现在的位置: 首页 > 技术应用 > 正文

云计算基础上,当视频遇见人工智能,无限可能!

2016年08月18日 ⁄ 共 2218字 ⁄ 字号

  记者:曹素妨

    分享嘉宾:毛郸榕,亚马逊AWS助理解决方案架构师

云计算基础上,当视频遇见人工智能,无限可能!

毛郸榕,亚马逊AWS助理解决方案架构师

    在亚马逊AWS看来,希望IT能够成为像水电一样的公共资源,然后我们想要多少资源就能够拿到多少资源,并且我们只需按照实际用量付费就可以。这听起来似乎既近又远,但其实它已经在慢慢靠近。

亚马逊AWS云计算推出了“人工智能服务”,也就是让AWS提供的存储、计算、网络、数据库、分析等服务变得更“聪明”,增加应用的预测和分析能力。这一服务叫Amazon Machine Learning ,它提供可视化的工具和向导,指导使用者按部就班地创建机器学习模型,而无需学习复杂的机器学习算法和技术。当您的模型准备好以后,Amazon Machine Learning 只要使用简单的 API 即可让您的应用程序轻松获得预测能力,而无需用户自定义生成预测代码或管理任何基础设施。

 在视频生态链安装“功能按钮”

在亚马逊AWS众多的服务行业中,视频媒体行业也是其主要的服务对象。

亚马逊助理解决方案架构师毛郸榕告诉我们,在整个视频媒体行业的生态链上,亚马逊AWS对于媒资的处理有一整套解决方案,比如,媒资上传、媒资存储、媒资处理(包括建模、渲染、编码、转码、水印等)、以及媒资内容分发等。AWS在美国已经服务了大量媒体的客户,包括我们非常熟悉的Netflix 、BBC英国广播电台,以及像美国棒球联盟等大型的媒体行业。

毛郸榕分享了一个美国棒球联盟的案例:利用AWS云平台,可以智能分析棒球运动员的轨迹,比如,每秒2万次测量球的运动路径和每秒30次测量运动员的所处位置。棒球的飞行轨迹中有他们想要的参数,棒球在空中做一些旋转,这时候棒球所运行的轨迹和运动员所处的路径时时刻刻都是可以被设备捕捉下来的,因此我们可以实时地、清晰地判断这个运动员在场上是处于什么样的坐标位置,以及他的行动轨迹曲线。有了这些轨迹数据之后,可以非常清晰的看到,哪些运动员可以将看起来非常复杂的问题处理的非常简单,而哪些运动员又会将非常简单的问题处理的非常复杂。这样就可以以科学的视角了解到运动员的技能、比赛水平等信息。

  你的数据+机器学习=智能应用

当视频遇见人工智能,用户数据,再加上机器学习的服务,就可以简单的构成智能应用。

机器学习是一种技术,可以自动发现现有数据中的模式,进而对新出现的数据进行预测。

机器学习汇集了一系列高级统计技术,使计算机能够自动寻找模式匹配和有意义的数据区域。机器学习的经典算法是聚类、分类、推荐,而亚马逊AWS云平台将这些特性进行了整合,从而推出了Amazon Machine Learning服务,帮助使用者可以按部就班地创建机器学习模型,而无需学习复杂的机器学习算法和技术。更重要的是还具有稳定可靠、容易扩展的特性,通过强大的算法发现已有数据中的规律,从而创建机器学习模型。最后Amazon Machine Learning 会使用这些模型来处理新数据并为应用程序生成预测结果,并且不断进行验证,不断进行迭代,让数据变得更加“聪明”。

比如,可以基于对一个用户的了解,机器学习可以分析出这个用户会不会使用你的产品;可以基于对一个交易订单的了解,分析判断这个订单是不是一单欺诈交易;可以基于对一条新闻报道的了解,分析出哪些报道会令人感兴趣。

 当视频遇上人工智能

当视频遇见人工智能是怎么处理这些视频内容的?毛郸榕为我们介绍了AWS的处理方法:

各大媒体都有自己的视频内容,每个用户也会有很多社交媒体源,用户观看视频内容就会产生大量的社交媒体数据,有了这些数据之后,就到了数据信号处理的环节,可以进行情感的处理,比如用户喜欢恐怖片,爱情片或者枪战片。情感处理之后,AWS有托管的大数据服务EMR(Elastic Map Reduce),简单来说我们称之为托管的Hadoop框架,同时整合了大数据系列的很多框架,比如Pig、Hive、HBase 、Impala、Spark和Presto等。可以对数据进行提取、加载、转换。因为很多时候我们前期得到的数据是非结构化的,这样一来传统的非关系化数据就很难处理,所以我们需要把非结构化的数据转化为结构化的数据,从而进一步分析,对于分析的结果以及历史日志还可以放在Amazon S3上,这是一个非常易用的对象存储,具有简单的Web服务接口,可在Web上的任何位置存储和检索任意体量的数据。用户还可以对这些结果进行分析或者搜索。有了这些数据之后,我们就可以分析得到这些用户的行为习惯或者喜好,进而依据此进行内容匹配。对于开发人员,完全可以利用这些托管的服务进行开发、测试以及部署,而不需要一台一台的去部署你的服务器,甚至以后会进一步弱化服务器的概念,达到一个托管的“无服务器”式架构,这里还简单的介绍到了AWS Lambda服务。

总体来看就是两个步骤:第一步,训练;第二步,打分。

写在后面:当视频遇见人工智能,就是一件不可思议的事情,这件事情处理起来是比较复杂的。但是如果我们有了像亚马逊AWS这样的云计算基础平台,很多底层基础设施的调用就会变得轻而易举,充分利用云计算的特性,使用计算、存储、网络、数据库、大数据分析,以及平台应用、权限控制等服务构建一整套IT资源,并且只需要按实际使用量付费。从内容的产生、收集、处理,到最终用户端的展现,一整套流程借助云的优势就会很简单。当视频遇到人工智能,在云计算的基础上就会变得无限可能。

《中国传媒科技》杂志