当前主要的公有云厂商，都在持续发展人工智慧应用，并且提供对应的解决方案，而身为市场龙头的AWS到了2017年底，也加紧脚步推出不同层面的平台与服务，并强调整合多种AWS服务的优势。
人工智慧的应用当道，使用机器学习技术的机会跟着快速增长，许多云端服务业者都在积极发展这样的业务，而AWS当然也不例外。
他们在底层架构的部份，提供搭配GPU的加速运算型执行个体P3，以及专门用於深度学习的一系列AMI映像档，支援Apache MXNet、Caffe2、CNTK、PyTorch、TensorFlow、Theno、Torch等框架。而在深度学习的应用介面上，AWS也支援2015年问世的Keras（能在TensorFlow、CNTK、Theano当中执行），以及由AWS与微软在2016年10月所共同推出的Gluon（MXNet已涵盖在内，微软CNTK未来版本及更多深度学习框架，也将纳入）。
而在2017底年举行的re:Invent全球用户大会上，AWS新发表了多种机器学习相关的云端服务项目。
推出机器学习整合服务，以及支援深度学习的视讯摄影机
在11月29日的主题演讲当中，AWS执行长Andy Jassy针对机器学习平台，首先宣布推出的服务是SageMaker，这是一套关於机器学习模型的建立、训练与部署作业的云端服务，由AWS全权管理，可协助应用程式的开发者、资料科学家，将发展机器学习环境所需的多项繁复操作，变得更容易。
SageMaker之所提供这样的便利性，是因为运用了预先建好的Jupyter notebooks开发范本、针对PB等级资料集最佳化的常用机器学习演算法，以及自动模型调校等技术。而在训练过程中，SageMaker也能予以简化与加速，并且可以自动建立与管理所需要的IT基础架构，用於训练模型与执行推论，以便产生预测结果。
在深度学习框架的搭配上，SageMaker原生整合了TensorFlow和MXNet，未来将会支援更多类型，同时，开发者若在SageMaker使用特定的框架与演算法，也可以先把相关环境的容器，上传到EC2 Container Registry容器登录服务，再予以设定。
透过SageMaker执行训练模型的过程，也相当简单，开发者只需选择EC2的执行个体类型与数量，以及资料所在位置即可，系统会帮你设定分散式运算丛集、执行模型的训练，并将结果输出到S3，在完成作业之後，也会自动拆散丛集。此外，这套服务提供了自动调校模型功能，里面运用方式包括：超参数（Hyperparameters）的最佳化，以及自动调整几千种演算法的参数组合，藉此提升预测精确度。
接续在SageMaker之後，Andy Jassy第二项关於机器学习的发布，出乎众人意外地，竟是一台具有WI-Fi无线上网能力、内建深度学习的视讯摄影机DeepLens，令全场与会者为之震惊。
这是一部协助开发者设计深度学习应用的设备，并可用於人员的教育训练，AWS人工智慧事业群总经理Matt Wood也在现场利用这台设备，直接向全场观众展示辨识物件图像与脸部情绪的能力，处理速度与判断准确性相当不错。
Matt Wood也公布了DeepLens的售价是249美元，有意试用者，可参加re:Invent大会现场举行的DeepLens工作坊，AWS也已经开放网站预购，可到电子商务网站amazon.com下单，预计在2018年初开始出货。
AWS新服务降低机器学习门槛
想要获得机器学习的能力，首先要克服的难关是相关环境的建置，而在AWS宣布推出的服务SageMaker当中，简化了这些作业，开发者只需考虑资料模型该如何建立、训练、部署，底层的琐碎工作由AWS来处理。
提供更多类型的机器学习应用服务
除了SageMaker和DeepLens，AWS在图像、语音、语言、语意的辨识服务上，也增加了新的解决方案。
在影像识别应用上，AWS先前就有Rekogntion，是针对图片的搜寻、分析与组织，而在这次大会期间，他们推出Rekognition Video，能即时与批次分析影片，另一个则是Kinesis Video Streams，可撷取与储存影音串流资料。
其中的Rekognition Video，可以针对用户存放在S3云端储存的影片资料，追踪里面的人员与活动状态，并且辨识物体、脸孔、名人与不当内容，AWS借助电脑视觉模型的力量，提供易於使用的API，而这些模型训练的目的，就是为了能够做到精准侦测几千个物体与活动，并且可以针对即时录制的视讯，以及放置在S3的影片，拆解出动作相关的脉络。
而对於语音识别，AWS过去已推出文字转换语音的服务Polly，以及针对应用程式提供语言和文字交谈介面的服务Lex，而到了2017年底，他们增设了将语音辨识为文字的服务Transcribe，翻译多国语文的Translate，以及具备自然语言处理能力的Comprehend。
以Transcribe为例，能够处理音质较低的语音资料，例如通话中心的电话语音记录，提供高精准度的分析，系统对於处理的每一个字，都会给予一个时戳（Timestamp），让开发者对於文字与原始档案的内容，进行精准对齐。而在多国语言的支援上，目前这套服务仅支援英文与西班牙文，至於处理其他语言的部份，未来将陆续推出。在技术的发展上，Transcribe的下个目标是针对同一个声音档，能够清楚辨识出里面的多个讲者，也将提供开发者上传自定的词汇资料，以提升语音转为文字的精确度。
而在Translate的服务当中，AWS运用了神经机器翻译（Neural Machine Translation）的技术，提供精准的多国语文翻译，初期可处理英文与6国语言之间的转换（阿、法、德、葡、简中、西），2018将推出更多语言的支援。
至於Comprehend，则是提供理解自然语言的能力，针对储存在AWS云端服务环境中的文件、社交网站的贴文、文章，以及任何文字资料，进行相关的处理。AWS在这套服务里面，主要是运用了深度学习技术，而能辨识出多种资讯，例如：文字叙述的主体（例如人物、地点、日期、所属的团体组织），内容撰写采用的语言，文字表达的情绪、表达概念与形容词的关键字。
AWS物联网云端服务的新布局
在2017年底，AWS宣布6个物联网（IoT）云端服务，都是针对连网设备而来的应用。首先发表的是IoT 1-Click，提供更易於建构物联网应用的环境，针对使用者单键操作的连网设备，使其具有技术支援、後续添购相关商品与服务，或是资产位置追踪等功能。
接着，AWS推出IoT Device Management、IoT Device Defender、IoT Analytics，对应连网设备的管理、安全防护，以及资料分析需求。
而对於小型、低功耗连网设备的整合运用，AWS提供Amazon FreeRTOS作业系统平台，使设备安全连至AWS云端服务，或是执行Greengrass的边缘设备与闸道装置，而开发者可以更容易建构具有通用物联网能力的设备。
