Amazon Augmented AI (Amazon A2I)
Amazon Augmented AI (Amazon A2I) ช่วยให้การสร้างเวิร์กโฟลว์ที่จำเป็นต่อการตรวจสอบการคาดคะเนของ ML โดยมนุษย์ Amazon A2I จะช่วยให้นักพัฒนาทุกคนมีการตรวจสอบโดยมนุษย์ ซึ่งขจัดการรับภาระหนักที่ไม่มีความแตกต่างซึ่งเกี่ยวข้องกับการสร้างระบบการตรวจสอบด้วยมนุษย์หรือการจัดการผู้ตรวจสอบที่เป็นมนุษย์
แอปพลิเคชันแมชชีนเลิร์นนิ่งหลายชนิดจำเป็นต้องมีมนุษย์เข้ามาตรวจสอบการคาดคะเนที่มีความมั่นใจต่ำเพื่อให้แน่ใจว่าผลลัพธ์นั้นถูกต้อง ตัวอย่างเช่น การแบกข้อมูลจากฟอร์มแอปพลิเคชันที่ถูกสแกนอาจจำเป็นต้องมีการตรวจสอบด้วยมนุษย์ในบางกรณี เนื่องจากการสแกนที่มีคุณภาพต่ำหรือลายมือเขียนที่อ่านยาก แต่การสร้างระบบตรวจสอบด้วยมนุษย์อาจใช้เวลานานและมีราคาแพง เพราะระบบดังกล่าวจะเกี่ยวข้องกับการปรับใช้กระบวนการหรือ “เวิร์กโฟลว์” ที่ซับซ้อน การเขียนซอฟต์แวร์แบบกำหนดเองเพื่อจัดการงานตรวจสอบและผลลัพธ์ และการจัดการกลุ่มผู้ตรวจสอบหลายกลุ่มในหลายๆ กรณี
Amazon A2I จะทำให้การสร้างและจัดการการตรวจสอบโดยมนุษย์เป็นเรื่องง่ายสำหรับแอปพลิเคชันแมชชีนเลิร์นนิ่ง Amazon A2I ยังมอบเวิร์กโฟลว์การตรวจสอบด้วยมนุษย์ในตัวสำหรับกรณีใช้งานแมชชีนเลิร์นนิ่งทั่วไป เช่น การกลั่นกรองเนื้อหาและการแยกข้อความจากเอกสาร ซึ่งจะให้การคาดคะเนจาก Amazon Rekognition และ Amazon Textract ถูกตรวจสอบได้อย่างง่ายดาย คุณยังสามารถสร้างเวิร์กโฟลว์ของคุณเองสำหรับโมเดล ML ที่สร้างบน Amazon SageMaker หรือเครื่องมืออื่นๆ ด้วยการใช้ Amazon A2I คุณสามารถอนุญาตให้ผู้ตรวจสอบเข้ามามีส่วนร่วมได้เมื่อโมเดลไม่สามารถสร้างการคาดคะเนที่มีความมั่นใจสูงได้ หรือเพื่อตรวจสอบการคาดคะเนตามเกณฑ์ความต่อเนื่อง
ประโยชน์
ปรับใช้การตรวจสอบด้วยมนุษย์ได้อย่างง่ายดายในการคาดคะเน ML
Amazon A2I จะมอบความยืดหยุ่นให้กับคุณเพื่อเพิ่มการตรวจสอบด้วยมนุษย์ให้กับแอปพลิเคชัน ML ที่อิงตามข้อกำหนดเฉพาะของคุณ การคาดคะเนที่มีความมั่นใจต่ำจะถูกส่งไปให้มนุษย์ตรวจสอบและดำเนินการต่อ คุณยังสามารถขอให้ผู้ตรวจสอบหลายรายตรวจสอบการคาดคะเนได้เพื่อบรรลุเป้าด้านความปลอดภัยหากจำเป็น นอกจากนี้ เมื่อต้องการตรวจสอบโมเดล คุณยังสามารถสุ่มตัวอย่างการคาดคะเนสำหรับการตรวจสอบด้วยมนุษย์ คุณจึงสามารถประเมินได้เสมอว่าโมเดลยังทำงานได้ตามปกติหรือไม่ Amazon A2I ช่วยให้ผู้คนและเครื่องจักรได้ทำงานที่ตนทำได้ดีที่สุด
ทำงานร่วมกับผู้ตรวจสอบที่เป็นมนุษย์ที่คุณเลือก
Amazon A2I จะมอบตัวเลือกการทำงานกับผู้ตรวจสอบทั้งจากภายในและภายนอกองค์กรของคุณ ด้วยการใช้ Amazon A2I คุณสามารถกำหนดการตรวจสอบให้กับผู้ตรวจสอบที่คุณมีได้ คุณยังสามารถเข้าถึงบุคลากรที่เป็นผู้รับเหมาอิสระจำนวนกว่า 500,000 คนที่ได้ทำงานที่เกี่ยวข้องกับแมชชีนเลิร์นนิ่งแล้วผ่าน Amazon Mechanical Turk อีกทางเลือกหนึ่งคือ ถ้าข้อมูลของคุณจำเป็นต้องมีการรักษาความลับหรือทักษะพิเศษ คุณสามารถใช้ผู้จัดหาบุคลากรที่มีประสบการณ์การตรวจสอบโครงการและได้รับการตรวจสอบเบื้องต้นจาก AWS ด้านคุณภาพและขั้นตอนการรักษาความปลอดภัย ซึ่งประกอบด้วย iVision, CapeStart Inc., Cogito และ iMerit
รวมเข้ากับทุกแอปพลิเคชันอย่างง่ายดาย
Amazon A2I ทำให้การรวมการตัดสินใจด้วยมนุษย์และ AI ลงในแอปพลิเคชัน ML เป็นเรื่องง่ายดาย ไม่ว่าจะใช้งานบนแพลตฟอร์ม AWS หรือแพลตฟอร์มอื่นๆ Amazon A2I จะรวมเข้ากับ Amazon Textract โดยตรงเพื่อประมวลผลเอกสาร และรวมเข้ากับ Amazon Rekognition สำหรับการกลั่นกรองเนื้อหา คุณจึงสามารถเพิ่มการตรวจสอบด้วยมนุษย์ลงในกรณีใช้งานเหล่านี้ได้อย่างง่ายดายด้วยการคลิกบนคอนโซล AWS เพียงไม่กี่ครั้ง คุณยังสามารถใช้ API ของ Amazon A2I เพื่อเพิ่มการตรวจสอบด้วยมนุษย์ลงในแอปพลิเคชันแมชชีนเลิร์นนิ่งใดก็ได้ที่ใช้โมเดล ML แบบกำหนดเองที่สร้างไว้ใน Amazon SageMaker หรือโซลูชันอื่นๆ
วิธีทำงาน
กรณีใช้งาน
การกลั่นกรองเนื้อหา
คำแนะนำการกลั่นกรองเนื้อหาจะแตกต่างกันเล็กน้อย โดยอิงจากเนื้อหาค่อนข้างสูง และแตกต่างกันระหว่างประเทศ ซึ่งอาจทำให้ ML รักษาความถูกต้องในระดับที่สูงไว้ได้ยาก คุณสามารถใช้ Amazon A2I ที่มี Amazon Rekognition หรือโมเดลสำหรับภาพเพื่อกำหนดเนื้อหาให้กับผู้ตรวจสอบที่เป็นมนุษย์เมื่อโมเดลไม่สามารถสร้างการคาดคะเนที่มีความมมั่นใจสูงได้
การประมวลผลแบบคำขอสินเชื่อ
ใช้ Amazon Textract หรือโมเดลที่กำหนดเองเพื่อแยกข้อมูลที่สำคัญออกจากแบบคำขอสินเชื่อ จากนั้นใช้ Amazon A2I เพื่อส่งเฉพาะคำขอสินเชื่อที่ซับซ้อนให้ผู้ตรวจสอบที่เป็นมนุษย์เพื่อหลีกเลี่ยงการปฏิเสธแบบคำขอที่มีคุณสมบัติ ในขณะเดียวกันก็ประมวลแบบคำขอสินเชื่ออื่นๆ ทั้งหมด ซึ่งจะให้คุณได้ประมวลแบบคำขอได้รวดเร็วขึ้นและส่งมอบประสบการณ์ให้แก่ลูกค้าได้ดีขึ้น
การตรวจสอบความถูกต้องของโมเดล
ใช้ Amazon A2I เพื่อส่งการสุ่มตัวอย่างการคาดคะเนของโมเดล ML แบบกำหนดเองให้กับผู้ตรวจสอบที่เป็นมนุษย์ โดยสามารถใช้ผลลัพธ์เพื่อแจ้งให้ผู้ที่เกี่ยวข้องทราบถึงการทำงานของโมเดล และระบุความคลาดเคลื่อนระหว่างข้อมูลจริงและข้อมูลที่ใช้ฝึกโมเดล ข้อผิดพลาดใดๆ ที่ได้รับการแก้ไขจะถูกเพิ่มลงในชุดข้อมูลการฝึกของคุณเพื่อปรับปรุงโมเดลของคุณ
T-Mobile US, Inc. ได้จำกัดความวิธีที่ลูกค้าและบริษัทต่างๆ จะซื้อบริการไร้สายใหม่ผ่านผลิตภัณฑ์และนวัตกรรมการบริการชั้นนำ เครือข่ายที่ครอบคลุมทั่วประเทศขั้นสูงจะมอบประสบการณ์ใช้งานแบบไร้สายให้กับลูกค้าจำนวน 84.2 ล้านคนที่ให้ความสำคัญกับคุณภาพและคุณค่าเหนือสิ่งอื่นใด
"ที่ T-Mobile เราตรวจวัดความสำเร็จจากความสุขของลูกค้า และในฐานะ Un-carrier เรารู้ว่าลูกค้ามีความสุขที่สุดเมื่อพวกเขารู้สึกว่าเราเข้าใจและคอยตอบสนองความต้องการของพวกเขา รวมทั้งการแก้ไขปัญหาได้อย่างตรงจุด ทีมผู้เชี่ยวชาญด้านโมเดลที่ให้บริการลูกค้าของเรา หรือ TEX จะสร้างการเชื่อมโยงระหว่างบุคคล และใช้เครื่องมือที่ทันสมัยอย่าง Amazon A2I เพื่อนำทีมไปสู่ความสำเร็จ ใช่แล้ว แมชชีนเลิร์นนิ่งยังนำไปสู่ความสัมพันธ์ที่มีส่วนร่วมและลึกซึ้งขึ้น! เข้าถึงข้อมูลตามบริบทได้ในเวลาจริง เช่น รายละเอียดของบัญชีและส่วนลดที่พร้อมใช้งานจะส่งเสริมให้ทีมของเราสามารถตัดสินใจให้ลูกค้าได้ในทันทีเมื่อลูกค้าติดต่อเข้ามาสนทนาแบบสดจริงๆ... เป็นการได้ประโยชน์ทั้งสองฝ่าย!”
Cody Sanford, EVP และหัวหน้าฝ่ายข้อมูล, T-Mobile
VidMob ซึ่งเป็นแพลตฟอร์มการวิเคราะห์และสร้างวิดีโอได้ใช้งานแมชชีนเลิร์นนิ่งเพื่อวิเคราะห์วิดีโอในทุกมิติ โดยจะรวมถึงผู้คน วัตถุ และข้อความที่จะช่วยให้แบรนด์เข้าใจการทำงานเชิงสร้างสรรค์และสร้างผลงานครีเอทีฟให้ดียิ่งขึ้น อย่างไรก็ตาม สำหรับมิติที่โมเดลแมชชีนเลิร์นนิ่งที่มีอยู่ไม่ได้ครอบคลุม การตรวจสอบผลงานครีเอทีฟจากข้อมูลขนาดเพทาไบท์ที่เราวิเคราะห์อยู่ทุกวัน
“ด้วยบุคลากรที่เป็นผู้ประเมินผลงานครีเอทีฟที่ได้รับการฝึกฝนมาอย่างดีของเราในขณะนี้ การใช้ Amazon A2I ทำให้เราสามารถใช้และปรับโมเดลเชิงคาดคะเนให้เหมาะสมได้อย่างรวดเร็ว ประสิทธิภาพการทำงานนี้จะให้เราได้เห็นตัวอย่างของผู้ตรวจสอบขนาดใหญ่ และการเพิ่มขึ้นของโมเดลสู่ท้องตลาดที่รวดเร็วขึ้นเป็น 3 เท่า”
Joline McGoldrick, รองประธานอาวุโสฝ่ายข้อมูลและข้อมูลเชิงลึก, VidMob
Ripcord ซึ่งเป็นบริษัทที่สนับสนุนการปรับให้เป็นดิจิทัลโดยใช้วิทยาการหุ่นนยต์โดยมีภารกิจในการสร้างโลกที่ไร้กระดาษได้ใช้ Amazon Textract เพื่อแปลงการบันทึกที่ใช้กระดาษจำนวนมากมาเป็นการบันทึกแบบอิเล็กทรอนิกส์ที่ค้นหาได้และมีความปลอดภัย
“Amazon Textract ได้ช่วยเราลดเวลาการสร้างและรักษาเทมเพลตสำหรับการแยกข้อความโดยมนุษย์ไปได้หลายร้อยชั่วโมง สำหรับเอกสารที่จำเป็นต้องมีการตรวจสอบด้วยมนุษย์ การผสานการทำงานในตัวแบบใหม่ของ Amazon A2I กับ Amazon Textract จะมอบความสามารถในการกำหนดเทมเพลต UI ของผู้ตรวจสอบ ซึ่งจะลดเวลาตั้งค่าเริ่มต้นสำหรับโครงการของลูกค้าขนาดใหญ่ที่มีความซับซ้อนไปได้อย่างมาก”
Alex Fielding ประธานและผู้ก่อตั้ง, Ripcord
การบริการเพื่อสุขภาพแห่งชาติ หน่วยงานบริการทางธุรกิจ (National Health Service, Business Services Authority หรือ NHS BSA) เป็นส่วนหนึ่งของหน่วยงานให้บริการด้านสุขภาพแห่งชาติแห่งสหราชอาณาจักร (UK National Health Service) โดยจะมอบบริการการสนับสนุนจำนวนมากให้กับองค์กร NHS, ผู้รับเหมาของ NHS และคนไข้ ในฐานะที่เป็นส่วนหนึ่งของบริการชำระเงิน องค์กรจะต้องประมวลใบสั่งยาที่เป็นกระดาษจำนวน 54 ล้านรายการและเอกสารด้านการดูแลสุขภาพอื่นๆ ต่อเดือน
“NHS ได้สนใจถึงความเป็นไปได้ที่จะใช้ AI เข้ามาปรับปรุงคุณภาพของการดูแลสุขภาพสาธารณะ การตัดสินโดยมนุษย์มีความสำคัญ และจริงๆ แล้วจำเป็นสำหรับการตัดสินใจที่เกี่ยวกับค่าใช้จ่ายทางการแพทย์ Amazon Textract เป็นทางเลือกที่น่าสนใจเนื่องจากมีการแยกข้อความ ข้อมูลที่มีโครงสร้างจากเอกสารต่างๆ ได้อย่างแท้จริงโดยควบคุมด้วยระบบ AI เราตื่นเต้นเกี่ยวกับ Amazon Augmented AI เพราะจะให้เราได้รับประโยชน์จากแมชชีนเลิร์นนิ่ง ในขณะเดียวกันก็ยังคงใช้การตัดสินโดยมนุษย์ ซึ่งนับเป็นตัวสร้างความเปลี่ยนแปลงที่สำคัญของเรา”
Chris Suter, หัวหน้าฝ่ายแพลตฟออร์มบนระบบคลาวด์และนวัตกรรม, NHS BSA
