Những hạt giống của sự thay đổi mô hình học máy (ML) đã được gieo trong nhiều thập kỷ, nhưng khi năng lực tính toán trở nên gần như vô hạn, lượng dữ liệu trở nên vô cùng lớn và công nghệ ML nhanh chóng phát triển, khách hàng trong mọi lĩnh vực giờ đây đã có thể tiếp cận những lợi ích mang tính chuyển đổi của công nghệ ML. Để khai thác cơ hội này và đưa ML ra khỏi phòng nghiên cứu đến tay các tổ chức, AWS đã tạo ra Amazon SageMaker. Năm nay, chúng tôi kỷ niệm 5 năm ra mắt Amazon SageMaker, dịch vụ ML có quản lý toàn diện hàng đầu của chúng tôi, được ra mắt tại sự kiện AWS re:Invent 2017 và đã trở thành một trong những dịch vụ phát triển nhanh nhất trong lịch sử AWS.

AWS cho ra đời dịch vụ Amazon SageMaker để phá vỡ các rào cản đối với ML và phổ cập khả năng tiếp cận công nghệ tiên tiến. Ngày nay, thành công đó dường như là điều đương nhiên, nhưng tại thời điểm năm 2017, công nghệ ML vẫn yêu cầu các kỹ năng chuyên môn mà không nhiều nhà phát triển, nhà nghiên cứu, các tiến sĩ hoặc công ty ứng dụng ML trong hoạt động của mình mới có khả năng sở hữu. Trước đây, các nhà phát triển và các nhà khoa học dữ liệu phải trực quan hóa, chuyển đổi và xử lý trước dữ liệu thành các định dạng mà các thuật toán có thể sử dụng để huấn luyện mô hình, đây là các hoạt động đòi hỏi lượng công suất tính toán khổng lồ, thời gian huấn luyện kéo dài và các nhóm chuyên trách để quản lý các môi trường thường với nhiều máy chủ hỗ trợ GPU - và để thực hiện khối lượng công việc tinh chỉnh hiệu năng bằng nhân công khá lớn. Ngoài ra, việc triển khai một mô hình đã được huấn luyện trong một ứng dụng đòi hỏi nhiều kỹ năng chuyên môn khác nhau về thiết kế ứng dụng và hệ thống phân tán. Khi số lượng các bộ dữ liệu và biến số tăng lên, các doanh nghiệp phải lặp lại quá trình này để tiếp tục học hỏi từ thông tin mới và phát triển khi các mô hình cũ trở nên lỗi thời. Những thách thức và rào cản này khiến ML nằm ngoài khả năng tiếp cận của hầu hết các tổ chức và viện nghiên cứu nếu họ không có nguồn tài trợ tốt.

Sự khởi đầu của một kỷ nguyên mới trong lĩnh vực máy học

Đó là lý do chúng tôi giới thiệu Amazon SageMaker, dịch vụ có quản lý ML toàn diện hàng đầu của chúng tôi, cho phép các nhà phát triển, các nhà khoa học dữ liệu và nhà phân tích kinh doanh nhanh chóng và dễ dàng chuẩn bị dữ liệu, xây dựng, huấn luyện và triển khai các mô hình ML chất lượng cao trên quy mô lớn. Trong 5 năm qua, chúng tôi đã bổ sung hơn 250 tính năng và năng lực mới, bao gồm môi trường phát triển tích hợp (iDE) đầu tiên trên thế giới cho ML, trình gỡ lỗi, tính năng giám sát mô hình, tính năng lập hồ sơ, AutoML, chợ tính năng, năng lực triển khai tính năng không lập trình và công cụ tích hợp và phân phối liên tục (CI/CD) chuyên biệt đầu tiên để đơn giản hóa ML, tăng cường khả năng mở rộng hơn trên đám mây và các thiết bị vùng biên.

Trong năm 2021, chúng tôi đã tăng cường hoạt động để đưa ML tới cho nhiều người dùng hơn. Amazon SageMaker cho phép nhiều đối tượng người dùng tạo ra các mô hình ML, bao gồm các môi trường không lập trình trong Amazon SageMaker Canvas dành cho các nhà phân tích kinh doanh không có kinh nghiệm về ML, cũng như môi trường ML không cài đặt, miễn phí để sinh viên học tập và thử nghiệm với ML nhanh chóng hơn.

Giờ đây, khách hàng có thể lựa chọn các công cụ phục vụ đổi mới sáng tạo với Amazon SageMaker - IDEs dành cho các nhà khoa học dữ liệu và một giao diện không lập trình cho các nhà phân tích kinh doanh. Khách hàng có thể truy cập, gắn nhãn và xử lý một lượng lớn dữ liệu có cấu trúc (dữ liệu dạng bảng) và dữ liệu phi cấu trúc (ảnh, video và âm thanh) cho ML. Với Amazon SageMaker, khách hàng có thể giảm thời gian huấn luyện từ hàng giờ xuống còn vài phút với cơ sở hạ tầng được tối ưu hóa. Cuối cùng, khách hàng có thể tự động hóa và tiêu chuẩn hóa các thực hành vận hành học máy (MLOps) trong tổ chức để xây dựng, huấn luyện, triển khai và quản lý các mô hình trên quy mô lớn.

Các tính năng mới cho thế hệ đổi mới sáng tạo tiếp theo

Trong tương lai, AWS tiếp tục đẩy mạnh phát triển các tính năng mới có thể giúp khách hàng phát triển ML hơn nữa. Ví dụ, các điểm cuối đa mô hình (MME) của Amazon SageMaker cho phép khách hàng triển khai hàng ngàn mô hình ML trên một điểm cuối duy nhất của Amazon SageMaker và cắt giảm chi phí bằng cách chia sẻ các instances được cung cấp trên một điểm cuối với tất cả các mô hình. Cách đây không lâu, MME chỉ vận hành được với CPU, nhưng tới nay, các MME của Amazon SageMaker đã hỗ trợ GPU. Khách hàng có thể sử dụng MME của Amazon SageMaker để triển khai các mô hình học sâu trên các phiên bản GPU và tiết kiệm đến 90% chi phí bằng cách triển khai hàng ngàn mô hình học sâu trên một điểm cuối đa mô hình duy nhất. Amazon SageMaker cũng đã mở rộng hỗ trợ cho các phiên bản Amazon Elastic Compute Cloud (Amazon EC2) do các bộ xử lý AWS Graviton 2 và Graviton 3 cung cấp, rất phù hợp với các phép suy luận ML trên nền CPU, vì vậy khách hàng có thể triển khai các mô hình trên loại hình instance tối ưu cho tải công việc.

Khách hàng của Amazon SageMaker tạo nên sức mạnh cho công nghệ máy học

Mỗi ngày, khách hàng với mọi quy mô và trong mọi ngành nghề đang chuyển sang sử dụng Amazon SageMaker để rút ngắn thời gian và giảm chi phí thử nghiệm, đổi mới sáng tạo và triển khai các mô hình ML. Do đó, chủ đề bàn luận hiện nay đã thay đổi từ khả năng của ML sang ứng dụng ML để nâng cao năng suất. Ngày nay, các khách hàng doanh nghiệp như Capital One và Fannie Mae trong lĩnh vực dịch vụ tài chính, Philips và AstraZeneca trong lĩnh vực chăm sóc sức khỏe và khoa học đời sống, Conde Nast và Thomson Reuters trong lĩnh vực truyền thông, NFL và Formula 1 trong lĩnh vực thể thao, Amazon và Mercado Libre trong lĩnh vực bán lẻ và Siemens và Bayern trong lĩnh vực công nghiệp đều đang sử dụng dịch vụ ML trên AWS để đẩy mạnh đổi mới kinh doanh. Họ cùng hàng chục nghìn khách hàng khác của Amazon SageMaker đang sử dụng dịch vụ để quản lý hàng triệu mô hình, huấn luyện các mô hình với hàng tỷ thông số và đưa ra hàng trăm tỷ dự đoán mỗi tháng.

Còn nhiều đổi mới sáng tạo đang chờ đợi ở phía trước. Tuy nhiên, trong lúc này, chúng tôi xin dành thời gian này để chúc mừng những thành công khách hàng của mình đã đạt được.

Thomson Reuters

Thomson Reuters, một nhà cung cấp dịch vụ thông tin kinh doanh hàng đầu, khai thác sức mạnh của Amazon SageMaker để tạo ra các dịch vụ tốt hơn cho khách hàng của mình.

Danilo Tommasina, Giám đốc Kỹ thuật tại Thomson Reuters Labs cho biết: “Chúng tôi liên tục tìm kiếm các giải pháp mạnh mẽ, ứng dụng công nghệ AI, có khả năng mang lại lợi nhuận đầu tư tích cực trong dài hạn. Amazon SageMaker là nhân tố trung tâm trong hoạt động nghiên cứu và phát triển AI của chúng tôi. Giải pháp này cho phép chúng tôi ứng dụng hiệu quả kết quả nghiên cứu vào các giải pháp hoàn thiện và được tự động hóa cao. Với Amazon SageMaker Studio, các nhà nghiên cứu và các kỹ sư được trang bị tất cả các công cụ cần thiết cho quy trình công việc ML trong một iDE duy nhất để họ có thể tập trung vào giải quyết các vấn đề kinh doanh. Chúng tôi thực hiện tất cả các hoạt động phát triển ML của mình, bao gồm ghi chép, quản lý thử nghiệm, tự động hóa chuỗi sản phẩm ML và gỡ lỗi trực tiếp trong Amazon SageMaker Studio.”

Salesforce

Salesforce, nền tảng CRM hàng đầu thế giới, mới đây đã công bố các tính năng tích hợp mới, cho phép sử dụng Amazon SageMaker cùng với Einstein, là công nghệ AI của Salesforce.

Rahul Auradkar, Phó Chủ tịch cao cấp, bộ phận Einstein và Dịch vụ dữ liệu thống nhất tại Salesforce, cho biết: "Salesforce Einstein là công nghệ AI toàn diện đầu tiên dành cho CRM và tạo điều kiện để mọi doanh nghiệp có thể phận hành thông minh hơn và dự đoán tốt hơn về khách hàng của họ thông qua một tổ hợp các công nghệ AI dành cho bán hàng, tiếp thị, thương mại, dịch vụ và CNTT. Một trong những thách thức lớn nhất mà các công ty hiện phải đối mặt hiện nay là dữ liệu của họ bị phân tán trong nhiều nguồn và không có liên kết. Kết hợp dữ liệu từ nhiều nguồn để tạo ra sự gắn kết với khách hàng theo thời gian thực qua tất cả các điểm chạm và để thấu hiểu hoạt động sản xuất kinh doanh là một công việc đầy khó khăn. Việc tích hợp Salesforce và Amazon SageMaker, được nền tảng dữ liệu khách hàng thời gian thực Genie của Salesforce hỗ trợ, cho đội ngũ làm công tác dữ liệu khả năng truy cập thông suốt vào dữ liệu khách hàng đã được hợp nhất và hài hòa hóa, để xây dựng và huấn luyện các mô hình ML trong Amazon SageMaker. Sau khi được triển khai, các mô hình SageMaker của Amazon có thể được sử dụng với Einstein để thực hiện dự đoán và phân tích chi tiết trên nền tảng Salesforce. Cùng với sự phát triển của công nghệ AI, chúng tôi tiếp tục bổ sung tính năng xây dựng mô hình riêng (BYOM) cho Einstein để đáp ứng nhu cầu công việc của các nhà phát triển và các nhà khoa học dữ liệu.”

Autodesk

AutoCAD là một ứng dụng phần mềm thương mại phục vụ thiết kế bằng máy tính và soạn thảo của Autodesk. AutoCAD sử dụng Amazon SageMaker để tối ưu hóa quy trình thiết kế tạo sinh (generative design).

Dania El Hassan, Giám đốc Quản lý sản phẩm AutoCAD tại Autodesk, cho biết: “Chúng tôi muốn trao quyền để khách hàng nâng cao hiệu quả sử dụng AutoCAD bằng cách đưa ra những hướng dẫn và thông tin chi tiết kịp thời, được cá nhân hoá để đảm bảo thời gian khách hàng dành cho sử dụng AutoCAD mang lại năng suất cao nhất có thể. Amazon SageMaker là một công cụ thiết yếu giúp chúng tôi có thể khuyến nghị cho người dùng về các lệnh và phím tắt chủ động cho người dùng, giúp họ đạt được các kết quả thiết kế tốt."