Amazon.com公司Amazon Web Services(AWS)宣布全面增强服务的Amazon Augmented AI(A2I)全面上市，该服务可轻松为机器学习预测添加人工审核通过不断识别和改进低置信度预测来提高模型和应用程序的准确性。Amazon A2I使用Mechanical Turk，第三方供应商或他们自己的员工的审阅者，帮助开发人员为新的或现有的应用程序添加对模型预测的人工审核。Amazon A2I使开发人员可以更轻松地构建人工审核系统，构建审核流程并管理人工审核人员。例如，开发人员可以使用Amazon A2I快速启动并管理人员队伍，以审查和验证针对从扫描的抵押贷款文件中提取财务信息的应用程序或使用图像识别在线识别假冒商品的应用程序的机器学习预测的准确性，因此结果质量随着时间的推移而提高。没有使用Amazon A2I的前期承诺，用户只为每次需要的审查付费。要开始使用Amazon A2I，请访问 aws.amazon.com/augmented-ai

如今，机器学习为各种用例提供​​了高度准确的预测(称为“推论”)，包括识别图像中的对象，从扫描的文档中提取文本或转录和理解口头语言。在每种情况下，机器学习模型都会提供推断和置信度分数，以表达模型在其预测中的确定性。置信度数越高，结果越值得信赖。通常，当开发人员收到高置信度的结果时，他们可以相信预测是准确的，并且根据使用情况，他们可以使用它来使流程完全自动化。例如，将用户的照片与名人脸相匹配的社交媒体应用程序的开发人员可能依赖80%的置信度得分来生成并返回许多有趣的匹配项。然而，在其他情况下，强烈建议同时具有高度的信心(高达99%)和人工检查，例如涉及执法的公共安全用例。在置信度得分低于期望值和/或需要人工判断的情况下，可以使用评论来验证预测。机器学习与人工审阅者之间的这种相互作用对于机器学习系统的成功至关重要，但是人工审阅对于大规模构建和操作而言具有挑战性且昂贵，通常涉及多个工作流程步骤，操作用于管理人工审阅任务和结果的自定义软件，以及招聘和管理大量的审阅者。结果，开发人员有时会花更多的时间来管理人工审核流程，而不是构建预期的应用程序，否则他们不得不放弃进行人工审核，

借助Amazon A2I，开发人员可以在机器学习应用程序中添加人工审查，而无需构建或管理昂贵且笨拙的人工审查系统。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等)提供了60多种预先构建的人工审查工作流，这些人工学习工作流可以对来自Amazon Rekognition和Amazon Textract的机器学习预测进行人工审查更容易。在Amazon SageMaker(或其他本地或云工具)中构建自定义机器学习模型的开发人员可以在增强型AI控制台中或通过其应用程序编程接口(API)对其特定用例进行人工审查。在设定模型预测的置信度阈值之后，开发人员可以选择使预测低于该阈值，并由Amazon Mechanical Turk及其全球500,000名独立承包商，专门从事业务流程外包的第三方组织(例如iVision，CapeStart Inc.和iMerit)或自己的私人机构审查，内部审核者。开发人员可以指定每个评论的工作人员人数，然后Amazon A2I将每个评论路由到确切的评论人数量。例如，建立使用Amazon Textract处理金融贷款申请的系统的公司可以轻松地将Amazon A2I配置为与Amazon Textract输出配合使用，从而将置信度得分小于99%的表格从他们的私人劳动力中发送给人工审核者。经过人工验证的结果存储在Amazon Simple Storage Service(S3)中，

“我们经常从客户那里得知，Amazon SageMaker可帮助加快培训，调整和部署自定义机器学习模型的速度，而完全托管的服务(如Amazon Rekognition和Amazon Textract)使构建包含机器学习的应用程序变得容易，而无需任何机器学习专业知识。但是即使取得了这些进步，我们的客户仍然说，在一些关键的用例中，例如在执法调查中，需要人工判断，或者在可信度低于给定阈值的情况下，可以使用人工审查来解决预测中的歧义的时候。敏感的用例，并且当前的人工审核过程涉及大量的自定义工作和成本，” Amazon Web Services，Inc.亚马逊机器学习副总裁Swami Sivasubramanian说。

Amazon A2I现已在美国东部(弗吉尼亚北部)，美国东部(俄亥俄州)，美国西部(俄勒冈)，加拿大(中部)，欧盟西部(伦敦)，欧盟西部(爱尔兰)，欧盟(法兰克福)，亚太地区可用(新加坡)，亚太地区(东京)，亚太地区(悉尼)，亚太地区(首尔)和亚太地区(孟买)。

国家卫生服务局，商业服务局(NHS BSA)是英国国家卫生局的一部分，为NHS组织，NHS承包商和患者提供一系列支持服务。作为业务流程服务的一部分，他们每个月处理5400万张纸质处方和其他医疗文档。“ NHS正在投资AI的承诺，以改善全英国的公共医疗质量。NHS BSA云平台和创新主管Chris Suter说，人为判断至关重要，实际上，涉及医疗支付的决策通常需要人为判断。“ Amazon Textract之所以引人注目，是因为它提供了AI驱动的几乎所有文档中的文本和结构化数据提取。我们对Amazon Augmented AI感到非常兴奋，因为它使我们能够在仍然运用人类判断力的同时利用机器学习的优势。那对我们来说是一个改变游戏规则的人。”

作为美国的运营商，T-Mobile US，Inc.通过领先的产品和服务创新，重新定义了消费者和企业购买无线服务的方式。“我们在与客户进行实时对话时，实时向客户服务代理提供相关信息，例如帐户详细信息和可用折扣，这是T-Mobile使用机器学习改善客户体验的方式之一。我们将使用A2I， T-Mobile机器学习工程师Heather Nolis说：“通过让人类验证模型预测的随机样本，我们能够确保我们的模型不断提供顶级的见解。在机器学习中，信任是最难建立的东西。 ，并且A2I将使我们能够确保我们的模型犯的错误最少。”

德勤(Deloitte)正在帮助改变全球的组织。该组织不断发展其工作方式以及如何应对市场挑战，从而可以继续为其客户和社区提供可衡量的，可持续的结果。“使我们的客户获得成功的一部分就是帮助他们利用最新技术。使用机器学习使我们能够帮助改善客户的系统并提高他们的生产力，同时减少产品，服务和应用程序的上市时间。作为向客户提供ML最新进展的一部分，我们看到了人在环系统的好处，从而为ML应用程序增添了一层信心。“例如，我们在保险行业的客户，可以使用A2I帮助验证ML模型的准确性，从而实现基于图像的自动车辆损坏检测和基于文本的保险索赔分析。我们很高兴看到我们的跨行业客户可以通过将A2I集成到其ML工作流程中而受益匪浅。”

Belle Fleur认为，机器学习革命正在改变我们生活，工作和相互联系的方式，并将改变每个行业的每项业务。“我们开始与我们的一个金融服务客户一起使用Amazon Textract，并很快意识到，将该服务与Amazon A2I结合使用可使他们浏览大量文档并提取其客户所需的相关数据。加上Amazon A2I，可以帮助我们将需要做出上下文解释并验证数据的文档纳入人为判断之中。” Belle Fleur总裁Tia Dubuisson说。“这不仅减少了人工验证所花费的时间，但它也将所有相关的提取数据以易于理解的工作流程集中到一个地方，以供审阅者使用，从而使他们能够快速，轻松地审阅Amazon Textract的机器学习输出。Amazon A2I不仅使我们和我们的客户可以放心，提取的细微差别的数据都可以由人类进行审查，而且还可以通过不断的审核和改进，随着时间的推移帮助培训和改进我们的机器学习模型。”

标签： AWS 亚马逊增强人工智能