AWS 宣布推出五项全新机器学习服务，可彻底改造和改进日常企业任务——无需机器学习经验-ESG跨境

西雅图--今天在 AWS re:Invent 大会上，Amazon.com 旗下公司（纳斯达克股票代码：AMZN）宣布了五项新的人工智能 (AI) 服务，旨在将机器学习纳入更多应用程序开发人员和最终用户的手中——无需机器学习经验。 AWS 推出了使用 AI 的新服务，以允许更多开发人员应用机器学习来创造更好的最终用户体验，包括新的机器学习驱动的企业搜索、代码审查和分析、欺诈检测、医学转录和人工智能预测的人工审查。要了解有关 AWS 的 AI 服务的更多信息，请访问。

“临床文档的极高准确性对于工作流程和整体护理人员满意度至关重要”

机器学习继续快速增长，如今有成千上万的客户在 AWS 上进行机器学习（是第二大云提供商的两倍），其中包括许多选择使用 AWS 完全托管的 AI 服务的客户，例如 Alfresco , Bayer Crop Science, Cerner, CJ Cox Automotive, C-SPAN, Deloitte, Domino's, Emirates NBD, Fred Hutchinson Cancer Research Center, FICO, FINRA, Gallup, Kelley Blue Book, Kia, Mainichi Newspapers Co, NASA, PricewaterhouseCoopers, White House历史协会和左拉。在过去的一年里，AWS 推出了几项全新的完全托管的 AI 服务，例如 Amazon Personalize 和 Amazon Forecast，让客户能够受益于亚马逊消费者业务所使用的相同的个性化和预测机器学习技术，以增强其屡获殊荣的客户体验。 AWS 客户有兴趣从 Amazon 大规模使用机器学习的丰富经验中学习，以改进运营并提供更好的客户体验，而无需训练、调整和部署他们自己的自定义机器学习模型。今天，AWS 宣布推出五项新的人工智能服务，这些服务基于亚马逊在机器学习方面的丰富经验，允许所有行业的各种规模的组织在其企业中采用机器学习——无需机器学习经验。

Amazon Kendra 通过机器学习重塑企业搜索

尽管多年来进行了多次尝试，但内部搜索仍然是当今企业的一个棘手问题，大多数员工仍然经常难以找到他们需要的信息。组织拥有大量的非结构化文本数据，如果可以发现、以多种格式存储并分布在不同的数据源（例如 Sharepoint、Intranet、Amazon S3 和本地文件存储系统），其中的大部分都非常有用。即使有广泛使用的基于 Web 的通用搜索工具，组织仍然发现内部搜索很困难，因为没有一个可用工具能很好地跨现有数据孤岛建立索引，不提供自然语言查询，也不能提供准确的结果。当员工有问题时，他们需要使用可能出现在不同上下文中的多个文档中的关键字，这些搜索通常会生成一长串随机链接，然后员工必须对其进行筛选以找到他们寻求的信息——如果他们在全部。

Amazon Kendra 通过允许员工使用真实问题（而不仅仅是关键字）在多个数据孤岛中进行搜索，并在幕后部署 AI 技术来提供他们寻求的精确答案（而不是随机链接列表），从而彻底改造了企业搜索。员工可以使用自然语言进行搜索（关键字仍然有效，但大多数用户更喜欢自然语言搜索）。例如，员工可以提出一个特定的问题，例如“IT 服务台什么时候开放？” ，Amazon Kendra 会给他们一个具体的答案，例如“IT 帮助台在上午 9:30 开放” ，以及返回到 IT 票务门户和其他相关网站的链接。客户可以在其应用程序、门户和 wiki 中使用 Amazon Kendra。只需在 AWS 管理控制台中单击几下，客户就可以将 Amazon Kendra 指向他们的各种文档存储库，该服务会聚合数 PB 的数据以构建集中索引。 Kendra 通过扫描文档的权限来帮助确保搜索结果符合现有的文档访问策略，以便搜索结果仅包含用户有权访问的文档。此外，Amazon Kendra 会根据客户的具体情况积极重新训练其机器学习模型，以使用点击数据、用户位置和反馈来提高准确性，以便随着时间的推移提供更好的答案。要了解有关 Amazon Kendra 的更多信息，请访问。

Amazon CodeGuru通过使用机器学习提供自动代码审查来改进软件开发，并帮助组织找到最昂贵的代码行

就像亚马逊一样，AWS 客户编写了大量代码。软件开发是一个很好理解的过程。开发人员编写代码、审查代码、编译代码并部署应用程序、测量应用程序的性能，并使用这些数据来改进代码。然后，他们冲洗并重复。然而，如果代码一开始就不正确，所有这些过程都无关紧要，这就是为什么团队在将新代码添加到现有应用程序代码库之前执行代码审查以检查逻辑、语法和样式的原因。即使对于像亚马逊这样的大型组织，考虑到每天编写的代码量，拥有足够多经验丰富的开发人员和足够的空闲时间来进行代码审查也是一项挑战。即使是最有经验的审阅者在进入面向客户的应用程序之前也会错过问题，从而导致错误和性能问题。

Amazon CodeGuru 是一项新的机器学习服务，可自动执行代码审查并查找应用程序中最昂贵的代码行。 Amazon CodeGuru 有两个组件——代码审查和应用程序分析。对于代码审查，开发人员像往常一样提交他们的代码（现在支持 GitHub 和 CodeCommit，随着时间的推移会有更多存储库）并将 Amazon CodeGuru 添加为代码审查者之一，无需对正常流程或要安装的软件进行其他更改。 Amazon CodeGuru 收到一个拉取请求，并自动开始使用预训练模型评估代码，这些模型已经在 Amazon 数十年的代码审查和 GitHub 上的前一万个开源项目中进行了训练。 Amazon CodeGuru 将审查代码更改的质量，如果发现问题，它将在拉取请求中添加人类可读的注释，以标识代码行、特定问题和建议的补救措施，包括示例代码和相关链接文档。

Amazon CodeGuru 还包含一个机器学习支持的应用程序分析器，可帮助客户找到最昂贵的代码行。首先，客户在他们的应用程序中安装一个小型的低配置代理，以便 Amazon CodeGuru 可以观察应用程序运行时间并每五分钟分析一次应用程序代码。此代码配置文件包括延迟和 CPU 利用率的详细信息，直接链接回特定的代码行。 Amazon CodeGuru 可以帮助操作员找到应用程序中最昂贵的代码行，并生成火焰图，帮助直观地识别造成性能瓶颈的其他代码行。多年来，Amazon 的内部团队使用 Amazon CodeGuru 分析了 80,000 多个应用程序的代码。从 2017 年到 2018 年，Amazon CodeGuru 内部版本的广泛使用帮助亚马逊消费者业务的 Amazon Prime Day 团队提高了应用效率，CPU 利用率提高了 325%，减少了管理 Prime 所需的实例数量天，整体成本降低 39%。 要了解有关 Amazon CodeGuru 的更多信息，请访问。

Amazon Fraud Detector 使用机器学习提供自动欺诈检测

世界各地的组织每年因欺诈而损失数百亿美元。如今，许多 AWS 客户投资于大型、昂贵的欺诈管理系统。这些系统通常基于手工编码的规则，这些规则耗时、定制成本高，并且随着欺诈模式的变化难以保持最新——所有这些都会导致系统的准确性低于预期。这导致组织拒绝将好客户视为欺诈者，进行成本更高的欺诈审查，并错失降低欺诈率的机会。 20 多年来，亚马逊一直在使用包括机器学习在内的复杂技术来检测欺诈交易，并理解这是一场持续不断的与欺诈行为者的猫捉老鼠游戏，需要大量资源来构建防御并不断发展它们。 AWS 客户询问 AWS 是否可以分享其专业知识和经验。

Amazon Fraud Detector 提供完全托管的服务，用于实时检测潜在的在线身份和支付欺诈，基于亚马逊消费者业务使用的相同技术，无需机器学习经验。 Amazon Fraud Detector 使用欺诈和合法交易的历史数据来构建、训练和部署机器学习模型，以提供实时、低延迟的欺诈风险预测。首先，客户将交易数据上传到 Amazon Simple Storage Service (S3) 以自定义模型的训练。客户只需提供与交易相关的电子邮件地址和 IP 地址，并且可以选择添加其他数据（例如账单地址或电话号码）。根据客户想要预测的欺诈类型（新账户或在线支付欺诈），Amazon Fraud Detector 将使用数十年来大规模运行欺诈检测风险分析的经验对数据进行预处理、选择算法并训练模型在亚马逊。 Amazon Fraud Detector 还使用基于机器学习的数据检测器，这些数据检测器是根据来自 Amazon 的数据进行训练的。这些数据检测器有助于识别通常与亚马逊欺诈活动相关的模式（例如异常的电子邮件命名约定），以帮助提高训练模型的准确性，即使客户提供给 Amazon Fraud Detector 的欺诈示例数量很少。 Amazon Fraud Detector 训练模型并将其部署到完全托管的私有应用程序编程接口 (API) 端点。客户可以向 API 发送新活动（例如注册或新购买）并接收欺诈报告，其中包括欺诈风险评分。根据该报告，应用程序可以确定正确的行动方案（例如接受购买，或将其传递给人工审核）。借助 Amazon Fraud Detector，客户可以更快、更轻松、更准确地检测欺诈行为。要了解有关 Amazon Fraud Detector 的更多信息，请访问。

Amazon Transcribe Medical 使用机器学习来转录医学语音，使医疗保健提供者能够专注于患者护理

今天，作为日常职责的一部分，医生需要将详细的数据输入电子健康记录 (EHR) 系统。然而，帮助他们准确记录和记录患者遭遇的解决方案并不理想。在许多医院，医生必须将医疗记录口述到录音机中，然后将这些语音文件提交给第三方手动转录服务，这很昂贵，并且可能需要多达三个工作日，从而总体上延迟了文档工作流程。另一种选择是利用现有的前端听写软件，但现有的工具是有限的，医生最终仍然每天花费几个小时在临床文档上。第三种选择是医疗保健提供者雇用人工抄写员来协助医生在与患者会面时做笔记，但人工抄写员可能会让患者感到不安，医生经常提到他们的输出不完善，医疗组织难以大规模安排和协调抄写员。现有的解决方案在提高临床文档效率和实现更好的患者护理方面都存在不足。

Amazon Transcribe Medical 通过使用机器学习技术自动转录自然医学语音来解决这些问题。基于 Amazon Transcribe Medical 的语音转文本功能构建的临床文档应用程序可生成准确且经济实惠的成绩单。 Amazon Transcribe Medical 由多个机器学习模型组成，这些模型已经过数万小时的医学语音训练，可提供准确的、机器学习驱动的医学转录。成绩单是实时生成的，消除了多天的周转时间。 Amazon Transcribe Medical 可以帮助医生在与患者会面期间自动转录对话，而不会分散手动记笔记的注意力，从而使医疗保健提供者能够专注于患者护理。医生可以自然地说话，Amazon Transcribe Medical 使用内置的自动标点符号来克服现有转录软件的限制。对于医疗保健提供商而言，基于 Amazon Transcribe Medical 构建的语音解决方案可扩展到数千个潜在的医疗中心，从而消除管理和协调临时抄写员的运营痛苦。 Amazon Transcribe Medical 符合 HIPAA 标准，并提供易于使用的 API，可与支持语音的应用程序和任何带麦克风的设备集成。 Amazon Transcribe Medical 的文本输出也可供其他 AWS 服务使用，例如自然语言处理服务 Amazon Comprehend Medical，在最终进入 EHR 系统之前进行下游数据分析。要开始使用 Amazon Transcribe Medical，请访问 。

Amazon 增强型人工智能 (A2I) 允许开发人员与人工审核员一起验证机器学习预测

Amazon 增强型人工智能 (A2I) 是一项新服务，可让您更轻松地为机器学习应用程序构建和管理人工评论。 Amazon A2I 为常见的机器学习任务（例如图像中的对象检测、语音转录和内容审核）提供了预构建的人工审核工作流程，从而可以更轻松地对来自 Amazon Rekognition 和 Amazon Textract 的机器学习预测进行人工审核。开发人员为他们的特定应用程序选择一个置信度阈值，所有置信度分数低于阈值的预测都会自动发送给人工审阅者进行验证。开发人员可以选择让 Amazon Mechanical Turk 的 500,000 名全球员工、拥有预授权员工的第三方组织（包括 Startek、iVision、CapeStart Inc.、Cogito 和 iMerit）或他们自己的私人评论员执行他们的评论。结果存储在 Amazon S3 中，开发人员在审核完成时会收到通知，以便他们可以根据人工审核人员的可信结果采取行动。 Amazon A2I 为所有开发人员带来人工审查，消除了与构建和管理自定义审查管道或招募大量人工审查员相关的无差别繁重工作。要开始使用 Amazon A2I，请访问。

“不同行业的公司告诉我们，他们希望利用亚马逊在机器学习方面的丰富经验来解决他们作为企业持续面临的一些共同挑战。这些挑战包括内部搜索、帮助软件开发人员编写更好的代码、识别欺诈交易以及提高所有机器学习系统的整体质量，”AWS 亚马逊机器学习副总裁 Swami Sivasubramanian 说。 “凭借在构建机器学习系统方面数十年的经验，亚马逊创建了成功应对此类挑战的内部系统，而今天的发布是推动这些系统开发的同一客户痴迷的下一次迭代。通过这些发布，我们很高兴能够将这些机器学习驱动的功能提供给企业用户，而无需任何机器学习专业知识。”

3M 是一家跨国公司和领先的产品制造商，产品包括磨料、化学品和先进材料、薄膜、过滤器、粘合剂等。 3M 以协作的方式应用科学，每天都在改善生活。 “研发是 3M 的心脏，我们对使我们强大的科学进行了深入投资。当我们的材料科学家领导新研究时，他们需要访问可能相关的过去研究。这些信息通常隐藏在我们的专利和广泛的知识库，”3M 公司研究系统实验室技术总监 David Frazee 说。“查找正确的信息通常很费力、很耗时，有时甚至不完整。借助 Amazon Kendra，我们的科学家可以使用自然语言快速准确地找到他们需要的信息“通过 Kendra，我们的工程师和研究人员对快速查找信息的能力充满热情，这将使他们能够更快地进行创新，更有效地协作，并加速为我们的客户提供独特产品的持续流。”

Workgrid Software 是 Liberty Mutual 的全资子公司，在员工体验平台中提供软件解决方案，以使工作更加互联、高效和富有成效。 “我们的核心产品之一是 Workgrid 聊天机器人，它使员工能够使用友好的自然语言界面快速获得频繁查询的答案并自动执行任务。任何企业聊天机器人的一个关键部分是能够回答无数问题来自员工，这就是为什么 Workgrid 提供了一个不需要编程语言的自助问答构建器，内容作者可以训练聊天机器人来回答员工的问题。除了这些策划的内容，我们还想为 Workgrid 提供一种方式聊天机器人可以轻松地从企业中存在的大量文档（例如 PDF 文档）中提取知识，”Workgrid Software 云工程和人工智能负责人 Gillian McCann 说。“有了 Amazon Kendra，我们对这种可能性感到兴奋的客户快速高效地获得所需的答案。Amazon Kendra 可以直接从跨多个存储库的非结构化数据中提取答案，并且作为快速跟踪我们向客户提供准确、比以前更好的答案的潜力。我们很高兴探索将 Amazon Kendra 的智能搜索与我们提供的会话上下文和任务自动化相结合，以创造强大的员工体验。”

英国广播公司是广播行业的世界领先者。他们将 BBC 的景象和声音带到了世界各地。 BBC 首席技术和产品官 Matthew Postgate 表示：“作为一家全球媒体组织，我们每天 24 小时管理 PB 级视频并运行实时操作。Amazon CodeGuru 以及我们团队使用的其他开发工具，将有助于确保我们继续为我们的受众提供强大、可靠的服务，并在任何问题发生之前发现它们。它还将帮助我们深入了解服务如何与 AWS 平台交互，从而允许团队重构和优化他们的代码，以便为人们提供他们期望 BBC 提供的服务。”

Apptio SaaS 解决方案可帮助组织在分析、计划和优化投资以转变其 IT 运营模式时做出明智的决策。 Apptio 首席产品官 Scott Chancellor 表示：“为我们的客户提供高度可用、无错误的服务对于我们的成功至关重要。 “我们一直在寻找工具来改变我们的组织，以便在我们的应用程序开发生命周期的各个阶段更主动地检测问题，提高我们的开发速度，并花费更少的时间来解决并发、资源泄漏和性能瓶颈等难题。我们试用了 Amazon CodeGuru，发现它提供了在早期开发阶段主动解决这些问题的建议。此外，通过指出降低我们服务速度的代码区域，我们减少了解决与性能相关的缺陷的时间。这些改进将帮助我们为所有客户提供更好的体验。”

SmugMug+Flickr 是世界上最大和最有影响力的以摄影师为中心的平台。 “SmugMug 和 Flickr 一起是世界上最大和最有影响力的以摄影师为中心的平台，专为专业摄影师和摄影爱好者打造，在欣赏他人作品的同时展示自己的作品。从第一天开始，SmugMug 的热情就一直在寻找方法让摄影师能够讲述他们想讲述的故事，以及他们想如何讲述。当您以我们的规模运营时，性能是图像处理、分类和搜索的重中之重，”SmugMug+Flickr 的首席执行官兼首席 Geek 唐·麦克阿斯基尔说。 “Amazon CodeGuru 的实时分析有助于对我们服务的低效部分进行故障排除和识别，特别是应用程序中昂贵的代码行，这会减慢它们的速度，并帮助我们提供有关如何更改和优化它们的建议。借助 CodeGuru 的建议，我们能够重组我们的代码，使其高度可维护，并提高我们的服务性能。”

嘉信理财是一家领先的投资服务公司。 “检测在线欺诈活动是一项永无止境的挑战，因为不良行为者不断创造新的攻击媒介。我们的使命是领先于不良行为者，保护我们的客户，”Charles Schwab & Co., Inc. 欺诈监控与调查副总裁 Kara H. Suro 说。“我们对 Amazon Fraud Detector 的推出感到兴奋。它将使构建机器学习工具来发现欺诈活动变得更快、更容易；我们预计我们的欺诈预防率将显着提高。一旦实施，欺诈检测器将有助于从我们的历史数据中识别欺诈模式，以及利用亚马逊检测欺诈的经验。”

Vacasa 是北美最大的全方位服务度假租赁管理公司，在 17 个国家/地区拥有 23,000 多个度假屋，每年为超过 200 万客人提供服务。 Vacasa 创始人兼首席执行官 Eric Breon 表示：“自成立以来，我们利用技术使我们的本地团队能够专注于照顾家庭和客人，同时为度假屋业主带来最大的收入。” “我们对 Amazon Fraud Detector 的推出感到兴奋，因为这意味着我们可以更轻松地使用先进的机器学习技术来准确检测欺诈性预订。保护我们的‘前门’免受潜在伤害，使我们能够专注于让度假租赁体验无缝且无忧。”

Cerner 是健康信息技术解决方案、服务和设备的领先供应商。 Cerner Corporation 解决方案策略师 Jacob Geers 表示：“临床文档的极高准确性对于工作流程和整体护理人员满意度至关重要。” “通过利用 Amazon Transcribe Medical 的转录 API，Cerner 正在初步开发一种数字语音抄写员，该抄写员可以自动聆听临床医生与患者的互动，并以文本形式不显眼地捕捉对话。从那里开始，我们的解决方案将智能地翻译概念，以便进入 Cerner EHR 系统中的编码组件。”

Suki 是一个人工智能驱动的语音数字助理，可以减轻医生的行政负担。 Suki AI, Inc. 首席执行官 Punit Soni 说：“临床文档与医疗数据工作流有关，帮助临床医生更有效地记录笔记是关键。我们可以轻松地将我们的临床数字助理与 Amazon Transcribe Medical 集成，让医生能够听写医疗笔记，从而将花费在临床文档上的精力平均减少了 76%。他们的时间最好花在照顾病人上，而不是做数据录入工作。”

SoundLines 是 HealthChannels 公司家族的一部分，将直观的人工智能技术与临床专业知识联系起来。利用数据提供更加个性化的护理，同时提高提供者和护理团队助理的效率。通过数据驱动分析和先进理念的成功结合，以及近二十年的经验，HealthChannels 已支持数百万患者就诊。 “SoundLines 通过将有意义且注重影响的技术（例如亚马逊的医学上准确的语音到文本解决方案 Amazon Transcribe Medical）整合到我们的护理团队助理、医疗抄写员网络的工作流程中，为 HealthChannels 的熟练劳动力提供支持，和导航器。这使我们所服务的临床医生能够专注于患者，而不是花费额外的周期来手动记笔记，”SoundLines 技术总裁 Vadim Khazan 说。 “Amazon Transcribe Medical 轻松集成到 HealthChannels 平台，将其转录本直接输入下游分析。对于过去 15 年依赖我们的护理团队优化策略的 3,500 名医疗保健合作伙伴，我们显着减少了获取有洞察力的数据所需的时间和精力。”

安进（Amgen）是世界领先的生物技术公司之一，是一家以价值观为基础的公司，深深植根于科学和创新，将新的想法和发现转化为用于严重疾病患者的药物。 “在药物警戒方面，我们希望准确审查来自患者或医疗保健提供者的电话录音，以确定与医药产品相关的任何报告的潜在副作用，”安进公司观察研究和数字健康高级数据科学家 George Seegan 说。 “Amazon Transcribe Medical 从录音通话中生成文本转录本，使我们能够提取有关药物和任何报告的副作用的有意义的见解。通过这种方式，我们可以快速检测、收集、评估、报告和监测不良反应，从而造福全球患者。”

作为美国的非运营商，T-Mobile US, Inc. 正在通过领先的产品和服务创新重新定义消费者和企业购买无线服务的方式。 “在 T-Mobile，我们通过客户满意度来衡量成功——作为非运营商，我们知道客户在感觉我们了解并预测他们的需求并直接解决他们的痛点时最快乐，”执行副总裁兼首席信息官 Cody Sanford 说, T-Mobile。“我们的专家团队客户服务模型 - 或 TEX - 旨在建立个人联系，并使用 A2I 等尖端工具来帮助我们的团队取得成功。是的 - 机器学习会带来更深入、更投入的关系！访问实时上下文信息，例如帐户详细信息和可用折扣，使我们的团队能够在客户与他们进行真实、实时的对话时代表客户做出现场决策……完全双赢赢！”

VidMob 是一个营销创意平台，可为品牌的所有创意需求提供端到端的技术解决方案。它是一个集成平台，将首创的创意分析与一流的创意制作相结合，以转变营销效果。 “Vidmob 利用机器学习来分析视频的各个方面，包括人物、物体和信息，以帮助品牌了解创意表现并构建更好的创意。然而，对于现有机器学习模型未涵盖的维度，从我们每天分析的 PB 级数据中审查创意可能具有挑战性，”VidMob 数据和洞察力高级副总裁 Joline McGoldrick 说。 “凭借我们目前训练有素的创意评估人员队伍，使用 A2I，我们可以更快地优化和微调我们的预测模型。这种效率让我们能够接触到大量的审稿人，并将模型推向市场的速度提高了 3 倍。”

关于亚马逊网络服务

13 年来，Amazon Web Services 一直是世界上最全面、应用最广泛的云平台。 AWS 提供超过 165 个全功能

点击咨询现在有哪些新兴平台值得关注 >>>

特别声明：以上文章内容仅代表作者本人观点，不代表ESG跨境电商观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与ESG跨境电商联系。