你曾因為遊戲太難而放棄破關嗎？遊戲的跳出率太高，對遊戲公司的影響不只是失去付費玩家的利潤而已。遊戲公司有時會因爲無法設計出適當的遊戲難度而逼退玩家，造成遊戲公司的廣告收益大大降低，但是現在 AI 就可以解決這個麻煩問題了。各式各樣的 AI、機器學習技術應用，已經開始以一種前所未有的方式，幫助企業解決了許多麻煩問題，更重要的這些技術其實任何公司都可以使用！
近幾年在談到 AI 應用時，機器學習的討論聲浪越來越大，然而，機器學習是什麼？機器學習因具備能夠分析大量複雜資料的能力，讓企業能夠透過機器學習分析結果，進一步提升服務品質或推出創新商業模式。以遊戲公司為例，就能透過機器學習服務設計出更適當的遊戲平衡，優化遊戲體驗。
就目前機器學習發展來看，深度學習是最熱門的分支領域之一，而深度學習不同於機器學習，是進一步建立人造「神經網路」，透過模擬人們大腦學習和處理資訊的方式，以便從資料中擷取複雜的概念和關係，更重要的是，系統可以獨立學習，當發展至最終階段時，幾乎不需要監督就能完成任務。既然如此，企業該如何將機器學習與深度學習導入至企業中呢？
即使沒有資料科學背景，也可進行機器學習技術開發，尤其中小企業
無論機器學習/深度學習，都是建立在巨量資料的基礎上，而雲端是企業存放資料的最佳選擇，因此，近年來越來越多雲端平台業者提供相關解決方案，導入並部署機器學習/深度學習模型，作為服務的一部分，希望協助企業加速導入 AI 應用。
綜觀目前各家雲端平台服務，可發現不只涵蓋儲存與運算資源，還有各種機器學習工具，例如：自然語言處理 API、語音識別 API、電腦視覺 API、預測分析、深度學習，及 AI 模型的建置與部署平台，為的就是協助企業降低導入機器。
對企業來說，使用雲端技術最大的好處是，可以輕鬆導入和管理巨量資料，以便訓練機器學習演算法，還可以透過 GPU 處理能力，以更低的成本、更有效的方式擴展機器學習模型。尤其中小企業（SMB）受到資源限制，往往沒有足夠預算去採購可以儲存和運算大量數據的硬體設備，以及管理它們的內部資源，包含人力與工具，而雲端技術恰巧能解決這些問題。
隨著越來越多企業擁抱雲端，雲平台上累積的數據也越來越多，雲端平台有可能成為機器學習應用的創新典範。根據國際數據資訊（IDC）報告，雲端平台市場規模將會持續成長，以 2019 為例，當年上半年台灣 IaaS（Infrastructure as a service）市場規模年成長率就高達 25.6%，這意味著企業對雲端技術服務的接受度越來越高。而因應機器學習發展，以及軟體及服務市場的成熟，深度學習的應用比例也隨之提升。
生技公司在基礎雲端架構下，利用深度學習預測罹癌機率
某生物科技公司就是雲端技術的使用者，其在 Amazon Web Services（AWS）雲端平台上開發深度學習專案，希望能透過人體基因資料來預測罹患癌症的機率。
由於基因資料在導入深度學習模型前，必須經過大量的預處理程序，使得該公司在執行專案過程中，需要使用不同特性的機器，在預處理訓練資料時，需要針對記憶體做最佳化設計的機器，而在訓練模型時，則需要支援 GPU 加速的機器，而 AWS 恰好能同時滿足這兩個需求。
此外，AWS 還提供了完成專案所需的技術和最佳實作方式，讓該生技公司不必限制在任何特定的解決方案中，可以使用最適合此專案的框架和資料庫，而不必擔心是否與 AWS 技術不相容。
手遊公司透過深度學習，輕鬆找出遊戲設計與廣告需求的平衡點
同樣在 AWS 雲端上進行深度學習的，還有一家手機遊戲開發公司。該公司使用深度學習模型來訓練機器人玩自家開發的手機遊戲，並監控機器人的表現，據此估算遊戲中每個等級的難度，及預測每個等級會有多少使用者因為太難而退出遊戲，藉此在遊戲難度和廣告收入間找到平衡點。
由於該手機公司一直使用 AWS 雲端服務，因此使用 AWS 進行深度學習並沒有太大的學習門檻，透過 Amazon SageMaker 建立、訓練和部署深度學習模型，不只可以省下硬體採購成本，及內部自行建構深度學習模型所需的工作時間，更讓專案負責人可以統一管理正在部署中的所有模型。
根據調研公司 Nucleus Research 發佈的報告《Guidebook: TensorFlow on AWS》，其在分析 316 個深度學習導入專案後發現，高達 96% 的專案在雲端執行，其中又有 89% 選擇 AWS 上執行，而受訪者選擇 AWS 的主要原因有三點：平台功能的廣度、與 Amazon 既有的業務往來關係，以及 AWS 持續不斷地投資、提高深度學習服務的多元性。
AWS 完成資料整合，協助企業進行深度學習
由於 Amazon 支援端對端的深度學習，因此企業不需要額外的整合，就可以在 AWS 雲平台上儲存資料、建構和部署模型。同時，企業還可以根據使用需求選擇專用硬體，例如：Amazon Elastic Compute Cloud P3 (Amazon EC2 P3) 和 EC2 G4 執行個體，這是針對深度學習應用做最佳化設計且內建強大 GPU 的執行個體。此外，AWS 在全球重要地區設有資料中心，客戶可以在遵循各區域的資料使用法規前提下，將資料和營運在地化，打造更貼近在地需求的深度學習服務。
隨著雲端服務的技術演進，深度學習的成本將會逐漸下降，未來也將有越來越多的企業採用深度學習。而因應未來的 AI 應用趨勢，企業提前選擇與擁有基礎架構、專業知識的雲端供應商合作，將機器學習與人工智慧整合進企業服務及產品中，提供更客製化及自動化的服務。
深度學習開發入門磚點此下載《AWS深度學習趨勢指南》
