启荣信息网移动版

在AWS re:Invent全世界年夜会上，亚马逊（NASDAQ：AMZN）旗下公司Amazon Web Services, Inc.（AWS）颁布发表五项新的人工智能 （AI） 服务，旨在将机械学习交到更多运用法式开发者以及终端用户手中，而他们无需机械学习教训。AWS先容了几项使用了AI的新服务，让更多开发者运用机械学习，缔造更好的终端用户体验，包含机械学习驱动的企业搜刮、代码审核与阐发、欺诈检测、医疗转录以及AI展望的人工审核。要领会无关AWS AI服务的更多具体信息，请走访https://aws.amazon.com/machine- learning/ai-services/。

机械学习延续疾速增加，现在无数以万计的客户在 AWS长进行机械学习，包含许多选择使用 AWS彻底托管的 AI 服务的客户，比方，Alfresco、拜耳作物迷信、Cerner、CJ考克斯汽车、C-SPAN、德勤、多米诺、阿联酋航空NBD、弗雷德哈钦森癌症研究中间、 FICO、FINRA、盖洛普、Kelley Blue Book、起亚、Mainichi报业公司、美国宇航局、普华永道、白宫汗青协会、雅马哈公司以及Zola。在曩昔一年里，AWS 推出了多个彻底托管的 AI新服务，如 Amazon Personalize以及Amazon Forecast，让客户可以或许受害于亚马逊消费者营业使用的、使其客户体验屡获殊荣的、不异的机械学习共性化推荐以及展望技能。AWS 客户有乐趣学习亚马逊年夜规模使用机械学习的丰硕教训，以改良运营，提供更好的客户体验，又无需训练、优化以及摆设本身的定制化机械学习模子。今天，AWS 颁布发表推出五项新的 AI 服务，这些服务基于 Amazon 丰硕的机械学习教训，容许一切行业、一切规模的机构在其企业中采纳机械学习，而无需机械学习教训。

Amazon Kendra经由过程机械学习重塑企业搜刮

虽然多年来多种测验考试，但外部搜刮对付现今的企业来讲还是一个棘手的问题，年夜大都员工依然常常难以找到他们必要的信息。机构领有年夜量非布局化文本数据，若是可以或许发明、存储多种格式并跨分歧的数据源（比方 Sharepoint、Intranet、Amazon S3以及当地文件存储体系），则这些数据很是有效。即便通用的、基于 Web 的搜刮东西随处可见，机构依然发明外部搜刮很坚苦，由于没有可用东西可以或许很好地超过现无数据孤岛体例索引，没法提供天然语言查询，而且没法提供正确的效果。当员工有疑难时，他们必要使用可能泛起在分歧上下文、多个文档中的关头字，这些搜刮凡是会天生一长串随机链接，员工必需挑选这些链接能力找到他们查找的信息（若是他们找获得的话）。

Amazon Kendra 让员工可使用真实问题（而不单单是关头字）在多个数据孤岛中搜刮，在后台摆设 AI 技能来提供他们追求的切确谜底（而不是随机的链接列表），重塑企业搜刮。员工可使用天然语言运转搜刮（关头字依然有用，但年夜大都用户更喜好天然语言搜刮）。比方，员工可以提出一个特定问题，如“IT 服务台何时开？”Amazon Kendra 会给他们一个详细谜底，如“IT 服务台在上午9：30关上”，同时给出指向 IT流派以及其它相干网站的链接。客户可以在运用法式、流派以及 wiki 中使用 Amazon Kendra。只要在 AWS 治理节制台中单击几下，客户便可将 Amazon Kendra 指向其各类文档存储库，服务汇聚合 PB级的数据以构建集中索引。Amazon Kendra会扫描文档的权限，确保搜刮效果合适现有的文档走访战略，搜刮效果仅包括用户有权走访的文档。别的，Amazon Kendra还凭据客户的特定环境，踊跃地从新训练机械学习模子，使用点击率数据、用户位置以及反馈提高正确性，跟着时间的推移提供愈来愈好的谜底。要领会无关Amazon Kendra的更多信息，请走访http://aws.amazon.com/kendra。

Amazon CodeGuru 使用机械学习提供主动代码审核，匡助机构找到开消最年夜的代码行，从而改良软件开发

跟亚马逊同样，AWS客户也编写了年夜量代码。软件开发是一个广为人知的进程。开发者编写代码、查望代码、编译代码以及摆设运用法式、衡量运用法式的机能并使用该数据改良代码，轮回去复。然而，若是代码一起头就不准确，那末一切这些进程都没甚么用，以是团队城市在新代码添加到现有运用法式代码库以前执行代码查抄，查抄逻辑、语法以及样式。即便对付像亚马逊如许的年夜型机构，斟酌其天天要编写的代码量，也很难有那末多有教训的开发者、他们有足够的富余时间来审核代码。并且即便是有教训的核阅者遇到面向客户的运用法式时也会遗漏问题，从而致使犯错以及机能问题。

Amazon CodeGuru 是一种新的机械学习服务，可主动执行代码审核，找到运用法式开消最年夜的代码行。Amazon CodeGuru 有两个组件： 代码审核以及运用法式阐发。对付代码审核，开发者像去常同样提交其代码（今朝支撑GitHub 以及 CodeCo妹妹it，将来会支撑更多的存储库），将 Amazon CodeGuru 添加为代码核阅者之一，无需对正常进程或者要安装的软件入行其余更改。Amazon CodeGuru 收到拉取哀求，会主动起头使用颠末预先训练的模子来评价代码。这些模子已经经在亚马逊以及GitHub前10000的名目中承受过数十年的代码审核训练。Amazon CodeGuru将查抄代码更改的品质，若是发明问题，它将向拉取哀求添加易于浏览的正文，标识出代码行、特定问题以及批改建议，包含示例代码以及指向相干文档的链接。

Amazon CodeGuru 还包括一个机械学习驱动的运用法式探查器，可匡助客户找到开消最年夜的代码行。要使用它，客户只需在其运用法式中安装一个小小的代办署理法式，然后 Amazon CodeGuru 就能够察看运用法式运转时，每一五分钟阐发一次运用法式代码。代码设置装备摆设文件包含无关延迟以及 CPU操纵率的具体信息，间接链接到特定的代码行。Amazon CodeGuru可匡助操作者在运用法式中找到开消最年夜的代码行，天生火焰图，匡助直观地标识出形成机能瓶颈的其它代码行。多年来，亚马逊外部团队使用Amazon CodeGuru 对80000多个运用法式入行了代码阐发。2017到2018年，Amazon CodeGuru外部版本的普遍使用，匡助亚马逊消费者营业的 Amazon Prime Day团队提高了其运用效率，CPU 操纵率提高325%，削减了治理 Prime Day所需的实例数目，总体本钱下降了39%。要领会无关 Amazon CodeGuru 的更多信息，请走访http://aws.amazon.com/codeguru。

Amazon Fraud Detector使用机械学习入行主动欺诈检测

世界各地的机构每一年因欺诈而丧失数百亿美元。现在，许多 AWS 客户都投资于年夜型、低廉的欺诈治理体系。这些体系凡是基于手工编码的规则，耗时、定制本钱高，很难跟着欺诈模式的变革而连结最新，致使体系的正确性低于预期。这致使机构将优异客户回绝为欺诈者，入行更低廉的欺诈审核，错失下降欺诈率的机遇。20多年来，亚马逊始终在使用包含机械学习在内的尖端技能来检测欺诈易，并领会这是一个与欺诈者不竭入行的猫捉老鼠游戏，必要年夜量的资本来构建进攻、连结与时俱入。AWS的客户们但愿 AWS可以分享其业余常识以及教训。

Amazon Fraud Detector提供彻底托管的服务，基于亚马逊消费者营业使用的不异技能，及时检测潜伏的线下身份欺诈以及领取欺诈，无需机械学习教训。Amazon Fraud Detector使用欺诈以及正当买卖的汗青数据来构建、训练以及摆设机械学习模子，提供及时、低延迟的欺诈危害展望。起首，客户将买卖数据上传到 Amazon S3，定制模子训练。客户只要提供与买卖联系关系的电子邮件地点以及 IP 地点，可以选择添加其它数据（比方帐单地点或者德律风号码）。凭据客户想要展望的欺诈类型（新帐户或者线上领取欺诈），Amazon Fraud Detector将预处置数据、选择一个算法、训练一个模子————使用亚马逊数十年来年夜规模运转欺诈检测危害阐发的教训。Amazon Fraud Detector还使用基于机械学习的、凭据亚马逊数据训练过的数据检测器。这些数据检测器可匡助辨认与 产生在Amazon上的 欺诈勾当（比方异样的电子邮件定名纪律）相似的模式，即便客户向Amazon Fraud Detector提供的欺诈示例数目很少，也能够匡助提高模子训练的正确性。

Amazon Fraud Detector将模子训练、摆设到彻底托管的公有API 端点。客户可以将新勾当（比方注册或者新采办）发送到 API、接管包含危害评分的欺诈陈述。凭据此陈述，运用法式可以肯定准确的举措（比方接受采办，或者将其通报给人工审核）。借助 Amazon Fraud Detector，客户可以更快、更轻松地、更正确地检测欺诈。要领会无关Amazon Fraud Detector的更多信息，请走访http://aws.amazon.com/fraud-detector。

Amazon Transcribe Medical使用机械学习转录医疗语音，让医疗保健提供商可以或许专一于患者照顾护士

现在，大夫们的一部门一样平常事情，是将具体的数据输出病历（EHR）体系。然而，匡助他们正确记实以及存档病情的解决方案是欠佳的。在许多病院，大夫必需将医疗条记口述到记实器中，然后将这些语音文件提交到第三方手动抄写，服务本钱昂扬，可能必要长达三个事情日，延误了存档流程。另外一种选择是操纵现有的前端听写软件，但受限于现有的东西，大夫们依然天天要在临床记实上耗费好几小时。第三种选择是医疗保健提供商招聘人工抄录员，在大夫们望病时协助做记实，但人工抄录员可能会令患者感触不安，大夫们常常提到他们的记实有短缺，医疗机构也很难年夜规模地放置以及协调抄录员。总之，现有的解决方案在提高临床记实效率以及改善患者照顾护士方面都有有余。

Amazon Transcribe Medical经由过程使用机械学习技能主动转录天然医学语音来解决这些问题。创建在 Amazon Transcribe Medical语音到文本功用之上的病历运用，可以正确、经济实惠地天生记实。Amazon Transcribe Medical由多个机械学习模子构成，这些模子颠末数万小时的医学语音训练，可提供正确的、机械学习驱动的医学转录。及时天生记实，解除了多日的流转时间。

Amazon Transcribe Medical可以匡助大夫们在跟患者沟通时主动转录对话，不消专心手动条记，医疗保健提供商可以或许专一于患者照顾护士。大夫可以天然地措辞，Amazon Transcribe Medical使用内置的主动标点符号，降服现有转录软件的局限性。对付医疗保健提供商，基于 Amazon Transcribe Medical的语音解决方案可扩大到数千个潜伏的医疗中间，解除了治理以及协调姑且抄录员的操作难题。Amazon Transcribe Medical合适 HIPAA 认证，提供易于使用的 API，可与支撑语音的运用法式以及带有麦克风的任何装备集成。Amazon Transcribe Medical的输入文本也能够用于其余 AWS 服务，比方天然语言处置服务 Amazon Comprehend Medical，在终极入进病历体系进步行下一步的数据阐发。要起头使用Amazon Transcribe Medical，请走访http://aws.amazon.com/transcribe/medical。

Amazon Augmented Artificial Intelligence (A2I) 容许开发者使用人工核阅验证机械学习展望

机械学习可觉得各类运用场景提供高度正确的展望，包含辨认图象中的对象、从扫描的文档中提取文本、或者者转录与理解白话。在每一种环境下，机械学习模子城市提供展望，提供置信度分数以暗示模子展望简直定性。置信度分数越高，效果的可托度就越高。对付许多运用场景，当开发者收到高置信度效果时，他们可以信托其效果多是正确的，可以主动处置它们（比方，主动调整社交网络上用户天生的内容，或者者给视频加字幕）。可是，在置信度低于预期的环境下，展望效果模胡，可能必要人工审核能力解决这类模胡性。机械学习以及人工核阅之间的这类互相作用，对付机械学习体系的胜利相当首要，但人工审核的年夜规模构建以及运营，颇有应战，本钱昂扬，凡是触及多个流程步骤，必要定制软件治理人工审核使命以及效果，必要雇用以及治理年夜量审核职员。效果，开发者时常耗费年夜量的时间来治理人工审核进程，而不是构建其预想的运用法式，或者者不能不抛却人工审核，致使许多展望的信念以及效用都很低。

Amazon Augmented Artificial Intelligence (A2I) 是一项新服务，使用它很容易构建以及治理机械学习运用法式的人工审核。Amazon A2I 为常见的机械学习使命——比方图象中的对象检测、语音转录以及内容审核——提供预构建的人工审核事情流，利便对来自 Amazon Rekognition 以及 Amazon Textract 的机械学习展望做人工审核。开发者为其特定运用法式选择置信阈值，一切置信度分数低于阈值的展望都将主动发送给人工审核职员入行验证。开发者可以选择Amazon Mechanical Turk的50万全世界人工、预受权人工的第三方机构如Startek、iVision、CapeStart、Cogito 以及 iMerit、或者他们本身的审核职员执行其审核。审核效果存储在 Amazon S3中，开发者在审核实现后会收到通知，以便他们凭据审核职员的可托效果入行下一步操作。Amazon A2I 为一切开发者带来了人工审核，解除了构建以及治理定制审核流程或者招募年夜量审核职员方面的沉重事情。要起头使用 Amazon A2I，请走访 aws.amazon.com/augmented-ai 。

亚马逊机械学习副总裁 Swami Sivasubramanian暗示，“各个行业畛域的公司都奉告咱们，他们但愿操纵亚马逊丰硕的机械学习教训，应答企业面对的一些配合应战。这些应战包含外部搜刮、匡助软件开发者编写更好的代码、辨认欺诈易、和提高一切机械学习体系的总体品质。亚马逊还凭仗数十年来构建机械学习体系的教训，打造了可以或许胜利应答这些应战的外部体系。今天的发布是咱们客户至尚文明的又一次迭代，是它激励咱们开发这些体系。经由过程这些发布，咱们很欢快可以或许让企业用户使用这些机械学习功用，而无需任何机械学习业余常识。”

3M 是一家跨国公司，是研磨产物、化学品与进步前辈质料、薄膜、过滤、粘合剂等产物的当先制造商之一。3M以协作的方法运用科技改善糊口。3M企业研究体系试验室技能总监David Frazee暗示，“研发是3M的心跳，扎根迷信让咱们壮大。咱们的质料迷信家展开新的研究时，他们必要领会曩昔的、可能相干的研究。这些信息去去埋躲在咱们的专利以及普遍的常识存储库中。寻觅符合的信息去去让人筋疲力尽，耗时，有时信息不完备。借助Amazon Kendra，咱们的迷信家可使用天然语言查询、疾速正确地找到所需的信息。借助Amazon Kendra，咱们的工程师以及研究职员热心飞腾，疾速查找信息，加速立异速率，更有用地协作，源源不竭地为客户提供怪异的产物。”

Workgrid 软件公司是 Liberty Mutual（利宝保险）的全资子公司，为员工体验平台中提供软件解决方案，让事情加倍互联、更高效、出产力更高。“咱们的焦点产物之一是 Workgrid Chatbot，它让员工可以或许疾速得到频仍查询的谜底，使用友爱的天然语言界面主动执行使命。企业谈天机械人的一个关头部门是答复来自员工的有数问题，以是Workgrid 提供自助问答构建器，内容作者不消掌握编程语言，就能够训练谈天机械人相应员工的问题。除了了这些精心策动的内容外，咱们但愿为 Workgrid Chatbot 提供一种方式，以便从整个企业的年夜量文档（比方 PDF 文档）轻松提取常识，” Workgrid 云工程以及 AI 主管 Gillian McCann 说。“借助 Amazon Kendra，很欢快咱们的客户可以或许疾速高效地得到所需的谜底。Amazon Kendra 可以或许间接从多个存储库的非布局化数据中提取谜底，而且有可能疾速跟踪学习，让咱们向客户交付正确、不竭优化的谜底。咱们很欢快能探索 Amazon Kendra 接洽上下文的智能搜刮以及使命主动化的连系，让咱们可提供壮大的员工体验。”

英国播送公司是播送业的世界向导者之一。他们把BBC的影像以及声响带到世界各地。“作为一家全世界性媒体机构，咱们治理数 PB 的视频，天天24小时做直播，”BBC 首席技能以及产物官 Matthew Postgate 说。“Amazon CodeGuru 和咱们的团队使用的其它开发东西，有助于确保咱们不竭为受众提供壮大、靠得住的服务，在问题泛起以前发明问题。它还将匡助咱们深刻领会咱们的服务若何与 AWS 平台交互，使团队可以或许重构以及优化其代码，为人们提供他们指望从 BBC 得到的服务。”

Apptio SaaS 解决方案可匡助机构在阐发、计划以及优化投资时做出理智的决议计划，转变IT运营模式。Apptio 首席产物官 Scott Chancellor 暗示：“为客户提供高度可用的无 Bug 服务对付咱们的胜利相当首要。咱们始终在寻觅东西变化咱们的组织，更自动地检测运用开发周期各个阶段的问题，提高开发速率，少花时间在解决并发、资本泄露以及机能瓶颈等疑问问题上。咱们测验考试了 Amazon CodeGuru，发明它可以提供在开发的初期阶段自动解决这些问题的建议。别的，它可以指出下降服务速率的代码区域，咱们可以少花时间解决机能相干的缺陷。这些改良将匡助咱们为一切客户提供更好的体验。”

SmugMug+Flickr 是世界上最具影响力的、以拍照师为中间的平台之一。“Smugmug & Flickr专为业余拍照师以及拍照快乐喜爱者打造，展现他们的作品，也供他们赏识别人作品。从第一天起，SmugMug 的激情就是，不竭想法子让拍照师讲述他们想讲述的故事，以他们想要的方法讲述故事。当咱们年夜规模运营时，图象处置、分类以及搜刮的机能成为重中之重，”SmugMug&Flickr首席执行官兼首席极客Don MacAskill 说。“Amazon CodeGuru 的及时阐发有助于排除了妨碍，辨认咱们服务的低效部门，尤为是运用法式中有价值的代码行会减慢它们的速率。它提出建议、协助咱们更改以及优化。凭据 CodeGuru 的建议，咱们可以或许从新构建代码，使其高度可维护，提高咱们的服务机能。”

Charles Schwab是一家进步前辈的投资服务公司。“线上检测欺诈勾当是一项永无止境的应战，不良举动人不竭制造着新的进犯前言。咱们的任务是走在坏人的后面，庇护咱们的客户，”Charles Schwab欺诈监控与查询拜访副总裁 Kara H. Suro 说：“咱们对Amazon Fraud Detector的推出感触兴奋。这让咱们可以更快、更轻松地构建机械学习东西，发明欺诈勾当；咱们预计欺诈预防率会显著提高。摆设Amazon Fraud Detector，将有助于从咱们的汗青数据中辨认欺诈模式，也能够操纵亚马逊检测欺诈的教训。”

Vacasa是北美最年夜的全方位服务度假租赁治理公司，在17个国度/地域领有跨越23000家度假屋，每一年为跨越200万主人提供服务。Vacasa 开创人兼首席执行官 Eric Breon 暗示：“自公司成立以来，咱们操纵技能使本地团队可以或许专一于赐顾帮衬家庭以及主人，同时为度假房东完成收进最年夜化。咱们对Amazon Fraud Detector的发布感触兴奋，这象征着咱们可以更轻松地使用进步前辈的机械学习技能，正确检测欺诈性预订。庇护咱们的‘流派’免受潜伏危险，使咱们可以或许专一于使度假租赁体验无缝、无忧。”

Cerner是卫生信息技能解决方案、服务以及装备的当先提供商之一。Cerner公司解决方案战略师Jacob Geers 说：“临床文档的切确性对付事情流程以及整体的照顾护士职员得意度相当首要。经由过程操纵 Amazon Transcribe Medical的转录API，Cerner正在开端开发数字语音抄录器，主动收听大夫与患者的互动，绝不显眼地以文本情势捕捉对话。然后，咱们的解决方案可以或许智能地翻译观点，入进Cerner病历体系中的编辑组件。”

Suki 是一款 AI驱动、支撑语音的数字助理，可减轻大夫的事件包袱。Suki AI公司首席执行官 Punit Soni 说：“临床文档事关医疗数据事情流程，匡助临床大夫更有用地收集条记是关头。咱们可以轻松地将咱们的临床数字助理与Amazon Transcribe Medical集成，容许大夫口述医疗条记，将临床文档的精神损耗均匀下降76%。他们的时间应当花在赐顾帮衬病人上，而不是做数据输出事情。”

作为美国的Un-carrier (往运营商化的运营商)，T-Mobile美国公司经由过程当先的产物以及服务立异，正在从新界说消费者以及企业采办无线服务的方法。“在T-Mobile，咱们以客户的幸福来衡量胜利。作为Un-carrier，咱们知道，当客户以为咱们领会并展望到他们的需求、间接解决他们的痛点时，他们会感触最幸福，”T-Mobile执行副总裁、首席信息Cody Sanford说。“咱们的专家团队客户服务模式致力于创建小我接洽，并使用 A2I 等尖端东西为咱们的团队取患上胜利做好筹备。是的，机械学习带来更深刻、更投进的瓜葛！走访及时的上下文信息，比方如客户具体信息以及可用扣头，使咱们的团队可以或许在与客户入行真实、及时的对话时，代表客户做泛起场决议计划……彻底共赢！”

VidMob 是一个营销创意平台，可为品牌的一切创意需求提供端到端技能解决方案。其集成平台将同类独创（first-of-a-kind）的创意阐发与一流的创意建造相连系，提高营销效率。“Vidmob 操纵机械学习来阐发视频的方方面面，包含人物、对象以及信息，匡助品牌领会创意绩效，构建更好的创意。然而，对付现无机器学习模子未涵盖的维度，要从咱们天天阐发的 PB 级数据中回首创意，颇有应战性，”VidMob 数据以及看法高档副总裁Joline McGoldrick说。“凭仗咱们今朝训练有素的创意评价步队，使用 A2I，咱们可以更快地优化、微调咱们的展望模子。这类效率使咱们接触到年夜量审核职员，将模子上市速率提高了3倍。”