Hvert år afholder AWS konferencen re:invent. I december blev det en Corona-streamet version, men alligevel – eller måske netop derfor – blev den en af de mest markante til dato med store forudsigelser for 2021.

Frit oversat betyder re:invent genopfind. Det kan vinkles forskelligt, men overordnet er budskabet, at vi hele tiden skal være klar til at se alting på nye måder. Det er en kerneværdi hos AWS: Ikke at lade sig nøje med ’plejer’ og bryde dogmer for at kunne indtage nye markeder, forretningsområder og teknologier.

Og det er jo gået meget godt i Amazons egen butik, men nu skruer AWS for alvor op for blusset til kunderne, hvilket blev understreget ved en af konferencens vigtigste keynotes med VP for ML og AI Swami Sivasubramanian, der indvarslede en ny tid for både virksomheder og digitale udviklere.

Omdrejningspunktet for Swami Sivasubramanians keynote var AWS’ SageMaker: Den samlende cloudbaserede platform, der tilbyder et kæmpe katalog af integrerede services og infrastruktur til understøttelse af ML og AI.

Historisk er SageMaker relativt ung – den blev introduceret i 2016 – men er i dag et af de største og mest omfattende ben i AWS’ forretning. Og dens vækst er hastigt stigende. Det var ikke mindst i lyset af dette, at Swami Sivasubramanian i år fik sin debut som en af de mest promoverede keynote speakers. Tilbage i 2016 blev tre AI-services lanceret med SageMaker: Polly, Lex og Rekognition. Siden har 11 nye AI-services set dagens lys, og alene i 2020 kom der mere end 250 nye ML-features til.

Bredt ud & Dybt ned

Selvom SageMaker lancerer nye services og features med en stadig større hastighed, er ambitionen fortsat den samme, som den var tilbage i 2016: Nemlig at levere services, der både er relevante for digitale specialister og forretningsorienterede generalister, der blot ønsker nem og enkel adgang til at benytte de bedste ML og AI-værktøjer til at øge deres konkurrenceevne gennem bedre udnyttelse af big data, forståelse af deres kunder og evne til at udvikle og målrette deres produkter.

Det parallelle fokus på at kunne gå i dybden og/eller i bredden er årsagen til, at AWS har været en af de vigtigste aktører til at flytte ML og AI fra at være et nicheområde til at være en integreret del af virksomhedernes kerneforretning og opfindsom udvikling på tværs af alle brancher i hele verden.

Dybden og bredden er således de to ben, som SageMaker står på.

Bredden er afspejlet i, at SageMaker gennem SageMaker Studio gør ML og AI tilgængelige, selv for dem, der er stort set forudsætningsløse. Det vender vi tilbage til.

Tid & Penge

Det andet ben, målrettet digitale eksperter, markerer sig ved at stille et fundament og en skalerbar infrastruktur til rådighed, som ikke bliver matchet andre steder.

Dette er helt afgørende. For når det kommer til ML og AI, er der to faktorer, der udgør en stor og i mange tilfælde ødelæggende forhindring i forhold til at skabe den innovation og vækst, der ligger som et markedsvindende potentiale.

Det er måske ikke overraskende eller særlig nyt: Tid og penge.

ML er nemlig en ressourcekrævende aktivitet. Både i de forberedende stadier, og når algoritmen efterfølgende skal processere realtime indsigter, der løbende kan tune og optimere den valgte AI-service. Afhængig af størrelsen på de datasæt, der bruges i træningsfasen, kan det tage flere uger, før et udviklingsteam er klar til at deploye, primært pga. manglende mulighed for at skalere og dermed få adgang til tilstrækkeligt med ressourcer og computerkraft. Desværre ofte pga. stramme budgetrammer.

Dette dogme begyndte AWS allerede at gøre op med, da de introducerede chippen Inferentia. Den leverer op til 30% højere hastighed og op til 45% lavere omkostninger. AWS havde set, at lange indløbstider og potentielt meget høje omkostninger betød, at det ikke bare var digitale kompetencer, der var en barriere for fuld udnyttelse af ML og AI hos deres kunder. Skulle kunder med stor digital ekspertise serviceres effektivt, måtte alle barrierer ned.

Inferentia har været en massiv succes, og i 2021 følger AWS op med dens arvtager. Det bliver med chippen AWS Trainium, der målt på antallet af teraflops leverer den største computerkraft i skyen. Trainium er udviklet specifik til Deep Machine Learning til understøttelse for AI-services inden for billedklassificering, semantisk søgning, oversættelse, stemmegenkendelse, behandling af naturlige sprog og anbefalinger. Det er allerede nu muligt at tilmelde sig nyt om AWS Trainium, så man med det samme kan høste fordelene, når den frigives.

Fri opfindsomhed

Men det er som skrevet ikke kun de specialiserede eksperter, der kan glæde sig over udviklingen af SageMaker. Adskillige nye services er blevet eller bliver snart lanceret til glæde for alle virksomheder, der ønsker at optimere deres forretning med ML og AI, uden at skulle bekymre sig om andet end de muligheder for opfindsomhed, det giver.

Særligt tre nye services er værd at fremhæve.

SageMaker Clarify

Forudsigelser lavet vha.  ML og AI er kun så gode som de modeller og algoritmer, der ligger til grund. Derfor er indsigt og evne til at udrydde bias eller andre ubalancer, der måtte være opstået pga. de datasæt, der er benyttet i forbindelse med træningen, helt essentielt. SageMaker Clarify er en service, der giver denne nødvendige indsigt og mulighed for at reagere på den. Både i forbindelse med forberedelsen af datasæt, efter træning af modellen og kontinuerligt med den færdige model.

SageMaker Edge Manager

Efterhånden som IoT og smart devices bliver mere og mere udbredt og indgår som en vital del af værdikæden, er det også nødvendigt at have adgang til services, der er specifikt udviklede til at benytte ML og AI ’på kanten’. Realtime dataindsamling og træning af de relevante AI-services er forudsætningen for, at forudsigelser og handlinger kan effektueres rettidigt.

SageMaker Edge Manager giver adgang til at køre tusindvis af modeller og optimere, sikre, overvåge og vedligeholde dem på tværs af alle smart devises, uanset om det er kameraer, robotter, personlige computere eller andre mobile enheder.

SageMaker Pipelines

Automatiseret CI/CD af ML. Automatisering af CI/CD er ikke nyt, men en service udviklet specifikt til alle faserne af ML åbner for helt nye muligheder. SageMaker Pipelines tilbyder automatisering af udvalgte (potentielt alle) trin i ML-workflowet. Fra den første dataindlæsning og -transformation til træning, justering og implementering. Alle tilpassede workflows kan deles og genbruges på tværs af organisationen, hvilket både baner vejen for enklere, hurtigere og mere sikre arbejdsgange samt at skalere brugen af ML markant.

Scroll to Top