今天，在 AWS re:Invent全球大会上，亚马逊(NASDAQ：AMZN)旗下公司Amazon Web Services, Inc.(AWS)宣布五项新的人工智能 (AI)服务，旨在将机器学习交到更多应用程序开发者和终端用户手中，而他们无需机器学习经验。AWS介绍了几项使用了 AI 的新服务，让更多开发者应用机器学习，创造更好的终端用户体验，包括机器学习驱动的企业搜索、代码审核与分析、欺诈检测、医疗转录和 AI 预测的人工审核。

 

机器学习持续快速增长，如今有数以万计的客户在 AWS上进行机器学习，包括许多选择使用 AWS 完全托管的 AI 服务的客户，例如，Alfresco、拜耳作物科学、Cerner、CJ考克斯汽车、C-SPAN、德勤、多米诺、阿联酋航空NBD、弗雷德哈钦森癌症研究中心、 FICO、FINRA、盖洛普、Kelley Blue Book、起亚、Mainichi报业公司、美国宇航局、普华永道、白宫历史协会、雅马哈公司和Zola。在过去一年里，AWS 推出了多个完全托管的 AI新服务，如 Amazon Personalize和Amazon Forecast，让客户能够受益于亚马逊消费者业务使用的、使其客户体验屡获殊荣的、相同的机器学习个性化推荐和预测技术。AWS 客户有兴趣学习亚马逊大规模使用机器学习的丰富经验，以改进运营，提供更好的客户体验，又无需训练、优化和部署自己的定制化机器学习模型。今天，AWS 宣布推出五项新的 AI 服务，这些服务基于 Amazon 丰富的机器学习经验，允许所有行业、所有规模的机构在其企业中采用机器学习，而无需机器学习经验。

 

Amazon Kendra通过机器学习重塑企业搜索

 

尽管多年来多种尝试，但内部搜索对于当今的企业来说仍是一个棘手的问题，大多数员工仍然经常难以找到他们需要的信息。机构拥有大量非结构化文本数据，如果能够发现、存储多种格式并跨不同的数据源(例如 Sharepoint、Intranet、Amazon S3 和本地文件存储系统)，则这些数据非常有用。即使通用的、基于 Web 的搜索工具随处可见，机构仍然发现内部搜索很困难，因为没有可用工具能够很好地跨越现有数据孤岛编制索引，无法提供自然语言查询，并且无法提供准确的结果。当员工有疑问时，他们需要使用可能出现在不同上下文、多个文档中的关键字，这些搜索通常会生成一长串随机链接，员工必须筛选这些链接才能找到他们查找的信息(如果他们找得到的话)。

 

Amazon Kendra 让员工可以使用真实问题(而不仅仅是关键字)在多个数据孤岛中搜索，在后台部署 AI 技术来提供他们寻求的精确答案(而不是随机的链接列表)，重塑企业搜索。员工可以使用自然语言运行搜索(关键字仍然有效，但大多数用户更喜欢自然语言搜索)。例如，员工可以提出一个特定问题，如“IT 服务台什么时候开?”Amazon Kendra 会给他们一个具体答案，如“IT 服务台在上午 9：30 打开”，同时给出指向 IT门户和其它相关网站的链接。客户可以在应用程序、门户和 wiki 中使用 Amazon Kendra。只需在 AWS 管理控制台中单击几下，客户即可将 Amazon Kendra 指向其各种文档存储库，服务会聚合 PB级的数据以构建集中索引。Amazon Kendra会扫描文档的权限，确保搜索结果符合现有的文档访问策略，搜索结果仅包含用户有权访问的文档。此外，Amazon Kendra还根据客户的特定情况，积极地重新训练机器学习模型，使用点击率数据、用户位置和反馈提高准确性，随着时间的推移提供越来越好的答案。

 

Amazon CodeGuru 使用机器学习提供自动代码审核，帮助机构找到开销最大的代码行，从而改进软件开发

 

跟亚马逊一样，AWS客户也编写了大量代码。软件开发是一个广为人知的过程。开发者编写代码、查看代码、编译代码和部署应用程序、衡量应用程序的性能并使用该数据改进代码，循环往复。然而，如果代码一开始就不正确，那么所有这些过程都没什么用，所以团队都会在新代码添加到现有应用程序代码库之前执行代码检查，检查逻辑、语法和样式。即使对于像亚马逊这样的大型机构，考虑其每天要编写的代码量，也很难有那么多有经验的开发者、他们有足够的富余时间来审核代码。而且即使是有经验的审阅者遇到面向客户的应用程序时也会漏掉问题，从而导致出错和性能问题。