AWS (Amazon Web Services) menghadirkan public cloud sejak dekade lalu untuk “memerdekakan” pengembang — disebut AWS dengan pembangun — di dunia dalam berinovasi, antara lain dengan tidak perlunya mengeluarkan modal yang besar dan menunggu kedatangan peranti keras yang dipesan untuk menggunakan sumber daya komputasi yang diperlukan. Pada AWS re:Invent 2020 yang berlangsung secara virtual selama tiga minggu sejak awal Desember 2020 lalu, AWS pun menawarkan hal yang serupa untuk ML (machine learning). Dengan berbagai produk, servis, dan fitur sehubungan ML yang dihadirkannya sejak 2016, AWS mengklaim kini memerdekakan pengembang — dan tentunya organisasi — di dunia dalam berinovasi memanfaatkan ML. AWS menyebutkan pada tahun ini saja terdapat lebih dari 250 fitur baru yang dirilisnya sehubungan dengan ML.
“Adalah bukan suatu yang belebihan untuk mengatakan bahwa cloud computing telah membolehkan berbagai perusahaan rintasan dan bisnis untuk mencapai suatu tingkatan sukses yang baru. Hari ini, machine learning telah mencapai momen yang serupa. Sampai belum lama ini, ia [machine learning] hanya bisa diakses oleh perusahaan teknologi besar dan perusahaan rintisan keren yang memiliki sumber daya yang dibutuhkan untuk menyewa para ahli demi membangun aneka model ML yang rumit. Namun, kemerdekaan untuk melakukan invensi membutuhkan para pembangun dari seluruh tingkatan keahlian bisa menuai manfaat dari berbagai teknologi revolusioner. Dan aneka teknologi itu sendiri membolehkan berbagai percobaan, kegagalan, dan kemungkinan yang tak terbatas. Jadi, hari ini, kami membolehkan seluruh pembangun, terlepas dari ukuran perusahaan mereka atau tingkatan keahlian mereka, untuk membuka kekuatan dari machine learning,” ujar Dr. Swami Sivasubramanian (Vice President of Amazon Machine Learning).
AWS menyebutkan bahwa dalam menghadirkan kemampuan untuk memerdekakan pengembang dalam berinovasi memanfaatkan ML, AWS menggunakan beberapa prinsip atau tenet. Lima dari prinsip tersebut adalah menyediakan fondasi yang kokoh, membuat jalan terpendek untuk sukses, memperluas ML ke lebih banyak pengembang, memecahkan masalah bisnis yang nyata dari ujung ke ujung, dan terus-menerus belajar. AWS pun mengklaim telah belajar banyak dari pengalamannya mengimplementasikan ML dan dari masukan para pengguna tawarannya sehubungan ML, untuk menghadirkan tawaran ML yang lebih baik lagi.
1. Menyediakan Fondasi yang Kokoh
Menyediakan fondasi yang kokoh merujuk pada pengoptimalan yang dilakukan AWS terhadap fondasi yang digunakan untuk membangun dan menjalankan ML. Fondasi yang dimaksud di sini adalah infrastruktur dan framework. Infrastruktur tentunya meliputi compute, storage, dan network. AWS mengklaim menawarkan pilihan akan compute, storage, dan network yang paling luas dan dalam, lebih luas dan dalam dari public cloud provider lainnya di dunia. Alhasil, AWS meyakini tawarannya itu bisa memenuhi kebutuhan yang beragam dari para organisasi, baik dari sisi kinerja maupun dari sisi bujet. Sementara, untuk framework, AWS mendukung ketiga framework populer untuk ML, yakni TensorFlow, PyTorch, dan MXNet. Tak hanya mendukung, AWS juga senantiasa memperbarui ketiga framework populer tersebut ke versi terkini dan memastikannya berjalan dengan optimal.
Salah satu tawaran baru sehubungan fondasi yang dikemukakan pada AWS re:Invent 2020 adalah AWS Trainium. AWS Trainium adalah cip baru untuk pelatihan model ML. Cip baru itu didesain oleh AWS dan diklaim akan menawarkan solusi pelatihan model ML pada public cloud yang paling hemat biaya. Dengan kata lain, instance yang ditenagai AWS Trainium untuk Amazon EC2 akan menawarkan pelatihan model ML dengan perbandingan antara harga dan kinerja yang paling baik. AWS Trainium akan tersedia tahun depan.
2. Membuat Jalan Terpendek untuk Sukses
AWS menilai agar pengembang merdeka memanfaatkan ML, pengembang sebaiknya diberikan perkakas yang memenuhi kebutuhannya dan membolehkannya untuk mengeksplorasi idenya secara cepat tanpa halangan. AWS meyakini makin pendek jalan yang ditempuh untuk beroleh manfaat ML, makin banyak pengembang yang tertarik — tidak menjadi momok — menggunakannya. Untuk itu AWS beberapa tahun lalu telah meluncurkan Amazon SageMaker. Pada AWS re:Invent 2020, AWS antara lain menambahkan Amazon SageMaker Data Wrangler. Amazon SageMaker Data Wrangler adalah perkakas yang memudahkan pengembang dalam mempersiapkan data untuk model ML sehingga menghemat waktu; dari beberapa minggu menjadi beberapa menit. Dengan Amazon SageMaker Data Wrangler, pengembang bisa memilih data dari berbagai sumber data, melakukan transformasi data menggunakan lebih dari 300 pre-configured data transformation — tidak perlu menulis kode sendiri, mendiagnosis dan membersihkan data menggunakan template visual, dan mengekspor data yang telah disiapkan itu dengan satu klik. Amazon SageMaker Data Wrangler telah tersedia.
3. Memperluas ML ke Lebih Banyak Pengembang
Agar setiap pengembang, termasuk yang kurang memiliki keahlian teknis sehubungan ML, bisa merdeka berinovasi memanfaatkan ML, AWS memperluas tawarannya sehubungan ML ke pengembang dengan keahlian teknis yang kurang tesebut. Salah satunya adalah dengan menghadirkan secara langsung berbagai layanan ML pada perkakas yang biasa digunakan oleh pihak yang mungkin kurang memiliki keahlian teknis sehubungan ML, tepatnya pengembang basis data dan data analyst. AWS misalnya telah meluncurkan Amazon Aurora ML serta Amazon Athena ML. Kini, pada AWS re:Invent 2020, AWS antara lain mengumumkan Amazon Redshift ML. Dengan Amazon Redshift ML, pengguna Amazon Redshift bisa mendapatkan prediksi memanfaatkan ML dengan menggunakan SQL (Structured Query Language). Amazon Redshift ML mengintegrasikan Amazon SageMaker Autopilot pada Amazon Redshift. Preview Amazon Redshift ML telah tersedia.
Amazon SageMaker Autopilot adalah automated machine learning dengan kontrol dan visibilitas penuh. Setelah pengguna memasukkan datanya, Amazon SageMaker Autopilot akan mengubah data tersebut ke format untuk ML, memilih algoritme ML yang dinilai paling tepat, melatih sampai lima puluh model ML yang berbeda; dan dengan bantuan Amazon SageMaker Studio; menunjukkan peringkat dari model-model ML yang telah dilatih.
4. Memecahkan Masalah Bisnis yang Nyata dari Ujung ke Ujung
AWS meyakini bahwa agar suatu teknologi seperti ML bisa memberikan dampak, teknologi tersebut haruslah mampu menyelesaikan masalah bisnis yang hadir di dunia nyata, dari ujung ke ujung. Oleh karena itu, AWS menghadirkan pula tawaran ML yang tinggal digunakan oleh organisasi tanpa perlu menulis kode sendiri. Salah satu tawaran seperti ini adalah Amazon Kendra yang diumumkan pada AWS re:Invent 2019. Amazon Kendra merupakan servis yang ditujukan untuk pencarian teks yang terdapat di berbagai dokumen internal perusahaan. Data yang terdapat di aneka dokumen yang dimaksud adalah yang tidak terstruktur. Pada AWS re:Invent 2020, AWS menambahkan dukungan terhadap lebih dari 40 sumber data baru dan incremental learning pada Amazon Kendra. Dengan incremental learning, AWS mengklaim Amazon Kendra bisa memberikan hasil yang lebih baik lagi untuk masing-masing individu pengguna. Baik dukungan terhadap lebih dari 40 sumber data baru maupun incremental learning, keduanya telah tersedia.
5. Terus-menerus Belajar
Sebagai teknologi baru yang terus berkembang, pengembang perlu untuk terus-menerus belajar ML. Dengan pendidikan dan pelatihan, pengembang bisa mengikuti perkembangan yang ada dan membolehkan organisasi berinovasi. Untuk membantu pengembang terus-menerus belajar ML, AWS telah menghadirkan berbagai inisiatif. Salah satunya adalah AWS DeepRacer yang merupakan suatu sistem belajar terintegrasi untuk mempelajari dan mengeksplorasi ML, tepatnya RL (reinforcement learning), serta untuk bereksperimen dan membangun pengaplikasian dari autonomous driving. Dengan AWS DeepRacer, pengembang bisa mulai belajar ML secara menyenangkan. Pasalnya, terdapat AWS DeepRacer Vehicle, yakni mobil balap dengan ukuran 1/18 asli yang mampu menjalankan inference pada suatu model AWS DeepRacer yang telah dilatih untuk autonomous driving. Begitu pula AWS DeepRacer League yang merupakan kejuaraan balap menggunakan AWS DeepRacer Vehicle; para pengembang bisa melombakan AWS DeepRacer Vehicle-nya dan melihat model ML siapa yang unggul. AWS DeepRacer sendiri diumumkan pada AWS re:Invent 2018.
Salah satu organisasi yang telah dimerdekakan memanfaatkan ML berkat tawaran dari AWS adalah Intuit. Menggunakan Amazon SageMaker yang diklaim menghadirkan aneka perkakas yang membolehkan para pengembang untuk membangun, melatih, dan men-deploy model ML secara cepat dan hemat biaya; Intuit awalnya menghadirkan model ML yang membantu konsumennya beroleh pengurangan pajak yang optimal. Berkat aneka perkakas pada Amazon SageMaker yang memudahkan, kini, Intuit menggunakan ML pada berbagai aspek bisnisnya, seperti fraud detection, personalisasi untuk konsumen, dan pengembangan fitur baru pada produknya. AWS menyebutkan, tahun lalu, Intuit telah meningkatkan jumlah model ML yang digunakan sebanyak lebih dari 50% dibandingkan sebelumnya.