Crea un account gratuito

I servizi Amazon AI mettono a disposizione degli sviluppatori le tecnologie di riconoscimento del linguaggio naturale, riconoscimento vocale automatizzato, ricerca visiva e riconoscimento di immagini, sintesi vocale (TTS) e apprendimento automatico (ML). Amazon AI utilizza gli stessi prodotti e servizi collaudati e scalabili creati dalle migliaia di esperti di apprendimento approfondito e apprendimento automatico che operano in Amazon, e fornisce funzionalità di intelligenza artificiale scalabili, di alta qualità ed estremamente affidabili a costi accessibili.

Inoltre, l'AMI di apprendimento approfondito di AWS offre la possibilità a ricercatori e sviluppatori di AI di iniziare a usare in modo rapido e semplice i principali framework di apprendimento approfondito per addestrare modelli di intelligenza artificiale complessi e personalizzati, sperimentare nuovi algoritmi, migliorare le competenze e apprendere nuove tecniche di apprendimento approfondito nella potente infrastruttura di elaborazione di AWS.



Strategia di prodotto Amazon AI

Il nostro approccio all'intelligenza artificiale si suddivise in tre livelli differenti che si basano sull'infrastruttura AWS:

AI Services: al livello superiore, per gli sviluppatori che vogliono impiegare le tecnologie di intelligenza artificiale senza alcuna formazione, oppure che desiderano sviluppare propri modelli di apprendimento automatico, AWS fornisce una raccolta di servizi di intelligenza artificiale gestisti pre-addestrati, pre-ottimizzati e altamente scalabili che non richiedono alcuna formazione nel campo dell'intelligenza artificiale né competenze di apprendimento approfondito. Tra questi Amazon Rekognition per l'analisi di immagini e volti, Amazon Polly per la sintesi vocale e Amazon Lex per la creazione di chatbot con funzionalità id riconoscimento vocale automatico e riconoscimento del linguaggio naturale.

AI Platforms: per i clienti che dispongono già dei dati e che desiderano creare modelli di inferenza personalizzati, forniamo un set di piattaforme di intelligenza artificiale che sollevano gli sviluppatori dalle onerose attività generiche associate a distribuzione e gestione dell'apprendimento dell'intelligenza artificiale e all'hosting del modello. Il servizio Amazon Machine Learning permette di addestrare modelli di apprendimento automatico da utilizzare con dati personalizzati; per farlo non sarà necessario avere particolari competenze o esperienze nel campo dell'apprendimento approfondito. Inoltre, Apache Spark in Amazon EMR include MLlib, che offre algoritmi scalabili di apprendimento automatico.

AI Frameworks: infine, sono supportati tutti i più importanti framework di intelligenza artificiale, per ricercatori e data scientist che desiderano creare sistemi complessi e all'avanguardia. Framework come Apache MXNet, TensorFlow, Caffe, Theano, Torch, Keras e CNTK forniscono modelli di programmazione flessibili per addestrare modelli personalizzati su vasta scala. L'AMI di apprendimento approfondito di AWS, disponibile sia per Amazon Linux sia per Ubuntu, offre tutti questi framework preinstallati e configurati in un'Amazon Machine Image, per iniziare a utilizzare il servizio in modo semplice e veloce.

AI Infrastructure: i framework di apprendimento approfondito come Apache MXNet usano reti neurali che implicano l'utilizzo di processi di moltiplicazione che coinvolgono diverse matrici. Le istanze P2 di Amazon EC2 forniscono potenti GPU Nvidia che permettono di accelerare in modo significativo il completamento di questi calcoli e quindi di addestrare i modelli in minor tempo rispetto alla CPU tradizionali. Dopo l'addestramento, le istanze C4 ottimizzate per il calcolo e le istanze M4 per uso generico di Amazon EC2 sono ideali per l'esecuzione di inferenze nel modello. Inoltre, AWS Lambda consente di semplificarne il funzionamento utilizzando previsioni di apprendimento automatico serverless, mentre AWS Greengrass consente di eseguire applicazioni IoT di intelligenza artificiale in modo ottimizzato nel cloud AWS e su dispositivi locali.

Torna all'inizio »


Amazon AI semplifica la creazione di applicazioni in grado di riprodurre testi con voci naturali, conversare tramite voce o testo e analizzare immagini per individuare volti, oggetti e ambiente.

Amazon Lex

Amazon Lex impiega la stessa tecnologia di Amazon Alexa per fornire funzionalità di riconoscimento vocale automatizzato e di riconoscimento del linguaggio naturale basate su funzionalità di apprendimento approfondito che permettono la creazione di applicazioni con interfacce di comunicazione, generalmente note come chatbot.

Ulteriori informazioni »

Amazon Polly

Amazon Polly è un servizio che trasforma il testo in una conversazione reale. Polly consente di creare applicazioni che parlano in oltre venti lingue con un'ampia gamma di voci maschili e femminili molto naturali, per consentire la nascita di categorie completamente nuove di prodotti che parlano agli utenti.

Ulteriori informazioni »

Amazon Rekognition

Amazon Rekognition, è un prodotto basato sulla stessa tecnologia utilizzata da Amazon Prime Photos per analizzare miliardi di immagini ogni giorno e che semplifica l'aggiunta di servizi di analisi di immagini alle applicazioni. Con Rekognition, è possibile rilevare oggetti, ambienti, e volti all'interno delle immagini, nonché cercare e confrontare volti tra immagini differenti.

Ulteriori informazioni »


Per gli sviluppatori che dispongono già dei dati e desiderano creare modelli personalizzati, i servizi AI Platforms si prendono carico delle onerose attività generiche correlate alla distribuzione e alla gestione di apprendimento dell'intelligenza artificiale e di hosting del modello.

Amazon Machine Learning

Amazon Machine Learning offre strumenti di visualizzazione e procedure guidate che ti aiutano a completare il processo di creazione di modelli di apprendimento automatico o ML (Machine Learning) senza dover apprendere tecnologie e algoritmi ML complessi.

Ulteriori informazioni »

ha_ed_emr-new-2

Apache Spark in Amazon EMR include MLlib per la distribuzione di algoritmi scalabili di apprendimento automatico; in alternativa, potrai impiegare librerie personalizzate. Grazie al salvataggio dei set di dati in memoria, Spark offre prestazioni elevate per le applicazioni di apprendimento automatico.

Ulteriori informazioni »


L'AMI di apprendimento approfondito (disponibile per Amazon Linux e Ubuntu) e il modello di CloudFormation per AWS Deep Learning permettono di sviluppare ed eseguire i più importanti framework di apprendimento approfondito su qualsiasi scala. Con l'AMI di apprendimento approfondito di AWS è possibile creare cluster di GPU gestiti e con scalabilità automatica per apprendimento su vasta scala e per l'esecuzione di inferenze nel modello in apprendimento. Apache MXNet, TensorFlow, Caffe2 (e Caffe), Theano, Torch, CNTK e Keras sono preinstallati. L'AMI di apprendimento approfondito di AWS è offerta e supportata da Amazon Web Services per l'uso con Amazon EC2. Non sono previsti costi aggiuntivi per l'utilizzo dell'AMI; le tariffe sono calcolate esclusivamente in base alle risorse AWS necessarie per memorizzare ed eseguire le applicazioni.

Apache MXNet è il framework di apprendimento approfondito scelto da Amazon per i propri servizi di intelligenza artificiale e per molti altri progetti simili in Amazon.com. Si tratta di una libreria open source che garantisce flessibilità, efficienza, portabilità e scalabilità e che supporta modelli di programmazione dichiarativi e imperativi per un'ampia gamma di sintassi di programmazione e casi d'uso.

Programmabilità
Apache MXNet prevede una singola implementazione del sistema di back-end e operatori comuni con il supporto di un'ampia gamma di sintassi di front-end, tra cui Python, C++, Scala e R. Due per l'architettura Apache MXNet; le prestazioni sono costanti indipendentemente dalla sintassi utilizzata.

Portabilità
Grazie all'elevato livello di ottimizzazione, Apache MXNet può essere utilizzato in casi d'uso molto differenti. Dopo l'addestramento del modello nel cloud, la distribuzione è possibile in dispositivi connessi presso la edge location, dispositivi mobili, browser e droni industriali e per il mercato consumer; oppure, l'utilizzo può avvenire direttamente dal cloud.

Prestazioni
Apache MXNet supporta esplicitamente la pianificazione automatica di porzioni del codice sorgente da parallelizzare in un ambiente distribuito. In sinergia con le istanze P2 di Amazon EC2, le risorse delle applicazioni Apache MXNet possono essere ricalibrate su più GPU con fino al 91% di efficienza e su più nodi di cluster con fino all'88% di efficienza. 

Apache MXNet

TensorFlow è una libreria software open source per il calcolo numeri che utilizza grafici di flussi di dati stateful.

Caffe2 è un framework di apprendimento approfondito leggero, modulare e scalabile progettato per aiutare i ricercatori ad addestrare modelli di apprendimento approfondito complessi e offrire i servizi di intelligenza artificiale su dispositivi mobili.

Keras è una libreria di reti neurali di alto livello, scritta in Python e in grado di funzionare con TensorFlow o Theano. È stata sviluppata con lo scopo specifico di sperimentare soluzioni in modo più rapido. 

Il Microsoft Cognitive Toolkit è un kit di strumenti unificato per l'apprendimento approfondito creato da Microsoft Research, che descrive reti neurali come serie di fasi computazionali tramite un grafo diretto.

Torch è un framework di elaborazione scientifica con supporto esteso per algoritmi di apprendimento automatico che privilegia l'uso di GPU. È un framework intuitivo ed efficiente perché si avvale di una sintassi di scripting semplice e rapida da utilizzare, LuaJIT, e un'implementazione C/CUDA. 

Theano è una libreria Python che consente di definire, ottimizzare e valutare espressioni matematiche con array multidimensionali in modo efficiente. 


Amazon Machine Image è il modo ideale per iniziare a utilizzare rapidamente le tecnologie di apprendimento profondo su AWS. Sulle AMI di apprendimento approfondito di AWS sono preinstallati framework di apprendimento approfondito open source comuni, (Apache MXNet, TensorFlow, Theano, Torch, CNTK e Caffe), e includono accelerazione GPU tramite driver CUDA preconfigurati e strumenti di supporto quali Anaconda e Jupyter.

Per ulteriori informazioni, consulta la pagina relativa all'AMI di apprendimento approfondito di AWS.

Modello di CloudFormation
AMI

I modelli di AWS CloudFormation rappresentano un metodo facile per ridimensionare le risorse di più istanze EC2 per processi di elaborazione di grandi dimensioni, ad esempio le reti neurali per la formazione. Gli sviluppatori potranno utilizzare il modello Deep Learning di CloudFormation e creare un cluster elastico di istanze P2 o G2 utilizzando l'AMI di apprendimento approfondito per le attività di formazione più importanti.

Per ulteriori informazioni sull'uso di CloudFormation per l'apprendimento approfondito, consulta il blog AWS EC2 Compute