Zephyrnet-Logo

AWS stellt auf der re:Invent 2022 neue KI-Servicefunktionen und -verbesserungen vor

Datum:

In den letzten 5 Jahren haben sich künstliche Intelligenz (KI) und maschinelles Lernen (ML) von einer Nischenaktivität zu einem schnell wachsenden Mainstream-Unternehmen entwickelt. Heute verlassen sich mehr als 100,000 Kunden aus zahlreichen Branchen auf AWS for ML- und KI-Initiativen, die KI in eine breite Palette von Geschäftsanwendungsfällen einfließen lassen, um sich wiederholende und alltägliche Aufgaben zu automatisieren – von der intelligenten Bedarfsplanung bis hin zur Dokumentenverarbeitung und Inhaltsmoderation. AWS AI-Services helfen Kunden dabei, reibungslosere, schnellere und effizientere Interaktionen mit Kunden zu schaffen, wodurch die Effizienz gesteigert und die Betriebskosten gesenkt werden.

Auf der AWS re:Invent hat Amazon Web Services, Inc. eine Reihe von Funktionen und Verbesserungen für sein Portfolio an KI-Services angekündigt, darunter speziell entwickelte Lösungen zur Lösung branchenspezifischer Herausforderungen, die eine tiefere Integration von KI in alltägliche Erfahrungen darstellen. Zu den neuen Funktionen gehören Amazon Textract Analyze Lending zur Verbesserung der Verarbeitungseffizienz von Leihdokumenten, Amazon Transcribe Call Analytics zur Analyse laufender Call-Center-Anrufe, Amazon Kendra-Unterstützung für die tabellarische Suche in HTML und sieben neuen Sprachen, Amazon HealthLake Imaging für die Speicherung medizinischer Bilder; Amazon HealthLake Analytics mit multimodalen Datenabfragefunktionen und breiterer Unterstützung von Programmiersprachen und einfacherer Verwaltung in Amazon CodeWhisperer. Diese KI-Serviceinnovationen bieten vertikalen Märkten und horizontalen Funktionen tiefere Einblicke in Echtzeit und kostensparende Effizienz, um die Transformation branchenübergreifend voranzutreiben.

Diese neuen Funktionen verbessern die KI-Angebote von AWS an der Spitze seines dreischichtigen ML-Stacks. Die untere Ebene umfasst grundlegende Komponenten (ML-Hardware und ML-Softwarebibliotheken), um Kunden beim Aufbau ihrer eigenen ML-Infrastruktur zu unterstützen, und die mittlere Ebene –Amazon Sage Maker—ist eine vollständig verwaltete ML-Entwicklungsumgebung. Die oberste Ebene der KI-Dienste bringt ML in geschäftliche Anwendungsfälle wie das Transkriptieren von Contact-Center-Anrufen, die Verarbeitung von Dokumenten und die Verbesserung der Ergebnisse im Gesundheitswesen. Kunden können AWS AI-Services nutzen, ohne dass ML-Expertise erforderlich ist.

Kunden aus verschiedenen Branchen verlassen sich auf AWS AI-Services, um die Effizienz zu verbessern und die Betriebskosten zu senken. Beispielsweise verbesserte die WaFd Bank, eine US-Bank mit umfassendem Service, ihre Kundenerfahrung mit Talkdesk (einem globalen Cloud-Contact-Center-Unternehmen) und AWS Contact Center-Intelligenz (CCI) Lösungen, die Anrufzeiten um bis zu 90 % reduzieren. Und State Auto, eine Holdinggesellschaft für Sach- und Unfallversicherungen, automatisierte den Prozess der Objektinspektion mithilfe von Amazon-Anerkennung (ein Computer-Vision-Dienst), der die Anzahl der Anträge, die auf potenziellen Betrug überprüft werden, um 83 % erhöht hat.

Amazon Textract Analyze Lending macht es einfach, Hypothekendarlehensdaten zu klassifizieren und zu extrahieren

Heutzutage verarbeiten Hypothekenbanken große Mengen an Dokumenten, um geschäftskritische Daten zu extrahieren und Entscheidungen über Kreditanträge zu treffen. Beispielsweise kann ein typischer US-Hypothekenantrag 500 oder mehr Seiten mit verschiedenen Dokumenttypen umfassen, darunter W2-Formulare, Gehaltsabrechnungen, Kontoauszüge, Formulare 1040, 1003 und viele mehr. Die Kreditbearbeitungsanwendung des Kreditgebers muss zunächst jeden Dokumententyp verstehen und klassifizieren, um sicherzustellen, dass er richtig verarbeitet wird. Danach muss die Kreditbearbeitungsanwendung alle Daten auf jeder Seite des Dokuments extrahieren. Die Daten in diesen Dokumenten liegen in unterschiedlichen Formaten und Strukturen vor, und dasselbe Datenelement kann auf verschiedenen Dokumenten unterschiedliche Namen haben – beispielsweise „SSN“ oder „Sozialversicherungsnummer“, was zu einer ungenauen Datenextraktion führen kann. Bisher waren die Klassifizierung und Extraktion von Daten aus Hypothekenantragspaketen hauptsächlich manuelle Aufgaben. Darüber hinaus müssen Hypothekenbanken die Nachfrage nach Hypotheken verwalten, die im Laufe eines Jahres erheblich schwanken kann, sodass die Kreditgeber nicht in der Lage sind, effektiv zu planen, und häufig Ressourcen für die Verarbeitung von Dokumenten auf Ad-hoc-Basis zuweisen müssen. Insgesamt ist die Bearbeitung von Hypothekendarlehen immer noch manuell, langsam, fehleranfällig und teuer.

Amazontext (KI-Dienst von AWS zum automatischen Extrahieren von Text, Handschrift und Daten aus gescannten Dokumenten) bietet jetzt an Amazon Textract Kreditvergabe analysieren um die Verarbeitung von Kreditdokumenten automatisierter, schneller und kostengünstiger zu gestalten. Amazon Textract Analyze Lending führt mehrere ML-Modelle zusammen, um verschiedene Dokumente zu klassifizieren, die häufig in Hypothekenpaketen vorkommen, und extrahiert dann wichtige Informationen aus diesen Dokumenten mit hoher Genauigkeit, um die Arbeitsabläufe bei der Verarbeitung von Kreditdokumenten zu verbessern. Beispielsweise kann es jetzt eine Signaturerkennung durchführen, um festzustellen, ob Dokumente erforderliche Signaturen aufweisen. Es bietet auch eine Zusammenfassung der Dokumente in einem Hypothekenantragspaket und identifiziert fehlende Dokumente. Beispielsweise verwendet PennyMac, ein Finanzdienstleistungsunternehmen, das sich auf die Produktion und Verwaltung von US-Hypothekendarlehen spezialisiert hat, Amazon Textract Analyze Lending, um einen 3,000-seitigen Hypothekenantrag in weniger als 5 Minuten zu bearbeiten. Früher erforderte die Bearbeitung von Hypothekendokumenten bei PennyMac mehrere Stunden für die Überprüfung und Vorbereitung eines Kreditpakets zur Genehmigung.

Amazon Transcribe Call Analytics für verbesserte Endbenutzererfahrungen

In den meisten kundenorientierten Branchen wie Telekommunikation, Finanzen, Gesundheitswesen und Einzelhandel können Kundenerfahrungen mit Call Centern die Wahrnehmung des Unternehmens nachhaltig beeinflussen. Lange Anruflösungszeiten oder die Unfähigkeit, Probleme während Live-Interaktionen zu lösen, können zu schlechten Kundenerlebnissen oder Kundenabwanderung führen. Contact Center benötigen Echtzeit-Einblicke in Probleme mit dem Kundenerlebnis (z.B, ein Produktfehler) während eines Anrufs. In der Regel verwenden Entwickler mehrere KI-Dienste, um Live-Anruftranskriptionen zu generieren, relevante Einblicke in Echtzeit zu extrahieren und vertrauliche Kundeninformationen zu verwalten (z.B vertrauliche Kundendaten identifizieren und schwärzen) während Live-Anrufen. Dieser Prozess fügt jedoch unnötige Komplexität, Zeit und Kosten hinzu.

Amazon Transcribe, ein automatischer Spracherkennungsdienst (ASR), der es Entwicklern erleichtert, ihren Anwendungen Sprache-zu-Text-Funktionen hinzuzufügen, unterstützt jetzt Anrufanalysen, um Echtzeit-Einblicke in Gespräche zu liefern. Amazon Transcribe-Anrufanalyse bietet jetzt Echtzeit-Gesprächseinblicke, die helfen, Tausende von laufenden Anrufen zu analysieren, die Anrufstimmung zu identifizieren (z. B. Anrufe, die mit einer negativen Kundenstimmung endeten), den potenziellen Grund für den Anruf zu erkennen und Probleme wie wiederholte Wortmeldungen zu erkennen zu einem Manager. Amazon Transcribe Call Analytics kombiniert leistungsstarke automatische Sprach-NLP-Modelle, die speziell darauf trainiert sind, das allgemeine Kundenerlebnis zu verbessern. Mit Amazon Transcribe Call Analytics können Entwickler ein Echtzeitsystem aufbauen, das Kontaktcenter-Agenten relevante Informationen liefert, um Kundenprobleme zu lösen oder Vorgesetzte über potenzielle Probleme zu informieren. Amazon Transcribe Call Analytics generiert auch automatisch Anrufzusammenfassungen, sodass Agenten keine Notizen mehr machen müssen und sich auf die Kundenbedürfnisse konzentrieren können. Darüber hinaus schützt Amazon Transcribe Call Analytics sensible Kundendaten, indem personenbezogene Daten während Live-Anrufen identifiziert und unkenntlich gemacht werden.

Amazon Kendra fügt neue Suchfunktionen hinzu

Angesichts des schnellen Wachstums von Datenvolumen und Datenvielfalt haben Unternehmenssuchwerkzeuge heute Schwierigkeiten, wichtige Erkenntnisse zu untersuchen und aufzudecken, die in Unternehmenssystemen in heterogenen Datenformaten und in verschiedenen Sprachen gespeichert sind. Herkömmliche Suchlösungen für Unternehmen sind nicht in der Lage, in unstrukturierten Datensätzen wie HTML-Tabellen gespeichertes Wissen zu finden, da Informationen aus zweidimensionalen Formaten (Zeilen und Spalten) extrahiert werden müssen. Manchmal können die Informationen, nach denen ein Kunde sucht, in verschiedenen Sprachen vorliegen, was die Suche noch schwieriger macht. Infolgedessen verschwenden Unternehmensmitarbeiter Zeit mit der Suche nach Informationen oder sind nicht in der Lage, ihre Aufgaben zu erfüllen.

Amazon Kendra (der intelligente Suchdienst von AWS powered by ML) bietet eine neue Funktion, die die tabellarische Suche in HTML unterstützt. Kunden können schneller präzisere Antworten in HTML-Dokumenten finden, egal ob sie im Textkörper oder in tabellarischer Form vorliegen, indem sie Fragen in natürlicher Sprache verwenden. Amazon Kendra kann präzise Antworten aus HTML-Tabellen finden und extrahieren, indem es tiefere Analysen von HTML-Seiten durchführt und neue spezialisierte Deep-Learning-Modelle verwendet, die Spalten und Zeilen intelligent interpretieren, um relevante Daten zu lokalisieren. Amazon Kendra fügt außerdem semantische Unterstützung für sieben neue Sprachen hinzu (zusätzlich zu Englisch): Französisch, Spanisch, Deutsch, Portugiesisch, Japanisch, Koreanisch und Chinesisch. Kunden können jetzt Fragen in natürlicher Sprache stellen und erhalten genaue Antworten in jeder der unterstützten Sprachen. Einer der biopharmazeutischen Kunden von AWS, Gilead Sciences Inc., steigerte die Mitarbeiterproduktivität, indem er die internen Suchzeiten mit Amazon Kendra um etwa 50 % verkürzte.

Amazon HealthLake bietet Bildgebungslösungen der nächsten Generation und präzise Gesundheitsanalysen

Gesundheitsdienstleister stehen vor unzähligen Herausforderungen, da Umfang und Komplexität medizinischer Bildgebungsdaten weiter zunehmen. Die medizinische Bildgebung ist ein entscheidendes Instrument zur Diagnose von Patienten, und jedes Jahr werden weltweit Milliarden von medizinischen Bildern gescannt. Bilddaten machen etwa 90 % aus 1 aller Gesundheitsdaten, und die Analyse dieser komplexen Bilder war größtenteils eine manuelle Aufgabe, die von Experten und Spezialisten durchgeführt wurde. Es dauert oft Wochen oder Monate, bis Datenwissenschaftler und Forscher wichtige Erkenntnisse aus medizinischen Bildern gewinnen, was die Entscheidungsprozesse für Gesundheitsdienstleister verlangsamt und die Patientenversorgung beeinträchtigt. Um diese Herausforderungen anzugehen, Amazon HealthLake (ein HIPAA-fähiger Dienst zum Speichern, Transformieren, Abfragen und Analysieren umfangreicher Gesundheitsdaten) fügt zwei neue Funktionen für die medizinische Bildgebung und Analyse hinzu:

  • Amazon HealthLake-Bildgebung ist eine neue HIPAA-fähige Funktion, die es Gesundheitsdienstleistern und ihren Softwarepartnern ermöglicht, medizinische Bilder im Petabyte-Maßstab einfach zu speichern, darauf zuzugreifen und sie zu analysieren. Die neue Funktion ist für den schnellen Abruf von Bildern in Sekundenbruchteilen in klinischen Arbeitsabläufen konzipiert, auf die Gesundheitsdienstleister von überall aus sicher zugreifen können (z.B, Web, Desktop oder Telefon) und mit hoher Verfügbarkeit. Typischerweise speichern Gesundheitssysteme mehrere Kopien derselben Bildgebungsdaten in klinischen und Forschungssystemen, was zu erhöhten Speicherkosten und Komplexität führt. Amazon HealthLake Imaging extrahiert und speichert nur eine Kopie desselben Bildes in der Cloud. Kunden können jetzt auf vorhandene Krankenakten zugreifen und Analyseanwendungen von einer einzigen verschlüsselten Kopie derselben Daten in der Cloud mit normalisierten Metadaten und erweiterter Komprimierung ausführen. Infolgedessen kann Amazon HealthLake Imaging Anbietern dabei helfen, die Gesamtkosten für die Speicherung medizinischer Bildgebung um bis zu 40 % zu senken.
  • Amazon HealthLake Analytics ist eine neue HIPAA-fähige Funktion, die es einfach macht, Erkenntnisse aus multimodalen Gesundheitsdaten abzufragen und abzuleiten (z.B, Bildgebung, Text oder Genetik) auf individueller oder Bevölkerungsebene, mit der Möglichkeit, Daten sicher im gesamten Unternehmen auszutauschen. Es beseitigt die Notwendigkeit für Gesundheitsdienstleister, komplexe Datenexporte und Datentransformationen durchzuführen. Amazon HealthLake Analytics normalisiert automatisch rohe Gesundheitsdaten aus unterschiedlichen Quellen (z.B, Krankenakten, Krankenversicherungsansprüche, EHRs oder medizinische Geräte) in ein analytisches und interoperables Format in wenigen Minuten. Die neue Funktion reduziert das, was ansonsten monatelange technische Anstrengungen erfordern würde, damit sich die Anbieter auf das konzentrieren können, was sie am besten können – die Patientenversorgung.

Amazon CodeWhisperer bietet breitere Unterstützung und einfachere Verwaltung

Während die Cloud die Anwendungsentwicklung durch On-Demand-Zugriff auf Datenverarbeitung, Speicherung, Datenbanken, Analysen und ML demokratisiert hat, bleibt der traditionelle Prozess der Erstellung von Softwareanwendungen in jeder Branche zeitintensiv. Entwickler müssen immer noch viel Zeit damit verbringen, sich wiederholenden Code zu schreiben, der nicht direkt mit den Kernproblemen zusammenhängt, die sie lösen möchten. Selbst sehr erfahrene Entwickler finden es schwierig, mit mehreren Programmiersprachen, Frameworks und Softwarebibliotheken Schritt zu halten und gleichzeitig sicherzustellen, dass sie die korrekte Programmiersyntax und Best Practices für die Codierung befolgen.

Amazon Code Whisperer (ein ML-basierter Service, der Code-Empfehlungen generiert) unterstützt jetzt AWS Builder ID, sodass sich jeder Entwickler sicher mit nur einer E-Mail-Adresse anmelden und Amazon CodeWhisperer für seine IDE innerhalb des AWS-Toolkits aktivieren kann. Zusätzlich zu Python, Java und JavaScript fügt Amazon CodeWhisperer Unterstützung für TypeScript- und C#-Sprachen hinzu, um die Codeentwicklung zu beschleunigen. Außerdem gibt Amazon CodeWhisperer jetzt Code-Empfehlungen für AWS-Anwendungsprogrammierschnittstellen (APIs) für seine beliebtesten Dienste, einschließlich Amazon Elastic Compute-Cloud (Amazon EC2), AWS Lambda und Amazon Simple Storage-Service (Amazon S3). Schließlich ist Amazon CodeWhisperer jetzt auf der verfügbar AWS-Managementkonsole, sodass jeder autorisierte AWS-Administrator Amazon CodeWhisperer für seine Organisation aktivieren kann.

Zusammenfassung

Mit diesen neuen Funktionen und Fähigkeiten baut AWS sein Portfolio mit den breitesten und umfassendsten KI-Services weiter aus. AWS erkennt auch an, dass es wichtig ist, dass diese Fähigkeiten auf verantwortungsvolle Weise entwickelt werden, da KI-gestützte Anwendungsfälle allgegenwärtig werden. AWS verpflichtet sich, seine Services verantwortungsbewusst aufzubauen und Kunden dabei zu unterstützen, KI verantwortungsvoll einzusetzen. Indem es Kunden ermöglicht, neue und erweiterte KI-Funktionen einfacher und verantwortungsvoller zu ihren Anwendungen und Arbeitsabläufen hinzuzufügen, setzt AWS noch mehr Innovationen frei und hilft Unternehmen dabei, ihre Herangehensweise und Lösung einiger ihrer dringendsten Herausforderungen neu zu überdenken. Um mehr über den umfassenden Ansatz von AWS für verantwortungsbewusste KI zu erfahren, besuchen Sie Verantwortungsvoller Umgang mit künstlicher Intelligenz und maschinellem Lernen.

Bibliographie

1SK Zhou et al., „A Review of Deep Learning in Medical Imaging: Imaging Traits, Technology Trends, Case Studies With Progress Highlights, and Future Promises“, in Proceedings of the IEEE, vol. 109, Nr. 5, S. 820-838, Mai 2021, doi: 10.1109/JPROC.2021.3054390.


Über den Autor

Bratin Saha ist Vice President of Artificial Intelligence and Machine Learning bei AWS.

spot_img

Neueste Intelligenz

spot_img