AWS anuncia la disponibilidad general de A2I

AWS A2I

AWS A2I

AWS A2I facilita a los desarrolladores la creación y administración de flujos de trabajo para validar las predicciones de aprendizaje automático con revisores humanos

Servicio Nacional de Salud (NHS UK), T-Mobile y Deloitte entre clientes y socios que utilizan AWS A2I

 

Hoy, Amazon Web Services (AWS), anunció la disponibilidad general de AWS A2I, un servicio totalmente administrado que facilita la incorporación de la revisión humana a las predicciones de aprendizaje automático para mejorar la precisión del modelo y la aplicación al identificar y mejorar continuamente las predicciones de baja confianza.

AWS A2I ayuda a los desarrolladores a agregar revisiones humanas para predicciones de modelos a aplicaciones nuevas o existentes utilizando revisores de Mechanical Turk, proveedores externos o sus propios empleados.

AWS A2I facilita a los desarrolladores la creación del sistema de revisión humana, estructurar el proceso de revisión y administrar la fuerza laboral de revisión humana. Por ejemplo, los desarrolladores podrían usar Amazon A2I para acelerar y administrar una fuerza laboral de humanos para revisar y validar la precisión de las predicciones de aprendizaje automático para una aplicación que extrae información financiera de documentos hipotecarios escaneados o una aplicación que utiliza el reconocimiento de imágenes para identificar artículos falsificados en línea, por lo que que la calidad de los resultados mejora con el tiempo.

No hay compromisos iniciales para usar Amazon A2I, y los usuarios pagan solo por cada revisión necesaria. Para comenzar con Amazon A2I, visite

aws.amazon.com/augmented-ai

Hoy en día, el aprendizaje automático proporciona predicciones altamente precisas (conocidas como “inferencias”) para una variedad de casos de uso, incluida la identificación de objetos en imágenes, la extracción de texto de documentos escaneados o la transcripción y comprensión del lenguaje hablado. 

En cada caso, los modelos de aprendizaje automático proporcionan una inferencia y un puntaje de confianza que expresa cuán seguro es el modelo en su predicción. 

Cuanto mayor sea el número de confianza, más se puede confiar en el resultado. 

Por lo general, cuando los desarrolladores reciben un resultado de alta confianza, pueden confiar en que la predicción es precisa y, según el caso de uso, pueden usarla para automatizar completamente un proceso. 

Por ejemplo, los desarrolladores de una aplicación de redes sociales que hace coincidir las fotos de un usuario con caras de celebridades podrían confiar en un puntaje de confianza del 80% para generar y devolver muchas coincidencias entretenidas. 

Sin embargo, hay otros momentos en los que se recomienda encarecidamente tener una alta confianza (hasta el 99%) y una revisión humana, como los casos de uso de seguridad pública relacionados con la aplicación de la ley.

En situaciones donde el puntaje de confianza es más bajo de lo deseado y / o se requiere un juicio humano, se pueden usar revisiones para validar la predicción.

Esta interacción entre el aprendizaje automático y los revisores humanos es crítica para el éxito de los sistemas de aprendizaje automático, pero las revisiones humanas son desafiantes y costosas de construir y operar a escala, a menudo implican múltiples pasos de flujo de trabajo, operan software personalizado para administrar tareas y resultados de revisión humana, y reclutamiento y gestión de grandes grupos de revisores.

Como resultado, los desarrolladores a veces pasan más tiempo administrando el proceso de revisión humana que creando la aplicación prevista, o tienen que renunciar a tener revisiones humanas,

Con Amazon A2I, los desarrolladores pueden agregar la revisión humana a las aplicaciones de aprendizaje automático sin la necesidad de construir o administrar sistemas costosos y engorrosos para la revisión humana. 

Amazon A2I proporciona más de 60 flujos de trabajo de revisión humana preconstruidos para tareas comunes de aprendizaje automático (p. Ej., Detección de objetos en imágenes, transcripción del habla y moderación de contenido, etc.) que permiten que las predicciones de aprendizaje automático de Amazon Rekognition y Amazon Textract sean revisadas por humanos más fácilmente. 

Los desarrolladores que crean modelos de aprendizaje automático personalizados en Amazon SageMaker (u otras herramientas locales o en la nube) pueden configurar la revisión humana para su caso de uso específico en la consola de IA aumentada o mediante su interfaz de programación de aplicaciones (API). 

Después de establecer un umbral de confianza para las predicciones del modelo, los desarrolladores pueden optar por que Amazon Mechanical Turk y su fuerza laboral global de 500,000 contratistas independientes revisen las predicciones por debajo de ese umbral, organizaciones de terceros que se especializan en la externalización de procesos comerciales (por ejemplo, iVision, CapeStart Inc. e iMerit), o sus propios privados, revisores internos. 

Los desarrolladores pueden especificar el número de trabajadores por revisión y Amazon A2I luego enruta cada revisión al número exacto de revisores. 

Por ejemplo, una empresa que construye un sistema para procesar solicitudes de préstamos financieros utilizando Amazon Textract puede configurar fácilmente Amazon A2I para que funcione con los resultados de Amazon Textract, de modo que los formularios que tengan un puntaje de confianza inferior al 99% se envíen a revisores humanos de su fuerza de trabajo privada. 

Los resultados validados por humanos se almacenan en Amazon Simple Storage Service (S3),

“A menudo escuchamos de nuestros clientes que Amazon SageMaker ayuda a acelerar la capacitación, el ajuste y la implementación de modelos personalizados de aprendizaje automático, mientras que los servicios totalmente administrados como Amazon Rekognition y Amazon Textract facilitan la creación de aplicaciones que incorporan el aprendizaje automático sin requerir ninguna experiencia en aprendizaje automático. 

Pero incluso con estos avances, nuestros clientes aún dicen que hay casos críticos de uso en los que se requiere el juicio humano, como en las investigaciones policiales, o momentos en que la revisión humana se puede utilizar para resolver la ambigüedad en las predicciones cuando los niveles de confianza caen por debajo de un umbral determinado por menos casos de uso delicados, y el proceso actual de revisión humana implica un gran esfuerzo y costo personalizado “, dijo Swami Sivasubramanian, VP, Amazon Machine Learning, Amazon Web Services, Inc.” Hoy,

Amazon A2I está disponible hoy en el este de EE. UU. (Virginia del Norte), el este de EE. UU. (Ohio), el oeste de EE. UU. (Singapur), Asia Pacífico (Tokio), Asia Pacífico (Sydney), Asia Pacífico (Seúl) y Asia Pacífico (Mumbai).

El Servicio Nacional de Salud, la Autoridad de Servicios Comerciales (NHS BSA) es parte del Servicio Nacional de Salud del Reino Unido y brinda una gama de servicios de apoyo a organizaciones del NHS, contratistas del NHS y pacientes. Como parte de sus servicios de procesos comerciales, procesan 54 millones de recetas en papel y otros documentos de atención médica cada mes. “El NHS está invirtiendo en la promesa de AI de mejorar la calidad de la atención médica pública en todo el Reino Unido. El juicio humano es crítico y, de hecho, a menudo se requiere para decisiones que involucran pagos médicos ”, dijo Chris Suter, Jefe de Plataformas e Innovación en la Nube, NHS BSA

“Amazon Textract es convincente porque ofrece extracción de texto y datos estructurados con inteligencia artificial de prácticamente cualquier documento. 

Estamos entusiasmados con la inteligencia artificial aumentada de Amazon porque nos permite aprovechar el aprendizaje automático mientras aplicamos el juicio humano. Eso es un cambio de juego para nosotros “.

Como un proveedor de servicios de Estados Unidos, T-Mobile US, Inc. está redefiniendo la forma en que los consumidores y las empresas compran servicios inalámbricos a través de la innovación líder en productos y servicios. 

“Proporcionar información relevante, como detalles de la cuenta y descuentos disponibles, en tiempo real a nuestros agentes de atención al cliente mientras están en conversaciones en vivo con los clientes es una de las formas en que T-Mobile utiliza el aprendizaje automático para mejorar la experiencia del cliente.

Usando A2I, lo haremos ser capaz de garantizar que nuestros modelos brinden continuamente información de alta calidad haciendo que los humanos validen muestras aleatorias de predicciones de modelos”, dijo Heather Nollis, ingeniera de aprendizaje automático de T-Mobile.

“La confianza es lo más difícil de construir cuando se trata de aprendizaje automático , y A2I nos permitirá asegurarnos de que nuestros modelos estén cometiendo la menor cantidad de errores “.

Deloitte está ayudando a transformar organizaciones en todo el mundo. 

La organización evoluciona continuamente cómo funciona y cómo ve los desafíos del mercado para que pueda continuar entregando resultados medibles y sostenibles para sus clientes y comunidades. 

“Parte de preparar a nuestros clientes para el éxito es ayudarlos a aprovechar la última tecnología. 

El uso del aprendizaje automático nos permite ayudar a mejorar los sistemas de nuestros clientes y aumentar su productividad al tiempo que reduce el tiempo de comercialización de productos, servicios y aplicaciones. 

Como parte de proporcionar los últimos avances en ML a nuestros clientes, vemos los beneficios de los sistemas humanos en el circuito que agregan una capa adicional de confianza a las aplicaciones de ML “, dijo Beena Ammanath, directora administrativa de Deloitte Consulting LLP

“Nuestros clientes en la industria de seguros, por ejemplo, podría usar A2I para ayudar a verificar la precisión de los modelos ML para la detección automatizada de daños a vehículos basada en imágenes y el análisis de reclamos de seguros basados ​​en texto. 

Estamos entusiasmados de ver las muchas maneras en que nuestros clientes en todas las industrias podrían beneficiarse al incorporar A2I en sus flujos de trabajo de ML ”.

Belle Fleur cree que la revolución del aprendizaje automático está alterando la forma en que vivimos, trabajamos y nos relacionamos unos con otros, y transformará cada negocio en cada industria. 

“Comenzamos a usar Amazon Textract con uno de nuestros clientes de servicios financieros y rápidamente nos dimos cuenta de que el acoplamiento de ese servicio con Amazon A2I les permite pasar por grandes cantidades de documentos y extraer datos relevantes necesarios para sus clientes. Agregar Amazon A2I nos ayudó a incorporar el juicio humano para documentos que requieren interpretación contextual y validar los datos ”, dijo Tia Dubuisson, presidenta de Belle Fleur

“Esto no solo disminuyó el tiempo dedicado a la validación humana, pero también reunió todos los datos extraídos relevantes en un solo lugar en un flujo de trabajo fácil de entender para los revisores para que puedan revisar rápida y fácilmente los resultados de aprendizaje automático de Amazon Textract. 

Amazon A2I no solo nos brinda a nosotros y a nuestros clientes la tranquilidad de que los datos extraídos más matizados son revisados ​​por humanos, sino que también ayuda a capacitar y mejorar nuestros modelos de aprendizaje automático con el tiempo a través de auditorías y mejoras continuas ”.

 

 

Por Marcelo Lozano – General Publisher IT Connect Latam