大约有89%的人工智能专利与机器学习有关。而作为机器学习领域中的翘楚，亚马逊已经利用机器学习有20多年的时间，超过10万名客户正在使用亚马逊云服务（AWS的）机器学习服务，很多客户已经将机器学习用于其核心业务，在去年一年AWS就新增了250多项机器学习功能。

12月9日，AWS全球机器学习副总裁Swami Sivasubramanian在re:Invent大会期间的主题演讲，面对当今机器学习领域急速发展以及人才紧缺的现实，采取一系列措施，在峰会上展示了四大扩圈举措，为机器学习以及相关人才的培养贡献一份力量。

AWS推出的第一项扩圈举措便是推出开箱即用的解决方案，包括主要用于工业领域的五项机器学习服务，它们包括Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一体机、AWS Panorama SDK和Amazon Lookout for Vision。而这也是AWS首次针对工业领域推出开箱即用的机器学习解决方案。

在这些解决方案中，Amazon Monitron和Amazon Lookout for Equipment通过机器学习支持预测性维护；AWS Panorama通过计算机视觉改善工业运营和工作场所安全；而Amazon Lookout for Vision则是为工业客户提供高精度、低成本的产品质量异常检测解决方案。

而AWS为开发者带来的第二项扩圈举措便是打造丰富全面的工具集，这些工具集针对客户研发能力的强弱推出了不同等级的工具，包括面向拥有超强技术研发能力单位的底层开发工具集，面向较强技术研发能力客户的中间层工具集，以及针对希望能够直接导入人工智能客户的顶层工具集。通过这些针对不同人群打造的工具集，AWS希望能够全面地覆盖和赋能给所有的人工开发者。

AWS的第三项举措便是将机器学习拓展到数据开发者和数据分析师这些开发人群中来。AWS发现这些人群并不缺少机器学习的想法，但是缺乏相关的知识和技能，AWS针对Aurora推出了新功能Amazon Aurora ML，它可以让上述这些人员在进行数据管理的过程中选择相关的机器学习模型，从而让数据库的查询结果交给机器学习模型进行推理，并返回结果，可以让分析师节省大量的时间与精力。

AWS的第四项举措便是发展机器学习中的中间力量。AWS研发的Amazon SageMaker是一项面向机器学习开发者的集成开发环境，它让开发人员和数据科学家能够从根本上更轻松、更快速地构建、训练和部署机器学习模型。本次亚马逊re:Invent大会，AWS也为Amazon SageMaker新增了9项全新的功能，包括数据特征提取器、数据特征存储库、自动化工作流、模型偏差检测、模型训练剖析、大型复杂深度学习模型的分布式训练、边缘端模型质量监控和管理以及快捷起步工具。这些工具与新功能帮助AWS的客户们更加高效地使用机器学习，包括提升训练模型的速度和准确率，同时也可以不断地提高训练模型的质量，最终增加企业的营收。而上述这些功能也让Amazon SageMaker备受客户欢迎，目前已经有数万家客户正在使用AWS推出的各种机器训练工具。

目前AWS已经通过云计算帮助众多科技企业取得了巨大的成功，而机器学习也和早期的云计算一样，充满了发展的潜力。AWS的愿景便是希望把机器学习作为一个工具，要交到所有企业的手中，而不是掌握在几个大企业里面。因此本次AWS在亚马逊re:Invent大会上推出的上述四项扩圈举措，降低了人们掌握机器学习的学习成本，让更多的人加入到机器学习的研发与使用中来。