AWS宣布亞馬遜增強人工智能全面上市

Amazon.com公司Amazon Web Services(AWS)宣布全面增強服務(wù)的Amazon Augmented AI(A2I)全面上市，該服務(wù)可輕松為機器學(xué)習(xí)預(yù)測添加人工審核通過不斷識別和改進低置信度預(yù)測來提高模型和應(yīng)用程序的準確性。Amazon A2I使用Mechanical Turk，第三方供應(yīng)商或他們自己的員工的審閱者，幫助開發(fā)人員為新的或現(xiàn)有的應(yīng)用程序添加對模型預(yù)測的人工審核。Amazon A2I使開發(fā)人員可以更輕松地構(gòu)建人工審核系統(tǒng)，構(gòu)建審核流程并管理人工審核人員。例如，開發(fā)人員可以使用Amazon A2I快速啟動并管理人員隊伍，以審查和驗證針對從掃描的抵押貸款文件中提取財務(wù)信息的應(yīng)用程序或使用圖像識別在線識別假冒商品的應(yīng)用程序的機器學(xué)習(xí)預(yù)測的準確性，因此結(jié)果質(zhì)量隨著時間的推移而提高。沒有使用Amazon A2I的前期承諾，用戶只為每次需要的審查付費。

如今，機器學(xué)習(xí)為各種用例提供了高度準確的預(yù)測(稱為“推論”)，包括識別圖像中的對象，從掃描的文檔中提取文本或轉(zhuǎn)錄和理解口頭語言。在每種情況下，機器學(xué)習(xí)模型都會提供推斷和置信度分數(shù)，以表達模型在其預(yù)測中的確定性。置信度數(shù)越高，結(jié)果越值得信賴。通常，當開發(fā)人員收到高置信度的結(jié)果時，他們可以相信預(yù)測是準確的，并且根據(jù)使用情況，他們可以使用它來使流程完全自動化。例如，將用戶的照片與名人臉相匹配的社交媒體應(yīng)用程序的開發(fā)人員可能依賴80%的置信度得分來生成并返回許多有趣的匹配項。然而，在其他情況下，強烈建議同時具有高度的信心(高達99%)和人工檢查，例如涉及執(zhí)法的公共安全用例。在置信度得分低于期望值和/或需要人工判斷的情況下，可以使用評論來驗證預(yù)測。機器學(xué)習(xí)與人工審閱者之間的這種相互作用對于機器學(xué)習(xí)系統(tǒng)的成功至關(guān)重要，但是人工審閱對于大規(guī)模構(gòu)建和操作而言具有挑戰(zhàn)性且昂貴，通常涉及多個工作流程步驟，操作用于管理人工審閱任務(wù)和結(jié)果的自定義軟件，以及招聘和管理大量的審閱者。結(jié)果，開發(fā)人員有時會花更多的時間來管理人工審核流程，而不是構(gòu)建預(yù)期的應(yīng)用程序，否則他們不得不放棄進行人工審核，

借助Amazon A2I，開發(fā)人員可以在機器學(xué)習(xí)應(yīng)用程序中添加人工審查，而無需構(gòu)建或管理昂貴且笨拙的人工審查系統(tǒng)。Amazon A2I為常見的機器學(xué)習(xí)任務(wù)(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多種預(yù)先構(gòu)建的人工審查工作流，這些人工學(xué)習(xí)工作流可以對來自Amazon Rekognition和Amazon Textract的機器學(xué)習(xí)預(yù)測進行人工審查更容易。在Amazon SageMaker(或其他本地或云工具)中構(gòu)建自定義機器學(xué)習(xí)模型的開發(fā)人員可以在增強型AI控制臺中或通過其應(yīng)用程序編程接口(API)對其特定用例進行人工審查。在設(shè)定模型預(yù)測的置信度閾值之后，開發(fā)人員可以選擇使預(yù)測低于該閾值，并由Amazon Mechanical Turk及其全球500,000名獨立承包商，專門從事業(yè)務(wù)流程外包的第三方組織(例如iVision，CapeStart Inc.和iMerit)或自己的私人機構(gòu)審查，內(nèi)部審核者。開發(fā)人員可以指定每個評論的工作人員人數(shù)，然后Amazon A2I將每個評論路由到確切的評論人數(shù)量。例如，建立使用Amazon Textract處理金融貸款申請的系統(tǒng)的公司可以輕松地將Amazon A2I配置為與Amazon Textract輸出配合使用，從而將置信度得分小于99%的表格從他們的私人勞動力中發(fā)送給人工審核者。經(jīng)過人工驗證的結(jié)果存儲在Amazon Simple Storage Service(S3)中，

“我們經(jīng)常從客戶那里得知，Amazon SageMaker可幫助加快培訓(xùn)，調(diào)整和部署自定義機器學(xué)習(xí)模型的速度，而完全托管的服務(wù)(如Amazon Rekognition和Amazon Textract)使構(gòu)建包含機器學(xué)習(xí)的應(yīng)用程序變得容易，而無需任何機器學(xué)習(xí)專業(yè)知識。但是即使取得了這些進步，我們的客戶仍然說，在一些關(guān)鍵的用例中，例如在執(zhí)法調(diào)查中，需要人工判斷，或者在可信度低于給定閾值的情況下，可以使用人工審查來解決預(yù)測中的歧義的時候。敏感的用例，并且當前的人工審核過程涉及大量的自定義工作和成本，”Amazon Web Services，Inc.亞馬遜機器學(xué)習(xí)副總裁Swami Sivasubramanian說。

Amazon A2I現(xiàn)已在美國東部(弗吉尼亞北部)，美國東部(俄亥俄州)，美國西部(俄勒岡)，加拿大(中部)，歐盟西部(倫敦)，歐盟西部(愛爾蘭)，歐盟(法蘭克福)，亞太地區(qū)可用(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)。

國家衛(wèi)生服務(wù)局，商業(yè)服務(wù)局(NHS BSA)是英國國家衛(wèi)生局的一部分，為NHS組織，NHS承包商和患者提供一系列支持服務(wù)。作為業(yè)務(wù)流程服務(wù)的一部分，他們每個月處理5400萬張紙質(zhì)處方和其他醫(yī)療文檔。“NHS正在投資AI的承諾，以改善全英國的公共醫(yī)療質(zhì)量。NHS BSA云平臺和創(chuàng)新主管Chris Suter說，人為判斷至關(guān)重要，實際上，涉及醫(yī)療支付的決策通常需要人為判斷。“Amazon Textract之所以引人注目，是因為它提供了AI驅(qū)動的幾乎所有文檔中的文本和結(jié)構(gòu)化數(shù)據(jù)提取。我們對Amazon Augmented AI感到非常興奮，因為它使我們能夠在仍然運用人類判斷力的同時利用機器學(xué)習(xí)的優(yōu)勢。那對我們來說是一個改變游戲規(guī)則的人?！?/span>

作為美國的運營商，T-Mobile US，Inc.通過領(lǐng)先的產(chǎn)品和服務(wù)創(chuàng)新，重新定義了消費者和企業(yè)購買無線服務(wù)的方式?！拔覀冊谂c客戶進行實時對話時，實時向客戶服務(wù)代理提供相關(guān)信息，例如帳戶詳細信息和可用折扣，這是T-Mobile使用機器學(xué)習(xí)改善客戶體驗的方式之一。我們將使用A2I，T-Mobile機器學(xué)習(xí)工程師Heather Nolis說：“通過讓人類驗證模型預(yù)測的隨機樣本，我們能夠確保我們的模型不斷提供頂級的見解。在機器學(xué)習(xí)中，信任是最難建立的東西。，并且A2I將使我們能夠確保我們的模型犯的錯誤最少?！?/span>

德勤(Deloitte)正在幫助改變?nèi)虻慕M織。該組織不斷發(fā)展其工作方式以及如何應(yīng)對市場挑戰(zhàn)，從而可以繼續(xù)為其客戶和社區(qū)提供可衡量的，可持續(xù)的結(jié)果?！笆刮覀兊目蛻臬@得成功的一部分就是幫助他們利用最新技術(shù)。使用機器學(xué)習(xí)使我們能夠幫助改善客戶的系統(tǒng)并提高他們的生產(chǎn)力，同時減少產(chǎn)品，服務(wù)和應(yīng)用程序的上市時間。作為向客戶提供ML最新進展的一部分，我們看到了人在環(huán)系統(tǒng)的好處，從而為ML應(yīng)用程序增添了一層信心?！袄?，我們在保險行業(yè)的客戶，可以使用A2I幫助驗證ML模型的準確性，從而實現(xiàn)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的跨行業(yè)客戶可以通過將A2I集成到其ML工作流程中而受益匪淺?！?/span>

Belle Fleur認為，機器學(xué)習(xí)革命正在改變我們生活，工作和相互聯(lián)系的方式，并將改變每個行業(yè)的每項業(yè)務(wù)?！拔覀冮_始與我們的一個金融服務(wù)客戶一起使用Amazon Textract，并很快意識到，將該服務(wù)與Amazon A2I結(jié)合使用可使他們?yōu)g覽大量文檔并提取其客戶所需的相關(guān)數(shù)據(jù)。加上Amazon A2I，可以幫助我們將需要做出上下文解釋并驗證數(shù)據(jù)的文檔納入人為判斷之中?！盉elle Fleur總裁Tia Dubuisson說?！?strong>這不僅減少了人工驗證所花費的時間，但它也將所有相關(guān)的提取數(shù)據(jù)以易于理解的工作流程集中到一個地方，以供審閱者使用，從而使他們能夠快速，輕松地審閱Amazon Textract的機器學(xué)習(xí)輸出。Amazon A2I不僅使我們和我們的客戶可以放心，提取的細微差別的數(shù)據(jù)都可以由人類進行審查，而且還可以通過不斷的審核和改進，隨著時間的推移幫助培訓(xùn)和改進我們的機器學(xué)習(xí)模型?！?/span>