AWS的人工智能版图（最新）
6月29日，去参加了AWS上海站的技术峰会，我捞到了一张最有价值的图。
AWS的人工智能版图 ▼
AWS人工智能版图由：应用、平台、框架三大部分组成↓
▌AI应用层：是提供各种应用服务，比如Amazon Rekognition、Polly、LEX
▌AI平台层：是AWS SageMaker平台。
▌AI框架层：由CNTK 、MXNET 各种深度学习框架构成。
AI应用层
主推三大成熟应用
1、Amazon Rekognition——基于深度学习的图像和视频分析
它能实现对象与场景检测、人脸分析、面部比较、人脸识别、名人识别、图片调节等功能。
应用场景▼
2、Amazon Polly——使用深度学习将文本转换为逼真的语音
能转换多少种语言？
25种语言！
如英语、丹麦语、巴西葡萄牙语、西班牙、法语、日语、韩语等25种语言！
很遗憾，目前中文还没上线，正在研发中。
有多逼真？
52种语音：能发出美式英语、英式英语、印度英语、威尔士英语的发音，以及纯正的男声和女声发音。
将文本转换成语音时，神经元的机器翻译还能理解情感、实体、重要短语、主题等。
如果你觉得语速有点快，你可以对 Amazon Polly 语音进行修改。
Amazon Polly 支持词典和 SSML 标记，使您能够从多方面控制语音，例如发音、音量、基频、语速等等。
3、Amazon Lex——用于创建自动语音识别和自然语音理解功能的对话式聊天机器服务
Amazon Lex 提供高级的自动语音识别 (ASR) 深度学习功能，可以将语音转换为文本，还提供自然语言理解 (NLU) 功能，可以识别文本的意图。
具体应用：呼叫中心机器人
➀通过在 Amazon Connect 呼叫中心使用 Amazon Lex 聊天机器人，呼叫者可以执行更改密码、请求查看账户余额、安排约会等任务，而无需与代理商通话。
➁识别呼叫者的意图：使用自动语音识别和自然语言理解来识别。
➂以最佳的电话音频采样率 (8kHz) 识别人类语音，并且可以理解呼叫者的意图，而无需呼叫者用特定的措辞说话。
➃Amazon Lex 使用 AWS Lambda 函数查询您的业务应用程序，向呼叫者提供信息，并按要求进行更新。
➄Amazon Lex 聊天机器人还会保留上下文并管理对话，根据对话动态调整回复。
AI平台
AWS SageMaker
Amazon 的AI应用服务是如何实现的?
通过AWS SageMaker平台实现！
➀通过AWS SageMaker平台，实现对象检测、面孔识别和人员跟踪等AI功能。
AWS SageMaker平台花了大量时间来做：创建、训练、部署工作。
这样，用户不需要任何机器学习专业技能 ，而只需要使用 API ，就能在应用程序中添加视觉分析功能。
➁为了保持平台与时俱进，Amazon SageMaker不断在新数据上接受训练。
目的是：扩展其识别对象、场景和活动的能力，从而提高准确识别的能力。
用户坐享其成：借助 Amazon Rekognition，用户就可以自动利用这些持续的改进。
AI框架层
各种深度学习框架
Amazon SageMaker平台是建立在各种深度学习框架之上
这些深度学习框架，包括：caffe2、CNTK、MXNET、PYTORCH、Tensor Flow、以及keras和GLUON。
每一种深度学习框架都有自己的特点。
比如：亚马逊MXNet在CNN、RNN与NLP情感分析任务上性能强劲，而TensorFlow擅长于特征提取。
AWS 基于多样的深度学习框架，构建Amazon SageMaker平台，实现Amazon 各种人工智能应用服务。
AWS技术峰会上海站已经落幕，但AWS技术创新永无止境。
如果错过了上海站，没关系，北京站马上就来。
8月9日，国家会议中心，亲临现场聆听技术大牛分享最前沿的AWS技术。
抢票网址：
https://awssummit.cn?tc=Smx21V7H4J
AI公安丨不看脸，看走路。公安启用“AI步态识别”，33小时破命案
▼
一个落地的AI号