AmazonKendra重塑企业搜索，它使用自然语言处理和其他机器学习相结合，为常见查询持续提供高质量的结果，而不是使用随机链接列表响应关键字查询?AmazonCodeGuru帮助软件开发人员自动化代码审查，以识别其应用程序中最昂贵的代码行?AmazonFraudDetector，基于为Amazon.com开发的相同技术，帮助企业实时识别在线身份和支付欺诈AmazonTranscribeMedical为医疗保健提供商提供高精度、实时的语音到文本转录，以便他们可以专注于患者护理Amazon增强人工智能(A2I)帮助机器学习开发人员验证机器学习通过人类确认的预测一种新的人工智能e(AI)服务旨在让更多不需要机器学习经验的应用程序开发人员和最终用户掌握机器学习。AWS推出了几项使用AI的新服务，让更多开发人员应用机器学习并创造更好的最终用户体验，包括机器学习驱动的企业搜索、代码审查和分析、欺诈检测、医疗转录和AI预测人工审查。要了解有关AWSAI服务的更多详细信息，请访问。机器学习继续快速增长，如今有数以万计的客户在AWS上进行机器学习，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、BayerCropScience、Cerner、CJCoxAutomotive、C-SPAN、Deloitte、Domino's、EmiratesNBD、FredHutchinsonCancerResearchCenter、FICO、FINRA、Gallup、KelleyBlueBook、Kia、MainichiNewspapers、NASA、PwC、WhiteHouseHistoricalSociety、YamahaCorporation和Zola。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AmazonPersonalize和AmazonForecast，使客户能够受益于与Amazon的消费者业务相同的机器学习，从而使其客户体验屡获殊荣个性化推荐和预测技术.AWS客户有兴趣学习Amazon大规模使用机器学习的丰富经验，以改进运营并提供更好的客户体验，而无需训练、优化和部署他们自己的自定义机器学习模型。今天，AWS宣布了五项新的AI服务，这些服务建立在Amazon广泛的机器学习经验的基础上，允许所有行业的各种规模的组织在其整个企业中采用机器学习，而无需机器学习经验。AmazonKendra通过机器学习重塑企业搜索尽管多年来进行了多次尝试，但内部搜索对于当今的企业来说仍然是一个棘手的问题，大多数员工仍然经常难以找到他们需要的信息。组织拥有大量非结构化文本数据，如果这些数据可以被发现、以多种格式存储并且跨不同的数据源（例如Sharepoint、Intranet、AmazonS3和本地文件存储系统），则这些数据将非常有用。即使基于Web的通用搜索工具无处不在，机构仍然发现内部搜索很困难，因为没有可用的工具可以很好地跨现有数据孤岛进行索引，提供自然语言查询，并且无法提供准确的结果。当员工有疑问时，他们需要使用可能出现在不同上下文、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，员工必须筛选这些链接才能找到他们正在寻找的信息（如果他们能找到的话）).如果）。AmazonKendra重塑企业搜索，让员工能够使用真实问题（而不仅仅是关键字）搜索多个数据孤岛，在幕后部署AI技术以提供他们正在寻找的精确答案（而不是随机的链接列表）。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，员工可以提出具体问题，例如“IT服务台几点开门？”AmazonKendra会给他们一个具体的答案，例如“ITHelpDesk在上午9:30开放”，以及IT门户和其他相关信息的链接。网站链接。客户可以在应用程序、门户和维基中使用AmazonKendra。只需在AWS管理控制台中单击几下，客户就可以将AmazonKendra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。AmazonKendra扫描文档的权限以确保搜索结果符合现有的文档访问策略，并且搜索结果仅包括用户有权访问的文档。此外，AmazonKendra会根据客户的具体情况积极重新训练机器学习模型，使用点击数据、用户位置和反馈来提高准确性并随着时间的推移提供越来越好的答案。要了解有关AmazonKendra的更多信息，请访问。AmazonCodeGuru使用机器学习来提供自动化代码审查，帮助组织找到最昂贵的代码行以改进软件开发与亚马逊一样，AWS客户编写了大量代码。软件开发是众所周知的过程。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该数据改进代码，如此循环。但是，如果代码一开始就不正确，那么所有这些过程都没有多大用处，因此在将新代码添加到现有应用程序代码库之前，团队会执行代码审查、检查逻辑、语法和样式。即使像亚马逊这样的大型组织，考虑到它每天编写的代码量，也很难有这么多经验丰富的开发人员有足够的空闲时间来审查代码。即使是经验丰富的审阅者在遇到面向客户的应用程序时也可能会遗漏问题，从而导致错误和性能问题。AmazonCodeGuru是一项新的机器学习服务，可自动执行代码审查以查找应用程序中成本最高的代码行。AmazonCodeGuru有两个组件：代码审查和应用程序分析。对于代码审查，开发者照常提交他们的代码（目前支持GitHub和CodeCommit，未来会支持更多存储库），添加AmazonCodeGuru作为代码审查者之一，无需审查正常流程或软件安装其他更改。AmazonCodeGuru收到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和GitHub前10,000个项目的数十年代码审查中接受了训练。AmazonCodeGuru将检查代码更改的质量，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、具体问题和建议的修复，包括示例代码和相关文档的链接。AmazonCodeGuru还包括一个机器学习驱动的应用程序分析器，可帮助客户找到最昂贵的代码行。要使用它，客户只需在他们的应用程序中安装一个小代理，AmazonCodeGuru就可以观察应用程序的运行，每五分钟分析一次应用程序代码。代码配置文件包括有关延迟和CPU使用率的详细信息，直接链接到特定代码行。AmazonCodeGuru帮助运维人员找到应用程序中最昂贵的代码行，生成火焰图，并帮助直观地识别导致性能瓶颈的其他代码行。多年来，Amazon的内部团队使用AmazonCodeGuru对80,000多个应用程序进行了代码分析。2017年至2018年，AmazonCodeGuru内部版本的大量使用帮助亚马逊消费者业务的AmazonPrimeDay团队提高了应用效率，CPU利用率提高了325%，减少了管理PrimeDay所需的实例数量，减少了总体成本上涨39%。要了解有关AmazonCodeGuru的更多信息，请访问。AmazonFraudDetector使用机器学习进行自动欺诈检测全世界的机构每年因欺诈损失数百亿美元。如今，许多AWS客户都投资于大型、昂贵的欺诈管理系统。这些系统通常基于手工编码的规则，耗时长，定制成本高，并且随着欺诈模式的变化难以保持最新状态，导致系统的准确性低于预期。这导致机构将好客户视为欺诈者，进行更昂贵的欺诈审计，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尖端技术来检测欺诈行为，并且明白这是一场与欺诈者之间不断进行的猫捉老鼠游戏，需要大量资源来建立防御并保持最新状态。AWS客户期待AWS分享他们的专业知识和经验。AmazonFraudDetector是一项完全托管的服务，它基于亚马逊消费者业务使用的相同技术，实时检测潜在的在线身份和支付欺诈，无需机器学习经验。AmazonFraudDetector使用有关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至AmazonS3以定制模型训练。客户只需提供与交易相关的电子邮件地址和IP地址，并可选择添加其他数据（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），AmazonFraudDetector将预处理数据、选择算法并训练模型——利用亚马逊数十年的大规模欺诈检测风险分析经验经验。AmazonFraudDetector还使用在Amazon数据上训练的基于机器学习的数据检测器。这些数据检测器有助于识别类似于亚马逊上发生的欺诈活动的模式（例如不寻常的电子邮件命名模式），这有助于提高模型训练的准确性，即使客户向AmazonFraudDetector提供少量欺诈示例性。AmazonFraudDetector训练模型并将其部署到完全托管的私有API端点。客户可以向API发送新活动（例如注册或新购买），接收包括风险评分在内的欺诈报告。根据此报告，应用可以确定正确的操作（例如接受购买，或将其转交给人工审核员）。借助AmazonFraudDetector，客户可以更快、更轻松、更准确地检测欺诈。要了解有关AmazonFraudDetector的更多信息，请访问http://aws.amazon.com/fraud-detector。AmazonTranscribeMedical使用机器学习来转录医学演讲，使医疗保健提供者能够专注于患者护理如今，医生将详细数据输入病历(EHR)系统作为他们日常工作的一部分。然而，帮助他们准确记录和存档其状况的解决方案并不理想。在许多医院，医生必须将医疗笔记口述到录音机中，然后将这些语音文件提交给第三方进行人工转录，这是一项成本高昂的服务，最多可能需要三个工作日，从而延迟了归档过程。另一种选择是利用现有的前端听写软件，但由于现有工具的局限性，医生仍然每天要花费数小时在临床笔记上。第三种选择是医疗保健提供者聘请人类抄写员在就诊期间协助保存记录，但人类抄写员可能会让患者感到不安，医生经常引用他们的记录中的空白，并且医疗机构很难安排和协调抄写员规模。总之，现有解决方案在提高临床文档效率和改善患者护理方面存在不足。AmazonTranscribeMedical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。一种基于AmazonTranscribeMedical的语音转文本功能构建的医疗记录应用程序，可准确且经济高效地生成记录。AmazonTranscribeMedical由多个机器学习模型组成，这些模型经过数万小时的医学演讲训练，可提供准确的、机器学习驱动的医学转录。记录是实时生成的，消除了多天的周转时间。AmazonTranscribeMedical可以帮助医生在与患者沟通时自动转录对话，而无需人工记录的干扰，医疗保健提供者可以专注于患者护理。医生可以自然地说话，AmazonTranscribeMedical使用内置的自动标点符号，克服了现有转录软件的局限性。对于医疗保健提供商，基于AmazonTranscribeMedical的语音解决方案可扩展到数千个潜在的医疗中心，消除了管理和协调临时抄写员的运营难题。AmazonTranscribeMedical符合HIPAA标准，并提供易于使用的API，用于与支持语音的应用程序和任何带麦克风的设备集成。AmazonTranscribeMedical的输出文本还可以用于其他AWS服务，例如自然语言处理服务AmazonComprehendMedical，在最终进入病历系统之前进行进一步的数据分析。要开始使用AmazonTranscribeMedical，请访问。AmazonAugmentedArtificialIntelligence(A2I)允许开发人员使用人工审核来验证机器学习预测机器学习可以为各种应用场景提供高度准确的预测，包括识别图像中的对象、从扫描文档中提取文本或转录和理解口语.在每种情况下，机器学习模型都会提供预测，提供置信度分数来指示模型预测的确定性。置信度得分越高，结果越可信。对于许多应用场景，当开发人员收到高置信度的结果时，他们可以相信结果很可能是准确的，并且可以自动处理它们（例如，自动调整社交网络上用户生成的内容，或为视频添加字幕）。然而，在置信度低于预期的情况下，预测是模棱两可的，可能需要人工审查来解决模棱两可的问题。机器学习和人工审查之间的这种相互作用对于机器学习系统的成功至关重要，但大规模构建和运行人工审查具有挑战性、成本高昂，通常涉及多个流程步骤，并且需要定制软件管理人工审查任务和结果需要招聘和管理大量的审稿人。因此，开发人员通常会花费大量时间来管理人工审核流程，而不是构建他们设想的应用程序，或者不得不放弃人工审核，从而导致许多预测的可信度和实用性较低。AmazonAugmentedArtificialIntelligence(A2I)是一项新服务，可以轻松构建和管理机器学习应用程序的人工审核。AmazonA2I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）提供预构建的人工审查工作流程，以促进人工审查来自AmazonRekognition和AmazonTextract的机器学习预测。开发人员为其特定应用程序选择一个置信度阈值，所有置信度得分低于该阈值的预测都会自动发送给人工审核人员进行验证。开发人员可以从AmazonMechanicalTurk的500,000名全球劳动力、Startek、iVision、CapeStart、Cogito和iMerit等预先授权的劳动力第三方机构，或他们自己的审核员中进行选择来执行他们的审核。审查结果存储在AmazonS3中，开发人员会在审查完成时收到通知，以便他们可以根据审查者的可信结果采取后续步骤。AmazonA2I为所有开发人员带来人工审核，消除了构建和管理自定义审核流程或招募大量审核人员的繁重工作。要开始使用AmazonA2I，请访问。亚马逊机器学习副总裁SwamiSivasubramanian表示，“各行各业的公司都告诉我们，他们希望利用亚马逊丰富的机器学习经验来解决企业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，并提高所有机器学习系统的整体质量。亚马逊还建立了能够成功应对这些挑战的内部系统，借鉴了数十年构建机器学习系统的经验。今天的发布是我们客户至上文化的一部分这是另一个的迭代，这启发了我们开发这些系统。通过这些版本，我们很高兴能够为企业用户提供这些机器学习功能，而无需任何机器学习专业知识。“3M是一家跨国公司，是研磨产品、化学品和先进材料、薄膜、过滤、粘合剂等领域的领先制造商之一。3M以协作的方式应用技术来改善生活。3M公司研究系统实验室技术总监DavidFrazee说，“研发是3M的心跳，植根于科学使我们强大。当我们的材料科学家进行新研究时，他们需要了解过去的、可能相关的研究。这些信息通常隐藏在我们专有的广泛知识库中。查找正确的信息通常会让人筋疲力尽、耗费时间，有时甚至是不完整的。借助AmazonKendra，我们的科学家可以使用自然语言查询来快速准确地找到他们需要的信息。借助AmazonKendra，我们的工程师和研究人员得以茁壮成长、快速查找信息、更快地创新、更有效地协作，并为我们的客户提供源源不断的独特产品。“WorkgridSoftware是LibertyMutual的全资子公司，在员工体验平台内提供软件解决方案，使工作更加互联、高效和富有成效。”我们的核心产品之一是WorkgridChatbot，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。企业聊天机器人的一个关键部分是回答员工提出的无数问题，因此Workgrid提供了一个自助问答生成器，允许内容作者训练聊天机器人在不掌握编程语言的情况下回答员工的问题。除了这些精选的内容之外，我们还希望为WorkgridChatbot提供一种方法，以便从整个企业的大量文档（例如PDF文档）中轻松提取知识，”Workgrid云工程和AI总监GillianMcCann说。“借助AmazonKendra，我们的客户能够快速高效地获得所需的答案真是太棒了。AmazonKendra能够直接从多个存储库的非结构化数据中提取答案，并具有快速学习的潜力，使我们能够为客户提供准确、不断改进的答案。我们很高兴探索AmazonKendra的上下文智能搜索和任务自动化的结合，使我们能够提供强大的员工体验。“BBC是世界广播领域的领导者之一。他们将BBC的图像和声音带到世界各地。BBC首席技术和产品官MatthewPostgate表示：“作为一家全球媒体机构，我们每天24小时管理PB级视频和直播。“AmazonCodeGuru以及我们团队使用的其他开发工具有助于确保我们继续为我们的受众提供强大、可靠的服务，在问题出现之前发现问题。它还将让我们深入了解我们的服务如何与AWS平台交互，使团队能够重构和优化他们的代码，以提供人们期望从BBC获得的服务。”ApptioSaaS解决方案帮助组织在分析、规划和优化投资、转变IT运营时做出明智的决策。Apptio首席产品官ScottChancellor表示：“为我们的客户提供高度可用、无错误的服务对我们的成功至关重要。我们一直在寻找工具来改造我们的组织，更主动地检测应用程序开发周期各个阶段的问题，并提高开发效率。速度，并花更少的时间解决并发性、资源泄漏和性能瓶颈等难题。我们试用了AmazonCodeGuru，发现它可以提供建议，在开发的早期阶段主动解决这些问题。此外，它还可以指出代码区域，我们可以花更少的时间修复与性能相关的错误。这些改进将帮助我们为所有客户提供更好的体验。”SmugMug+Flickr是世界上最有影响力的以摄影师为中心的平台之一。“Smugmug&Flickr专为专业摄影师和摄影爱好者展示他们的作品而打造，并且享受别人的工作。从第一天起，SmugMug就一直热衷于不断为摄影师寻找方法来讲述他们想讲述的故事，并以他们喜欢的方式讲述故事。当我们大规模运营时，图像处理、分类和搜索的性能成为重中之重，”SmugMug&Flickr首席执行官兼首席极客DonMacAskill说。“AmazonCodeGuru的实时分析有助于排除故障，识别我们服务中的低效部分，尤其是应用程序中导致速度变慢的有价值的代码行。它会提出建议，协助我们进行更改和优化。根据CodeGuru的建议，我们能够重构代码以使其高度可维护并提高我们服务的性能。”CharlesSchwab，一家先进的投资服务公司。“在线检测欺诈活动是一项永无止境的挑战，不良行为者不断创造新的攻击媒介。我们的使命是领先于坏人并保护我们的客户，”CharlesSchwab欺诈监测和调查副总裁KaraH.Suro说：“我们对AmazonFraudDetector的推出感到兴奋。它使我们能够更快、更轻松地构建机器学习工具来检测欺诈活动；我们预计欺诈预防率将显着提高。部署AmazonFraudDetector，将有助于从我们的历史数据中识别欺诈模式，并利用亚马逊检测欺诈的经验。”Vacasa是北美最大的提供全方位服务的度假租赁管理公司，在17个国家拥有超过23,000间度假屋，每年为超过200万客人提供服务。Vacasa的创始人兼首席执行官EricBreon说：“自公司成立以来，我们利用技术让本地团队能够专注于照顾家庭和客人，同时最大限度地提高度假房主的收入。我们很高兴推出亚马逊欺诈侦测器。”，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‘门户’免受潜在伤害，使我们能够专注于打造无缝且无忧的度假租赁体验。”Cerner是健康信息技术解决方案、服务和设备的领先供应商之一。“临床文件的准确性对于Cerner的解决方案策略师JacobGeers说：“工作流程和整体护理人员满意度。”Cerner的解决方案策略师JacobGeers说。然后，我们的解决方案能够智能地将这些概念转化为Cerner病历系统的编码组件。”Suki，一个人工智能驱动的语音数字助理，可以减轻医生的负担。SukiAI首席执行官PunitSoni，说：“临床文档对于医疗数据工作流至关重要，帮助临床医生更有效地捕捉笔记是关键。我们可以轻松地将我们的临床数字助理与AmazonTranscribeMedical集成，让医生口述医疗笔记，降低临床的能源消耗文档平均减少76%。他们的时间应该花在照顾病人上，而不是数据输入上。“作为美国的Un-carrier（去运营商），T-MobileUS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，我们衡量客户满意度是否成功。T-Mobile执行副总裁兼首席信息官科迪·桑福德(CodySanford)说：“作为一家非运营商，我们知道，当客户觉得我们了解和预测他们的需求并直接解决他们的痛点时，他们最开心。我们的专家团队客户服务模型致力于建立人际关系并使用A2I等尖端工具为我们的团队取得成功做好准备。是的，机器学习会导致更深入、更紧密的关系！访问实时上下文信息，例如客户详细信息和可用折扣，使我们的团队能够代表客户与客户进行真实、实时的对话。现场决策……完全双赢！”VidMob是一种营销为品牌的所有创意需求提供端到端技术解决方案的创意平台。其集成平台将首创的创意分析与一流的创意制作与创新产品相结合，以提高营销效率。”Vidmob使用机器学习来分析视频的各个方面，包括人物、物体和信息，帮助品牌了解创意表现并构建更好的创意。然而，从我们每天分析的PB级数据中审查现有机器学习模型未涵盖的维度的想法可能具有挑战性，”VidMob数据和洞察力高级副总裁JolineMcGoldrick说。“借助我们目前训练有素的创意评估团队，使用A2I，我们可以更快地优化和微调我们的预测模型。这种效率使我们能够接触到大量的审阅者，并将模型的上市速度提高了3倍。“
