机器学习（ML）六大发展趋势：从小众技术迈向企业核心引擎

近年来，在多重驱动力共同作用下，机器学习（ML）经历了快速的转型与大规模采用。AWS（亚马逊云科技）人工智能和机器学习副总裁兼总经理 Bratin Saha 在 re:Invent 大会上归纳了六大关键趋势，这些趋势正在推动 2022 年及之后的持续创新。目前，AWS 的 AI/ML 服务已拥有超过 10 万客户，这些服务覆盖三个主要层级：ML 基础设施服务（支持自建模型）、SageMaker（提供构建应用的工具）以及专用服务（例如语音转文字）。

「机器学习已经从一项小众活动转变为公司开展业务不可或缺的一部分。」 —— Bratin Saha

趋势一：模型复杂程度持续攀升

近年来，ML 模型的复杂性呈现指数级增长，Saha 的表述毫不夸张。衡量模型复杂度的关键指标之一是参数数量（嵌入在模型中的可调变量值）。

• 2019 年：最先进的 ML 模型大约拥有 3 亿 个参数。
• 2022 年：最优模型已突破 5000 亿 个参数。
• 短短三年间，复杂程度提升了 1600 倍。

这类庞大的模型被称为 基础模型。通过在海量数据集上一次训练完成，它们能够针对多种不同任务进行重复使用与微调。企业借此以更低的成本和工作量获取复杂 ML 能力——Saha 指出：「[基础模型] 将机器学习的成本和工作量降低了一个数量级。」