Swami：机器学习并不是一个全新的概念，可能最早在30年之前就已经有了深度学习的技术。但为什么之前深度学习、机器学习没有大规模被采纳或者说落地呢？可能有几个原因：第一，机器学习需要很多的数据；第二，需要巨大的运算能力；第三，需要高技能的操作者。因此如今机器学习正在经历一个云上的复兴。

　　现在有了云服务，你可以很好地获得海量数据(行情603138,诊股)，而且价格很低，每G只要几美分的价格，还有随需调用的计算能力。任何组织、任何类型的组织有了这样的服务，通过云计算服务都可以很好地获得AI技术。

　　事实上，越来越多的企业开始使用云计算的机器学习，仅仅从AWS的客户群而言就可以看出，在云上使用机器学习服务的企业增长率与日俱增。现在我们已经有数以万计的活跃开发者在AWS上训练机器学习，就在去年同比增长了250%，超过80%的客户都是跑在AWS的云计算上。

　　NBD：不同领域的企业如何通过调动云平台改进企业的AI技术？

　　Swami：我举几个例子，比如机器医疗可以帮助企业调动机器学习的技术更好地洞察检测成像，分析X光片，可以更快、更好地识别主要的症状和问题，甚至在它们成为严重的疾病之前就可以探测出来。

　　再比如运动领域，现在是美国橄榄球季，采用AI技术，可以从球员身上的传感器或者是一些视频中获得数据从而进行跑动路线的研究，预测运动员将来可能会跑哪条路，以及背后的规律。

　　在金融服务、制药、自动驾驶和教育领域同样如此，企业可以在平台上做数据和信息的提取、分析、预测。未来我们也在考虑，到底怎么把深度学习技术运用到数据库的结构上，把它运用在自然语言处理、计算机视觉技术等领域，以及怎么能够把它做到更准确，更具有可拓展性。

　　NBD：对于提供人工智能技术的服务商而言，机器学习是怎样来优化公司内部结构的？

　　Swami：首先，对于客户来说，拥有人工智能技术的云平台所做的就是把机器学习的技术开放给了所有开发者，在云平台上有广泛的工具，可以支持所有的框架，提供专门的人工智能服务。

　　而对于亚马逊来说，机器学习已经完全深入到我们业务的方方面面。亚马逊的每一个事业部的负责人每一年会做6页纸的年度规划，在每一年的文件当中，我们必须要回答一个问题：怎么能够更好地利用机器学习改善业务发展？所以，可以说创新和机器学习已经是亚马逊的DNA所在，完全渗透到我们每一天的日常工作当中。

基础研究推动AI广泛应用

　　Swami：我觉得正是因为有云的存在，才使得人工智能有更广泛的应用。以前可能就只有大型的互联网公司和资本雄厚的企业才可以在自己的数据库上、数据中心上跑这么大的系统，而小型的企业很少能够独立负担。但就是因为云的出现改变了这样的状态。现在，哪怕是一个初创企业，也可以从零开始去按需使用人工智能，而且它可以做到成本非常低，数据可以做到非常安全。

　　另外，一些企业经常会遇到的挑战是，它可能自己公司没有足够多的专业的人才、专业的人员可以来建机器学习的模型。所以对于我们来讲，我们所能提供的就是，可以给客户非常方便来使用我们解决方案的能力，帮助他们去打造并且对机器学习的模型可以来进行培训。

　　NBD：现在越来越多的科技企业开始在全球建立研究院，意味着什么？

　　Swami：其实在研究方面还可以做太多的工作、太多的事情，包括到底怎样打造和更好地利用人工智能的系统，以及怎么知道它已经开始在发挥作用、在启动，包括相关的数据中心、数据库的技术、可拓展的技术、机器学习的利用和部署等。所以我们觉得，现在只是未来发展的一个非常早期的阶段，对未来的前景还有很多探索空间。

　　如果看一下人工智能技术的采纳和使用情况，我认为AI是一个革新性技术，螚让企业节省时间和成本，提高生产率，这方面潜力是非常大的。

　　现在有很多公司的CEO会问这样一个问题：自己公司的AI战略到底是什么？所以现在并不是用不用的问题，而是什么时候可以开始采纳AI的解决方案。

　　现在平台服务已经可以做到用鼠标点击几下就可以建成自己机器学习的模型，但我觉得最棒的消息是，平台服务的提供商一直在不断简化自己的解决方案和流程，希望客户企业在操作时更加方便，比如只要有了数据就可以自动生成模型。