AWS 宣布全面推出 Amazon 增強型人工智能 (A2I)-ESG跨境

西雅圖--今天，亞馬遜網(wǎng)絡服務 (AWS)，一家公司 (納斯達克股票代碼：AMZN)，宣布全面推出亞馬遜增強人工智能 (A2I)，這是一項完全托管的服務，可以輕松地將人工審核添加到機器學習預測，通過不斷識別和改進低置信度預測來提高模型和應用程序的準確性。 Amazon A2I 幫助開發(fā)人員使用來自 Mechanical Turk、第三方供應商或他們自己的員工的審閱者為新的或現(xiàn)有的應用程序添加對模型預測的人工審閱。 Amazon A2I 使開發(fā)人員可以更輕松地構建人工審核系統(tǒng)、構建審核流程和管理人工審核人員。例如，開發(fā)人員可以使用 Amazon A2I 快速啟動和管理人力，以審查和驗證機器學習預測的準確性，以用于從掃描的抵押文件中提取財務信息的應用程序或使用圖像識別來識別假冒物品的應用程序在線，以便結果的質(zhì)量隨著時間的推移而提高。使用 Amazon A2I 沒有預先承諾，用戶只需為所需的每條評論付費。要開始使用 Amazon A2I，請訪問

“Amazon Textract 之所以引人注目，是因為它可以從幾乎任何文檔中提取由人工智能驅(qū)動的文本和結構化數(shù)據(jù)。我們對 Amazon Augmented AI 感到興奮，因為它使我們能夠在利用機器學習的同時仍然應用人類判斷。這對我們來說是一個改變游戲規(guī)則的人?！?/p>

如今，機器學習為各種用例提供了高度準確的預測（稱為“推理”），包括識別圖像中的對象、從掃描的文檔中提取文本或轉(zhuǎn)錄和理解口語。在每種情況下，機器學習模型都會提供一個推斷和一個置信度分數(shù)，以表達模型在其預測中的確定程度。置信度越高，結果越可信。通常，當開發(fā)人員收到高置信度的結果時，他們可以相信預測是準確的，并且根據(jù)用例，他們可以使用它來完全自動化流程。例如，將用戶照片與名人面孔相匹配的社交媒體應用程序的開發(fā)人員可能依賴 80% 的置信度得分來生成和返回大量有趣的匹配。但是，在其他情況下，強烈建議同時具有高置信度（高達 99%）和人工審查，例如涉及執(zhí)法的公共安全用例。在置信度分數(shù)低于預期和/或需要人工判斷的情況下，可以使用評論來驗證預測。機器學習和人工審閱者之間的這種相互作用對于機器學習系統(tǒng)的成功至關重要，但是人工審閱具有挑戰(zhàn)性并且大規(guī)模構建和運行成本高昂，通常涉及多個工作流程步驟，操作自定義軟件來管理人工審閱任務和結果，以及招募和管理大量審稿人。因此，開發(fā)人員有時會花費更多時間來管理人工審查流程，而不是構建預期的應用程序，或者他們不得不放棄人工審查，這導致對部署利用機器學習的應用程序的信心降低。

借助 Amazon A2I，開發(fā)人員可以將人工審核添加到機器學習應用程序中，而無需構建或管理昂貴且繁瑣的人工審核系統(tǒng)。 Amazon A2I 為常見的機器學習任務（例如圖像中的對象檢測、語音轉(zhuǎn)錄和內(nèi)容審核等）提供了 60 多個預構建的人工審核工作流程，允許對來自 Amazon Rekognition 和 Amazon Textract 的機器學習預測進行人工審核更容易。在 Amazon SageMaker（或其他本地或云工具）中構建自定義機器學習模型的開發(fā)人員可以在增強型 AI 控制臺或通過其應用程序編程接口 (API) 為其特定用例設置人工審查。在為模型預測設置置信度閾值后，開發(fā)人員可以選擇由 Amazon Mechanical Turk 及其全球 500,000 名獨立承包商、專門從事業(yè)務流程外包的第三方組織（例如 iVision、CapeStart Inc.、和 iMerit），或他們自己的私人內(nèi)部審查員。開發(fā)人員可以指定每條評論的工作人員數(shù)量，然后 Amazon A2I 將每條評論路由到精確數(shù)量的評論者。例如，一家使用 Amazon Textract 構建用于處理金融貸款申請的系統(tǒng)的公司可以輕松配置 Amazon A2I 以使用 Amazon Textract 輸出，以便將置信度分數(shù)低于 99% 的表單從他們的私人員工那里發(fā)送給人工審核員。人工驗證的結果存儲在 Amazon Simple Storage Service (S3) 中，開發(fā)人員可以設置 Amazon CloudWatch Events 通知來查看有關推理準確性的元數(shù)據(jù)并檢索結果。

“我們經(jīng)常從客戶那里聽說，Amazon SageMaker 有助于加快訓練、調(diào)整和部署自定義機器學習模型，而 Amazon Rekognition 和 Amazon Textract 等完全托管的服務可以輕松構建包含機器學習的應用程序，而無需任何機器學習專業(yè)知識。但即使有了這些進步，我們的客戶仍然表示，在某些關鍵用例中，需要人工判斷，例如在執(zhí)法調(diào)查中，或者在置信水平低于給定閾值的情況下，可以使用人工審查來解決預測中的歧義。 Amazon Web Services, Inc. 亞馬遜機器學習副總裁 Swami Sivasubramanian 說：“現(xiàn)在，我們很高興能幫助我們的客戶移除另一個隨著 Amazon A2I 的推出，構建機器學習應用程序面臨障礙，這使得將人類判斷整合到機器學習應用程序中變得更加容易和快速，以確保在持續(xù)的一段時間內(nèi)獲得更高質(zhì)量的預測?！?/p>

Amazon A2I 現(xiàn)已在美國東部（弗吉尼亞北部）、美國東部（俄亥俄）、美國西部（俄勒岡）、加拿大（中部）、歐洲西部（倫敦）、歐洲西部（愛爾蘭）、歐洲（法蘭克福）和亞太地區(qū)推出（新加坡）、亞太地區(qū)（東京）、亞太地區(qū)（悉尼）、亞太地區(qū)（首爾）和亞太地區(qū)（孟買）。

國民健康服務、商業(yè)服務管理局 (NHS BSA) 是英國國民健康服務的一部分，為 NHS 組織、NHS 承包商和患者提供一系列支持服務。作為其業(yè)務流程服務的一部分，他們每月處理 5400 萬份紙質(zhì)處方和其他醫(yī)療保健文件。 “NHS 正在投資于人工智能的承諾，以提高英國公共醫(yī)療保健的質(zhì)量。 NHS BSA 云平臺和創(chuàng)新主管 Chris Suter 表示，人工判斷至關重要，事實上，涉及醫(yī)療支付的決策通常需要人工判斷。 “Amazon Textract 之所以引人注目，是因為它可以從幾乎任何文檔中提取由人工智能驅(qū)動的文本和結構化數(shù)據(jù)。我們對 Amazon Augmented AI 感到興奮，因為它使我們能夠在利用機器學習的同時仍然應用人類判斷。這對我們來說是一個改變游戲規(guī)則的人?！?/p>

作為美國的非運營商，T-Mobile US, Inc. 正在通過領先的產(chǎn)品和服務創(chuàng)新重新定義消費者和企業(yè)購買無線服務的方式。 “在我們的客戶服務代理與客戶進行實時對話時，實時向他們提供帳戶詳細信息和可用折扣等相關信息，這是 T-Mobile 使用機器學習來改善客戶體驗的方式之一。使用 A2I，我們將T-Mobile 機器學習工程師 Heather Nollis 說：“能夠通過讓人類驗證模型預測的隨機樣本來確保我們的模型持續(xù)提供高質(zhì)量的洞察力?！霸跈C器學習方面，信任是最難建立的東西，而 A2I 將使我們能夠確保我們的模型犯的錯誤最少?！?/p>

德勤正在幫助全球范圍內(nèi)的組織轉(zhuǎn)型。該組織不斷發(fā)展其運作方式以及如何看待市場挑戰(zhàn)，以便能夠繼續(xù)為其客戶和社區(qū)提供可衡量的、可持續(xù)的成果。 “幫助我們的客戶取得成功的一部分是幫助他們利用最新技術。使用機器學習使我們能夠幫助改進客戶的系統(tǒng)并提高他們的生產(chǎn)力，同時縮短產(chǎn)品、服務和應用程序的上市時間。作為向我們的客戶提供 ML 最新進展的一部分，我們看到了人在回路系統(tǒng)的好處，為 ML 應用程序增加了一層額外的信心，”德勤咨詢公司董事總經(jīng)理 Beena Ammanath 說。 “例如，我們在保險行業(yè)的客戶可以使用 A2I 來幫助驗證 ML 模型的準確性，以進行基于圖像的自動車輛損壞檢測和基于文本的保險索賠分析。我們很高興看到我們各行各業(yè)的客戶可以通過將 A2I 整合到他們的 ML 工作流程中受益的多種方式。”

Belle Fleur 相信機器學習革命正在改變我們生活、工作和相互交往的方式，并將改變每個行業(yè)的每一項業(yè)務。 “我們開始與我們的一位金融服務客戶一起使用 Amazon Textract，并很快意識到將該服務與 Amazon A2I 相結合可以讓他們?yōu)g覽大量文檔并提取客戶所需的相關數(shù)據(jù)。添加 Amazon A2I 有助于我們對需要上下文解釋和驗證數(shù)據(jù)的文檔進行人工判斷，”Belle Fleur 總裁 Tia Dubuisson 說。 “這不僅減少了人工驗證所花費的時間，而且還將所有相關的提取數(shù)據(jù)集中到一個易于理解的工作流程中，以便審閱者能夠快速輕松地審閱來自 Amazon Textract 的機器學習輸出。 Amazon A2I 不僅讓我們和我們的客戶放心，提取的更細微的數(shù)據(jù)由人工審查，而且還通過持續(xù)的審計和改進，幫助訓練和改進我們的機器學習模型?！?/p>

關于亞馬遜網(wǎng)絡服務

14 年來，Amazon Web Services 一直是世界上最全面、應用最廣泛的云平臺。 AWS 為計算、存儲、數(shù)據(jù)庫、網(wǎng)絡、分析、機器人、機器學習和人工智能 (AI)、物聯(lián)網(wǎng) (IoT)、移動、安全、混合、虛擬和增強現(xiàn)實（VR 和 AR）提供超過 175 項功能齊全的服務)、媒體和應用程序開發(fā)、部署和管理，來自 23 個地理區(qū)域內(nèi)的 73 個可用區(qū) (AZ)，并宣布計劃在印度尼西亞、意大利、日本和西班牙再增加 12 個可用區(qū)和四個 AWS 區(qū)域。數(shù)以百萬計的客戶（包括發(fā)展最快的初創(chuàng)公司、最大的企業(yè)和領先的政府機構）信任 AWS 來支持他們的基礎設施、變得更加敏捷并降低成本。

關于亞馬遜

亞馬遜遵循四項原則：以客戶為中心而非以競爭對手為中心、對發(fā)明的熱情、對卓越運營的承諾以及長期思考?？蛻粼u論、一鍵購物、個性化推薦、Prime、亞馬遜物流、AWS、Kindle Direct Publishing、Kindle、Fire 平板電腦、Fire TV、亞馬遜 Echo 和 Alexa 是亞馬遜率先推出的一些產(chǎn)品和服務。

點擊咨詢現(xiàn)在有哪些新興平臺值得關注 >>>

特別聲明：以上文章內(nèi)容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內(nèi)容、版權或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。