Amazon Web Services ブログ
175 以上のお客様が AWS の Machine Learning Solutions Lab で機械学習を用いて成功を収めています
AWS は、機械学習の専門家とデータサイエンティストを AWS のお客様と結びつけるために、2 年ほど前に機械学習 (ML) ソリューションラボを導入しました。 私たちの目標は、顧客が ML を使用して最も差し迫ったビジネス上の問題を解決できるようにすることでした。お客様の不正検出率の向上、より効率的な運用のための予測能力の改善、パーソナライゼーションを通じた収益の増加、さらに人身売買などの危機に対する組織の対応規模の拡大を支援してきました。
取組みを開始してから、小売、ヘルスケア、エネルギー、公共部門、スポーツなど、さまざまな業界の 175 を超える顧客が、機械学習を活用した新たなソリューションを創出するのを支援してきました。 そして、世界中のお客様の増大する ML ニーズを満たすべく、容量を 5 倍以上に増やし、北米からアジア、オーストラリア、ヨーロッパに拡大しました。
ナショナルフットボールリーグ (NFL) とのパートナーを組み、パスコンプリート率、3rd ダウンコンバージョン率、キャッチ後の予測ヤード数、勝率、キャッチ予測などの統計情報を備えた Next Gen Stats を通じて、ファンがスポーツを楽しむためのまったく新しい方法を考え、構築しました。今日、Next Gen Stats は、ファンが試合を楽しむために、重要な役割を果たしています。そして最近では、次の課題に取り組むため、NFL と新しい取組みを始めました。この課題とは、プレーヤーの負傷を予測し、これを回避することです。この取組みの一環として、当社は NFL と協力して「Digital Athlete」を開発しています。これは、複合 NFL プレーヤーを視覚的に表したものであり、結果的に負傷および回復過程の予測を可能にします
ヘルスケアの分野では、上場しているヘルスケア IT 企業として最大の Cerner と協力して、コストを削減するとともに、臨床医の満足度を高めつつ、個人や集団の健康を改善するというミッションに機械学習を活用したソリューションを用いています。 このプロジェクトの重要な課題の 1 つは、健康予測機能を使用して、信頼できるソースのデジタル健康データから、潜在的に救命に役立つ重要な洞察を明らかにすることにあります。一例として、Amazon SageMaker を使用して、研究者が匿名化された患者データを照会し、臨床症状の最大 15 か月前にうっ血性心不全を予測する複雑なモデルとアルゴリズムを構築できるようにするソリューションを構築しました。 また、Cerner は、新しく導入された Amazon Transcribe Medical などの AWS AI サービスを使用して、仮想スクライブを介してメモを書き留めるなどのタスクから医師を解放する予定です。
公共部門では、NASA Heliophysics Lab と協力して、太陽嵐をよりよく理解しました。NASA の専門科学者と ML Solutions Lab の機械学習の専門家および AWS プロフェッショナルサービスの組織を結集して、太陽嵐を予測し、分類する能力を向上させました。NASA は、Amazon SageMaker で教師なし学習と異常検出を使用して、太陽嵐に関連する超常現象を調査しています。このような宇宙天気は、宇宙飛行士に放射線の危険をもたらし、衛星電子機器の混乱を引き起こし、飛行機や船舶の無線通信を妨害し、地上の電力網を損なうおそれがあるため、予測および早期警告は非常に重要です。
エネルギー管理、燃料供給、持続可能性の世界的リーダーである World Kinect Energy Services は、ML Solutions Lab を利用して、天候の変化がエネルギー価格に与える影響を予測する能力を向上させました。エネルギー価格から派生する金融契約の取引は、そのビジネスモデルの重要な部分を占めています。これには、エネルギー価格の正確な予測が必要です。従来は手作業で行われていた予測プロセスを改善および自動化するために、Amazon SageMaker を使用してモデルを開発し、今後の天候の傾向、そしてこれに基づく将来の月の電力価格を予測し、前例のない長期のエネルギー取引を可能にしました。従来の手動プロセスに代えてディープラーニング予測モデルを用いることで、World Kinect Energy Services はヘッジ戦略を改善します。現在の結果に基づいて、チームは現在、トレンドとボラティリティに焦点を合わせたシグナルを追加しており、手動プロセスで 60% を超える精度を実現しようとしています。
製造業の分野では、台湾の大手石油化学会社であり、プラスチックの大手メーカーでもある Formosa Plastics と協力して、ML を適用して欠陥をより正確に検出し、人件費を削減しました。Formosa Plastics はシリコンウェーハの品質を最高レベルに保つ必要がありましたが、欠陥検査プロセスには時間がかかり、経験豊富なエンジニアの工数を必要としていました。
Fromosa Plastics は ML Solutions Lab と連携し、Amazon SageMaker を使用して、欠陥を自動的に検出するモデルを作成およびデプロイしました。このモデルにより、従業員の手作業による検査に費やす時間が半減し、検出の精度が向上しました。
お客様の進歩に励まされ、また、お客様のニーズに耳を傾けながら、Amazon の ML の専門知識を求めているさらに多くのお客様をサポートするための能力を高め続けています。そして最近、新しいプログラムである AWS Machine Learning Embark プログラムを導入しました。このプログラムでは、組織による ML の迅速な採用を支援するため、ワークショップ、オンサイトトレーニング、ML Solutions Lab の取り組み、および AWS DeepRacer イベントを組み合わせています。
当社が ML Solutions Lab を開始したのは、機械学習にはあらゆる業界、プロセス、ビジネスを変革する能力があると信じていることを理由としますが、機械学習の成功への道は必ずしも簡単ではありません。多くの組織には、彼らの旅を支援するパートナーが必要です。Amazon は 20 年を超える期間にわたって機械学習に投資しており、フルフィルメントやロジスティクス、パーソナライゼーションやリコメンデーション、予測、ロボット工学や自動化、不正防止、サプライチェーンの最適化などの分野で革新を続けています。この経験から得た知識をすべてのお客様に還元しています。お客様がこの変革をもたらすテクノロジーを採用するに際して、そのサポートができることは光栄なことです。そして、お客様の組織に最大のインパクトをもたらす ML ユースケースを見つけるべく、お客様と協働する次の 1 年を楽しみにしています。AWS Machine Learning Solutions Lab の詳細については、アカウントマネージャーにお問い合わせいただくか、https://aws.amazon.com/ml-solutions-lab/ をご覧ください。
著者について
Michelle K. Lee 氏、Vice President、Machine Learning Solutions Lab、AWS