شعار زيفيرنت

تكشف AWS عن ميزات وتحسينات خدمة AI جديدة في re: Invent 2022

التاريخ:

على مدى السنوات الخمس الماضية ، تطور الذكاء الاصطناعي (AI) والتعلم الآلي (ML) من نشاط متخصص إلى مسعى رئيسي سريع النمو. اليوم ، يعتمد أكثر من 5 عميل عبر العديد من الصناعات على AWS لمبادرات التعلم الآلي والذكاء الاصطناعي التي تغرس الذكاء الاصطناعي في مجموعة واسعة من حالات استخدام الأعمال لأتمتة المهام المتكررة والدنيوية - بدءًا من تخطيط الطلب الذكي إلى معالجة المستندات وتعديل المحتوى. تساعد خدمات AWS AI العملاء على إنشاء تفاعلات أكثر سلاسة وسرعة وفعالية مع العملاء ، مما يؤدي إلى زيادة الكفاءة وخفض التكاليف التشغيلية.

في AWS re: Invent ، أعلنت Amazon Web Services، Inc. عن سلسلة من الميزات والتحسينات عبر مجموعة خدمات الذكاء الاصطناعي الخاصة بها ، بما في ذلك الحلول المصممة لغرض حل التحديات الخاصة بالصناعة ، والتي تمثل تكاملًا أعمق للذكاء الاصطناعي في التجارب اليومية. تشمل الإمكانات الجديدة Amazon Textract Analyze Lending لتحسين كفاءة معالجة مستندات القروض ، و Amazon Transcribe Call Analytics لتحليل مكالمات مركز الاتصال الجارية ، ودعم Amazon Kendra للبحث المجدول في HTML وسبع لغات جديدة ، و Amazon HealthLake Imaging لتخزين الصور الطبية ؛ تدعم Amazon HealthLake Analytics مع إمكانات الاستعلام عن البيانات متعددة الوسائط ، ولغات البرمجة الأوسع نطاقًا والإدارة الأسهل في Amazon CodeWhisperer. توفر ابتكارات خدمات الذكاء الاصطناعي هذه الأسواق الرأسية والوظائف الأفقية برؤى أعمق في الوقت الفعلي وكفاءات موفرة للتكلفة لدفع التحول عبر الصناعات.

تعمل هذه الإمكانات الجديدة على تحسين عروض AWS للذكاء الاصطناعي في الجزء العلوي من حزمة ML ثلاثية الطبقات. تتضمن الطبقة السفلية المكونات التأسيسية (أجهزة ML ومكتبات برامج ML) لمساعدة العملاء على بناء البنية التحتية لتعلّم الآلة الخاصة بهم ، والطبقة الوسطى -الأمازون SageMaker—هي بيئة تطوير ML مُدارة بالكامل. تجلب الطبقة العليا من خدمات الذكاء الاصطناعي ML إلى حالات استخدام الأعمال مثل تحويل مكالمات مركز الاتصال ومعالجة المستندات وتحسين نتائج الرعاية الصحية. يمكن للعملاء استخدام خدمات AWS AI دون الحاجة إلى خبرة ML.

يعتمد العملاء من مختلف الصناعات على خدمات AWS AI لتحسين الكفاءة وتقليل التكاليف التشغيلية. على سبيل المثال ، قام WaFd Bank ، وهو بنك أمريكي متكامل الخدمات ، بتحسين تجربة عملائه مع Talkdesk (شركة مركز اتصال سحابي عالمي) و ذكاء مركز اتصال AWS (CCI) ، تقلل أوقات المكالمات بنسبة تصل إلى 90٪. وأتمت شركة State Auto ، وهي شركة قابضة للتأمين على الممتلكات والتأمين ضد الحوادث ، عملية فحص الممتلكات باستخدام الأمازون إعادة الاعتراف (خدمة رؤية الكمبيوتر) ، مما أدى إلى زيادة عدد المطالبات التي تراجعها لاحتمال الاحتيال بنسبة 83٪.

تسهل Amazon Textract Analyze Lending تصنيف واستخراج بيانات قروض الرهن العقاري

اليوم ، تعالج شركات الرهن العقاري كميات كبيرة من المستندات لاستخراج البيانات المهمة للأعمال واتخاذ القرارات بشأن طلبات القروض. على سبيل المثال ، يمكن أن يشتمل تطبيق الرهن العقاري النموذجي في الولايات المتحدة على 500 صفحة أو أكثر من أنواع المستندات المتنوعة ، بما في ذلك نماذج W2 ، وقسائم الدفع ، وكشوف الحسابات المصرفية ، والنموذج 1040 ، و 1003 ، وغير ذلك الكثير. يجب أن يفهم طلب معالجة القرض الخاص بالمقرض أولاً ويصنف كل نوع مستند لضمان معالجته بالطريقة الصحيحة. بعد ذلك ، يجب على طلب معالجة القرض استخراج جميع البيانات الموجودة في كل صفحة من المستند. توجد البيانات في هذه المستندات بتنسيقات وهياكل مختلفة ، ويمكن أن يكون لعنصر البيانات نفسه أسماء مختلفة في مستندات مختلفة - على سبيل المثال ، "SSN" أو "رقم الضمان الاجتماعي" ، مما قد يؤدي إلى استخراج بيانات غير دقيق. حتى الآن ، كان تصنيف البيانات واستخراجها من حزم طلبات الرهن العقاري في الأساس من المهام اليدوية. علاوة على ذلك ، يتعين على شركات الرهن العقاري إدارة الطلب على الرهون العقارية التي يمكن أن تتقلب بشكل كبير خلال عام ، لذلك لا يستطيع المقرضون التخطيط بشكل فعال ويجب عليهم في كثير من الأحيان تخصيص الموارد لمعالجة المستندات على أساس مخصص. بشكل عام ، لا تزال معالجة قروض الرهن العقاري يدوية وبطيئة ومعرضة للخطأ ومكلفة.

أمازون تيكستراك (خدمة AI من AWS لاستخراج النص والكتابة اليدوية والبيانات تلقائيًا من المستندات الممسوحة ضوئيًا) تقدم الآن Amazon Textract تحليل الإقراض لجعل معالجة مستندات القروض أكثر تلقائية وأسرع وفعالية من حيث التكلفة على نطاق واسع. تجمع Amazon Textract Analyze Lending معًا نماذج ML متعددة لتصنيف المستندات المختلفة التي تحدث بشكل شائع في حزم الرهن العقاري ، ثم تستخرج المعلومات المهمة من هذه المستندات بدقة عالية لتحسين سير عمل معالجة مستندات القروض. على سبيل المثال ، يمكنه الآن إجراء اكتشاف التوقيع لتحديد ما إذا كانت المستندات تتطلب تواقيع أم لا. كما يوفر ملخصًا للوثائق الموجودة في حزمة طلب الرهن العقاري ويحدد أي مستندات مفقودة. على سبيل المثال ، تستخدم شركة PennyMac ، وهي شركة خدمات مالية متخصصة في إنتاج وخدمة قروض الرهن العقاري الأمريكية ، Amazon Textract Analyze Lending لمعالجة طلب قرض عقاري مؤلف من 3,000 صفحة في أقل من 5 دقائق. في السابق ، كانت معالجة مستندات الرهن العقاري الخاصة بشركة PennyMac تتطلب عدة ساعات من مراجعة حزمة القروض وإعدادها للموافقة عليها.

Amazon Transcribe Call Analytics لتحسين تجارب المستخدم النهائي

في معظم الصناعات التي تواجه العملاء مثل الاتصالات والتمويل والرعاية الصحية وتجارة التجزئة ، يمكن أن تؤثر تجارب العملاء مع مراكز الاتصال بشكل كبير على تصورات الشركة. يمكن أن تؤدي أوقات حل المكالمات المطولة أو عدم القدرة على التعامل مع المشكلات أثناء التفاعلات الحية إلى تجارب عملاء سيئة أو اضطراب العملاء. تحتاج مراكز الاتصال إلى رؤى في الوقت الفعلي حول مشكلات تجربة العملاء (على سبيل المثال، عيب في المنتج) أثناء إجراء المكالمات. عادةً ما يستخدم المطورون العديد من خدمات الذكاء الاصطناعي لإنشاء نسخ مكالمات مباشرة واستخراج الرؤى ذات الصلة في الوقت الفعلي وإدارة معلومات العملاء الحساسة (على سبيل المثال تحديد وتنقيح تفاصيل العملاء الحساسة) أثناء المكالمات الحية. ومع ذلك ، فإن هذه العملية تضيف تعقيدًا ووقتًا وتكلفة غير ضرورية.

الأمازون النسخهي خدمة التعرف التلقائي على الكلام (ASR) التي تسهل على المطورين إضافة إمكانات تحويل الكلام إلى نص إلى تطبيقاتهم ، وهي تدعم الآن تحليلات المكالمات لتوفير رؤى محادثة في الوقت الفعلي. Amazon Transcribe تحليلات المكالمات يوفر الآن رؤى محادثة في الوقت الفعلي تساعد في تحليل الآلاف من المكالمات الجارية ، وتحديد مشاعر الاتصال (على سبيل المثال ، المكالمات التي انتهت بنتيجة سلبية معنويات العميل) ، واكتشاف السبب المحتمل للمكالمة ، وتحديد المشكلات مثل الطلبات المتكررة للتحدث إلى مدير. تجمع Amazon Transcribe Call Analytics بين نماذج NLP القوية التلقائية للكلام والتي تم تدريبها خصيصًا لتحسين تجربة العملاء بشكل عام. باستخدام Amazon Transcribe Call Analytics ، يمكن للمطورين إنشاء نظام في الوقت الفعلي يزود وكلاء مركز الاتصال بالمعلومات ذات الصلة لحل مشكلات العملاء أو تنبيه المشرفين بشأن المشكلات المحتملة. تقوم Amazon Transcribe Call Analytics أيضًا بإنشاء ملخصات المكالمات تلقائيًا ، مما يلغي الحاجة إلى الوكلاء لتدوين الملاحظات والسماح لهم بالتركيز على احتياجات العملاء. علاوة على ذلك ، تحمي Amazon Transcribe Call Analytics بيانات العملاء الحساسة من خلال تحديد المعلومات الشخصية وتنقيحها أثناء المكالمات الحية.

تضيف Amazon Kendra إمكانات بحث جديدة

اليوم ، في مواجهة النمو السريع في حجم البيانات وتنوعها ، تكافح أدوات البحث في المؤسسة لفحص وكشف الرؤى الرئيسية المخزنة عبر أنظمة المؤسسة بتنسيقات بيانات غير متجانسة وبلغات مختلفة. لا تستطيع حلول البحث التقليدية للمؤسسات العثور على المعرفة المخزنة في مجموعات البيانات غير المهيكلة مثل جداول HTML لأنها تتطلب استخراج المعلومات من التنسيقات ثنائية الأبعاد (الصفوف والأعمدة). في بعض الأحيان ، قد تكون المعلومات التي قد يبحث عنها العميل موجودة بلغات مختلفة ، مما يجعل البحث أكثر صعوبة. نتيجة لذلك ، يضيع موظفو المؤسسة الوقت في البحث عن المعلومات أو غير قادرين على أداء واجباتهم.

أمازون كندرا (تقدم خدمة البحث الذكي من AWS والمدعومة من ML) قدرة جديدة تدعم البحث الجدولي في HTML. يمكن للعملاء العثور على إجابات أكثر دقة بشكل أسرع في مستندات HTML ، سواء كانت في النص السردي أو في شكل جدول ، باستخدام أسئلة اللغة الطبيعية. يمكن لـ Amazon Kendra العثور على إجابات دقيقة واستخراجها من جداول HTML عن طريق إجراء تحليلات أعمق لصفحات HTML واستخدام نماذج التعلم العميق المتخصصة الجديدة التي تفسر الأعمدة والصفوف بذكاء لتحديد البيانات ذات الصلة. تضيف Amazon Kendra أيضًا دعمًا دلاليًا لسبع لغات جديدة (بالإضافة إلى الإنجليزية): الفرنسية والإسبانية والألمانية والبرتغالية واليابانية والكورية والصينية. يمكن للعملاء الآن طرح أسئلة لغة طبيعية والحصول على إجابات دقيقة بأي من اللغات المدعومة. قامت شركة Gilead Sciences Inc. ، إحدى عملاء الأدوية البيولوجية لدى AWS ، بزيادة إنتاجية الموظفين عن طريق تقليل أوقات البحث الداخلي بنسبة 50٪ تقريبًا باستخدام Amazon Kendra.

تقدم Amazon HealthLake حلول تصوير من الجيل التالي وتحليلات دقيقة للصحة

يواجه مقدمو الرعاية الصحية عددًا لا يحصى من التحديات مع استمرار زيادة حجم وتعقيد بيانات التصوير الطبي. يعد التصوير الطبي أداة مهمة لتشخيص المرضى ، وهناك مليارات الصور الطبية التي يتم مسحها ضوئيًا على مستوى العالم كل عام. تمثل بيانات التصوير حوالي 90٪ 1 لجميع بيانات الرعاية الصحية ، وكان تحليل هذه الصور المعقدة إلى حد كبير مهمة يدوية يقوم بها الخبراء والمتخصصون. غالبًا ما يستغرق علماء البيانات والباحثون أسابيع أو شهورًا لاستخلاص رؤى مهمة من الصور الطبية ، مما يؤدي إلى إبطاء عمليات اتخاذ القرار لمقدمي الرعاية الصحية والتأثير على تقديم رعاية المرضى. لمواجهة هذه التحديات ، أمازون هيلث ليك (خدمة مؤهلة HIPAA لتخزين البيانات الصحية واسعة النطاق وتحويلها والاستعلام عنها وتحليلها) تضيف إمكانيات جديدة للتصوير والتحليلات الطبية:

  • أمازون هيلث ليك تصوير هي قدرة جديدة مؤهلة لـ HIPAA تمكّن مقدمي الرعاية الصحية وشركائهم في البرامج من تخزين الصور الطبية والوصول إليها وتحليلها بسهولة على نطاق بيتابايت. تم تصميم الإمكانية الجديدة لاستعادة الصور بسرعة دون الثانية في تدفقات العمل السريرية التي يمكن لمقدمي الرعاية الصحية الوصول إليها بأمان من أي مكان (على سبيل المثال، الويب أو سطح المكتب أو الهاتف) وبتوفر عالٍ. عادةً ما تخزن الأنظمة الصحية نسخًا متعددة من نفس بيانات التصوير في الأنظمة السريرية والبحثية ، مما يؤدي إلى زيادة تكاليف التخزين والتعقيد. تستخرج Amazon HealthLake Imaging وتخزن نسخة واحدة فقط من نفس الصورة في السحابة. يمكن للعملاء الآن الوصول إلى السجلات الطبية الحالية وتشغيل تطبيقات التحليل من نسخة مشفرة واحدة من نفس البيانات في السحابة مع بيانات وصفية موحدة وضغط متقدم. نتيجة لذلك ، يمكن أن تساعد Amazon HealthLake Imaging مقدمي الخدمة في تقليل التكلفة الإجمالية لتخزين الصور الطبية بنسبة تصل إلى 40٪.
  • Amazon HealthLake Analytics هي قدرة جديدة مؤهلة لقانون HIPAA تسهل الاستعلام عن الرؤى واشتقاقها من البيانات الصحية متعددة الوسائط (على سبيل المثال، التصوير أو النص أو علم الوراثة) ، على مستوى الأفراد أو السكان ، مع القدرة على مشاركة البيانات بأمان عبر المؤسسة. إنه يلغي الحاجة إلى مقدمي الرعاية الصحية لتنفيذ عمليات تصدير البيانات المعقدة وتحويلات البيانات. تقوم Amazon HealthLake Analytics تلقائيًا بتطبيع البيانات الصحية الأولية من مصادر مختلفة (على سبيل المثال، السجلات الطبية أو مطالبات التأمين الصحي أو السجلات الصحية الإلكترونية أو الأجهزة الطبية) في شكل تحليلات وقابلة للتشغيل المتبادل في دقائق. تقلل القدرة الجديدة ما قد يستغرق شهورًا من الجهد الهندسي للسماح لمقدمي الخدمات بالتركيز على ما يفعلونه بشكل أفضل - تقديم رعاية المرضى.

يقدم Amazon CodeWhisperer دعمًا أوسع وإدارة أسهل

بينما قامت السحابة بإضفاء الطابع الديمقراطي على تطوير التطبيقات من خلال الوصول عند الطلب إلى الحوسبة والتخزين وقاعدة البيانات والتحليلات و ML ، تظل العملية التقليدية لبناء تطبيقات البرامج في أي صناعة تستغرق وقتًا طويلاً. يجب أن يظل المطورون يقضون وقتًا طويلاً في كتابة التعليمات البرمجية المتكررة غير المرتبطة مباشرة بالمشكلات الأساسية التي يريدون حلها. حتى المطورين ذوي الخبرة العالية يجدون صعوبة في مواكبة لغات البرمجة وأطر العمل ومكتبات البرامج المتعددة ، مع ضمان اتباعهم لبناء جملة البرمجة الصحيح وأفضل ممارسات الترميز.

أمازون CodeWhisperer (خدمة مدعومة من ML والتي تنشئ توصيات برمجية) تدعم الآن AWS Builder ID بحيث يمكن لأي مطور التسجيل بأمان باستخدام عنوان بريد إلكتروني فقط وتمكين Amazon CodeWhisperer لـ IDE الخاص به داخل AWS Toolkit. بالإضافة إلى Python و Java و JavaScript ، يضيف Amazon CodeWhisperer دعمًا للغات TypeScript و C # لتسريع تطوير الكود. أيضًا ، تقدم Amazon CodeWhisperer الآن توصيات التعليمات البرمجية لواجهات برمجة تطبيقات AWS (APIs) عبر خدماتها الأكثر شيوعًا ، بما في ذلك الأمازون الحوسبة المرنة السحابية (Amazon EC2) ، AWS لامداو خدمة تخزين أمازون البسيطة (أمازون S3). أخيرًا ، يتوفر Amazon CodeWhisperer الآن على وحدة تحكم إدارة AWS، لذلك يمكن لأي مسؤول AWS معتمد تمكين Amazon CodeWhisperer لمنظمته.

وفي الختام

مع هذه الميزات والقدرات الجديدة ، تواصل AWS توسيع محفظتها من أوسع وأعمق مجموعة من خدمات الذكاء الاصطناعي. تدرك AWS أيضًا أنه نظرًا لانتشار حالات الاستخدام المدعومة بالذكاء الاصطناعي ، فمن المهم أن يتم بناء هذه القدرات بطريقة مسؤولة. تلتزم AWS ببناء خدماتها بطريقة مسؤولة ودعم العملاء لمساعدتهم على نشر الذكاء الاصطناعي بشكل مسؤول. من خلال تمكين العملاء من إضافة إمكانات ذكاء اصطناعي جديدة وموسعة إلى تطبيقاتهم ومهام سير العمل الخاصة بهم بسهولة ومسؤولية أكبر ، تطلق AWS العنان لمزيد من الابتكارات وتساعد الشركات على إعادة تصور كيفية تعاملها مع بعض التحديات الأكثر إلحاحًا وحلها. لمعرفة المزيد حول نهج AWS الشامل تجاه الذكاء الاصطناعي المسؤول ، تفضل بزيارة الاستخدام المسؤول للذكاء الاصطناعي والتعلم الآلي.

مراجع حسابات

1SK Zhou et al. ، "مراجعة التعلم العميق في التصوير الطبي: سمات التصوير ، والاتجاهات التكنولوجية ، ودراسات الحالة مع إبراز التقدم ، والوعود المستقبلية ،" في وقائع IEEE ، المجلد. 109 ، لا. 5 ، ص.820-838 ، مايو 2021 ، دوى: 10.1109 / JPROC.2021.3054390.


عن المؤلف

براتين ساها هو نائب رئيس الذكاء الاصطناعي والتعلم الآلي في AWS.

بقعة_صورة

أحدث المعلومات الاستخباراتية

بقعة_صورة