微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 亚马逊CTO对云有预测,未来这四个场景会有大作用

亚马逊CTO对云有预测,未来这四个场景会有大作用

2022-08-15 12:09
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2022-08-15 12:09 海外来电

云计算就在我们身边。

亚马逊CTO对云有预测,未来这四个场景会有大作用

作为在云巨头效力已经17年有余的资深首席技术专家,Vogels一直在反思云计算的技术拓展之路。特别是2007年诞生的亚马逊云科技,一路推动云计算向着一切计算场景加速融合。

Werner Vogels拿亚马逊举例说,亚马逊云科技在全球设有24个区域、84个可用区、成千上万个存在点,已经开始全面覆盖5G接入点等边缘位置,甚至将业务延伸至外太空。

时,实际访问的就是你身边最近处的AWS接入点。

另外,云计算的落地也衍生出更多值得关注的新鲜应用,特别是在各种建筑中嵌入技术、智能方案及传感器。

数字传感器大有前景

数字与物理、模拟与真实之间的边界正在快速消失,数字传感器被放置在真实环境当中,而各传感器之间的持续交互已经成为最火热的新兴概念。

亚马逊Alexa举例说智能语音系统的出现就是一道分界线。因为,最喜欢用Alexa的其实是老年用户,如果塞给他们一部iPad,那他们也就用它拍几张孙子孙女的照片,仅此而已。但如果可以用语言交流,那设备的使用门槛就会大大降低。根据他的经验,不少年长的用户甚至把Alexa称为“救星”。

老年人的自我护理也将成为医疗保健体系中的重要组成部分。

2、老年护理是个重要话题

通过怎样的创新探索,才能让老年人们能尽量待在家中,不再为了种种日常需求而被迫前往相应的服务设施。

特别是在老年护理和医疗保健方面,整个体系的便捷性都在经历一场重大革新。


医疗保健当然是个重要话题。在成长为技术专家之前,他曾经在医院的放射科工作过。

问他本来打算在演讲中聊什么,Vogels说他想跟听众们分享“数字存储普及之前,放射科那噩梦般的旧时光”。

Vogels回忆道,大概三四十年前,当时数字存储的成本太高,医院根本无法承受。为了满足医疗记录需求,医院不可能把核磁共振数据保存成数字化形式,只好把图像印在胶片上,再像X光片那样进行实体归档。

于是放射科的档案库就像电影制片厂一样庞大而杂乱。“在病人来复查时,我们没法直接用数字信息进行比较,而只能调出相应的胶片,一张张翻着看。”对这位辛勤的放射科医师来说,每天的工作就是翻看无数张胶片,“上班时眼睛还好好的,到快下班时已经有点看不清东西了。”

但如今,所有数据都有了纯数字化版本。在云服务,特别是云存储的帮助下,图像研究的灵活性达到了他们当初无法想象的水平。

也逐渐成为放射科医师手中的强大工具。

“直到现在,还是有很多人觉得AI和机器学习会消灭工作岗位。但至少放射科医师们不会这么想,他们对如今的便利性感到既兴奋又感激。”

以数字为基础,“医师们现在可以做出微观比较”,比如对肿瘤变化的细节进行对照。Vogels说,“人的眼睛没那么敏锐,但AI和机器学习能够发现其中隐藏的模式,并在一定程度上引导放射科医师专注于需要发挥创造力的工作。”

“所以从本质上讲,放射科医师会把医疗保健领域的AI方案理解成出色的助手。有它们帮忙,医生也能早点下班回家了。”

Vogels再次强调了其中的逻辑链条,在放射学科中,因为我们能够保存数字化数据了,所以机器学习才变得越来越重要。而现在,整个医疗保健领域都在经历类似的重大转变。

而机器学习在肿瘤上发现的某些微观差异,也许才是病变的主要判断依据。

最终判断仍然要靠放射科医生来下达,但机器学习现在可以“展示以往无法获取的信息”。

如今,诊疗笔记也在经历数字化,有望逐渐告别纯手写的低效形式。将这些记录转换为数字化数据,就能让AI对所有内容进行分类和筛选,“找出模式和切入点,而这一切在短短五年前都还只是幻想。”

要想对核磁共振影像进行肿瘤分析,就必须对深度学习等前沿AI成果做出新一轮创新。“要攻克这个难题,靠的可不仅仅是分析数据内容或者编写SQL查询,而得有真正的模式匹配和深度学习能力。”好在“不少这类AI模型一直在发展,前进的脚步从未停歇”。


转交给每一家企业、甚至是每一个人。

他说,“现在,我们已经可以通过机器学习构建起具备实用性的系统了。亚马逊二十年前就这么做了,现在这种能力不再是技术巨头的专属,而是成为新的行业常态。”

“看看亚马逊用个性化推荐构建起的一个个页面,这才是一千个用户眼中有一千个不同的主页。所有这些,都是依靠机器学习技术实现的。”

“而且亚马逊还保留了几十亿份订单记录,我们也明确知道哪些是欺诈性订单,所以能据此整理出模型。这样当有新订单传入时,我们就能准确判断出其属于欺诈性订单的概率。”

“如此种种,亚马逊的技术积累比行业平均水平要领先五到十年。但时至今日,个性化推荐和欺诈分析正逐渐成为大众化的技术成果,未来每个人都应该能够根据自己的需求分析订单模式、预测后续情况。”

机器学习在代码开发中也在发挥“极其重要的作用”,并援引了亚马逊Code Whisperer技术“消除简单重复工作”的案例。在这类工具的加持下,开发人才供应不足的问题有望得到显著缓解。

Vogels还说,机器学习也将给能源等受到严格监管的行业带来助益。以澳大利亚的液化丙烷气行业为例,他们正在技术的支持下探索预测性维护的可行性。以往,相关设施只有在问题实际出现后,才会通过巨大的仪表板发出刺耳的警报。如今,他们使用新的传感器开展预测性维护,希望能抢在问题发生之前将其扼杀在摇篮之中。

制造业同样能够从机器学习中获得巨大提升。他观察到,在美国,典型的制造设备大多产自26年之前,所以完全没考虑过机器学习这个因素。因此,我们有必要对制造环境开展一体化改造,充分运用来自环境的实时数据,进而实现安全保障和预防性维护。很多行业和领域在这方面都具有广阔的应用空间。

当然,AI中也有不少更深层次的道德问题需要解决。Vogels坦言,“这里还有很多未解之谜。”

从这种可行性出发,没准未来的监管要求反而会有所下降。

某些技术可能在某个国家通行无阻,比方说图像识别之类,但在其他国家也许会遭到群体抵制。

Vogels还举了伦敦各处密布监控闭路摄像头的例子。“这种行为在英国没问题,但同样的事情如果发生在阿姆斯特丹,老百姓就要造反了。”

Vogels认为,要想解决这样一个“极度敏感的话题”,首先需要明确什么是负责任的技术。其中的基本前提就是,“技术可以被用于行善,也可以被用于为恶。”

“至于到底怎么保证技术只用于行善、不用于为恶,就要由监管机构和技术开发商共同决定了。”

分享至
2赞

好文章,需要你的鼓励

海外来电

科技行者旗下编译团队,聚焦海外新技术、新观点、新风向。
推荐文章
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-