AWS 主任科学家:一个内部产品意外成为亚马逊主要赢利点丨“全球科技青年论坛”早鸟票限量发售!

  原标题:AWS 主任科学家:一个内部产品意外成为亚马逊主要赢利点丨“全球科技青年论坛”早鸟票限量发售!

  2018 年 10 月 27 日,由《麻省理工科技评论》、DeepTech深科技主办,梅赛德斯-奔驰特别呈现的“全球科技青年论坛—— Meet 35 重新遇见 35”(Innovators Under 35 Reunion)将在北京嘉里大酒店举办。

  在这次盛会上,全球范围内最顶尖科学技术人才以及跨界领域的人士将会出席,畅谈从人工智能到量子计算,从基因编辑技术到脑机接口,从可持续能源到未来出行,金融科技、区块链以及技术投资等最前沿的科技话题,并且将和诸位重磅嘉宾从人才角度切入探讨创新的定义、重要性和促使技术、商业创新成功的因素,以及青年人才的培养与储备等话题。

  届时,亚马逊 AWS 深度学习主任科学家 Anima Anandkumar 博士将受邀出席会议。

  亚马逊之所以能成为传奇,除了亚马逊创始人 Jeff Bezos 的领袖风格之外,以客户至上、数据优先的企业文化绝对是关键。一项只是为了满足内部使用的系统,却发展成整家公司主要的获利来源——这就是 AWS 的故事。

  为了解决早期平台混乱并且业务成长快的问题,亚马逊团队决定采用应用程序接口(API)的方式,同时也发现每个单位都在建立自己的系统。因此,内部决定打造一套通用的基础架构服务。到了 2006 年,亚马逊开始正式对外提供 AWS 云端服务,企业不必自己建机房、买硬件,只需要向亚马逊承租即可——这种弹性的公有云服务模式快速攻占了市场,成为公司的主要盈利点。

  在男性为主的科技圈里,亚马逊 AWS 深度学习主任科学家 Anima Anandkumar 是为数不多的女性之一。从求学到工作、从张量到机器学习,她始终与艰深的理论为伍。理工家族的背景让她可以更早地接触这些。“数学对我而言,很自然的就是一种交流和理解世界的语言。”

  从三岁就开始学印度传统舞 Bharatnatyam 的她一直认为:“如果我不是在科技领域发展,应该就是一个舞者吧。”舞蹈和数学给了她一样的感觉,“都是许多细节及韵律的整合,舞蹈通过编排组合达到优雅及美丽,这就跟数学一样,我们利用基础原理开发出新的算法,我在里头看到了优雅。”

  为什么 AWS 需要使用深度学习?DT 君曾在硅谷专访了负责担任开发深度学习相关技术的 Anima Anandkumar,她的工作一言以敝之:就是让 AWS 服务跑得又快又好,设计可供客户轻松使用的工具。

  她表示, Amazon AI 主要从事尖端研究,尤其是“解放云服务的效率”,从基本的基础研究开始,开发更好的算法、优化的软件框架,让用户简单方便地使用机器学习。

  目前,在大量的的深度学习框架中,TensorFlow 和 CNTK 分别是由 Google 和微软所主导,Facebook 选择 Caffe 2,为了不替对手抬高声势,AWS 选中了基于开放原始码的 Apache MXNet 作为官方的深度学习框架,并且提供软件代码、文档,参与协助发展 MXNet 生态圈。

  MXNet 源于卡内基梅隆大学和华盛顿大学,具备高可扩展性、开发速度、移植性等特色,支援深度学习模型中的各种技术,包括卷积神经网络(CNN)、长短期记忆网络(LSTM)。

  Anima Anandkumar 也透露了她的两个专案,第一个是基于她先前的张量研究。“当信息不够多的时候,我们就无法发现一些被隐藏的因素,但是如果只是受限于运算能力的话,其实是可以被辨识出来的。”

  通过张量可以让多线性概念发展出很丰富的应用,扩展到更多维度,“如果你考虑一对变量之间的关系,这些就是成对的相关性,但是如果你想考虑三倍或更高倍数之间的关系,这就需要张量。”她在 AWS 就是在研究如何利用这一个特点来发现数据中的隐藏因子。

  另一个则是利用张量来让深度学习变得更有效率,可以在多个应用场景中获得更好的性能。以及张量是否能解决强化学习的问题,让演算法变得能具有适性化。智能的概念来自于能够适应环境变化,但多数的学习演算法却是被动的。

  在电脑科学里,经典的 Kruskal 演算法是一种用来寻找最小生成树的演算法,也让人知道能够通过张量来识别,也就是唯一性定理(uniqueness theorem)。“从此以后,深度学习跟如何能够大规模地解决非凸问题(non-convex problem)就产生了很深的关系。”

  专注于研究大规模机器学习领域的她将带来哪些前瞻性研究?更多精彩内容及重磅嘉宾敬请期待!或来一场“Meet 35”的邂逅。