Amazon Web Services、13の新しい機械学習サービスと機能を発表

[51CTO.com クイック翻訳] Amazon の Amazon Web Services (AWS) は最近、AWS re:Invent カンファレンスで、機械学習スタックのすべてのレベルを網羅し、より多くの開発者が機械学習を利用できるようにすることを目指して、13 の新しい機械学習機能とサービスを発表しました。 AWS は、低コストの自動データラベリングや強化学習 (RL) など、開発者が機械学習モデルを簡単に構築、トレーニング、デプロイできるようにする新しい Amazon SageMaker 機能を発表しました。 AWS は、コストを削減しながら機械学習のトレーニングと推論を高速化するための新しいサービス、フレームワークの改善、カスタムチップをリリースしました。 AWS は、Amazon が使用しているのと同じテクノロジーを使用して、ほぼあらゆる文書からテキストを抽出し、医療情報を読み取り、カスタマイズされたパーソナライゼーション、推奨事項、予測を提供できる新しい人工知能 (AI) サービスを発表しました。最後に、AWS は、強化学習によって駆動する、実際の車の 1/18 サイズの開発者向けの新しい自律型モデルレースカーである AWS DeepRacer を使用して、開発者が機械学習を始めるのを支援します。

これらの発表は、AWS が過去 1 年間に 200 を超える重要な機械学習機能を発表したことを受けて、機械学習におけるイノベーションへの取り組みを継続するものです。これらの新しいサービスと機能を使用している顧客には、Adobe、BMW、キャセイパシフィック航空、ダウ・ジョーンズ、エクスペディア、フォーミュラ・ワン、GEヘルスケア、HERE、インテュイット、ジョンソン・エンド・ジョンソン、起亜自動車、ライオンブリッジ、メジャーリーグベースボール、NASAジェット推進研究所（JPL）、Politico.eu、ライアンエアー、シェル、Tinder、国連、Vonage、世界銀行、Zillowなどが含まれます。 AWS の新しい機械学習サービスの詳細については、https://aws.amazon.com/machine-learning をご覧ください。

「規模、予算、経験、スキルレベルに関係なく、すべてのお客様が機械学習を導入できるよう支援したいと考えています」とAmazon Machine Learning担当副社長のスワミ・シヴァスブラマニアン氏は述べた。 「本日の発表により、機械学習のトレーニングと推論のコストが削減され、機械学習の導入を成功させる上での大きな障壁が取り除かれます。新しい SageMaker の機能により、開発者はクラウドとエッジで機械学習モデルを簡単に構築、トレーニング、展開できるようになり、Amazon での長年の経験を活かして新しい AI サービスを提供できるようになります。」

新しいインフラストラクチャ、カスタム機械学習チップ、フレームワークの改善により、トレーニングの高速化と推論コストの削減を実現

ほとんどの機械学習モデルは、大量のデータからパターンを見つけるアルゴリズムによってトレーニングされます。モデルは推論と呼ばれるプロセスを通じて新しいデータに関する予測を行うことができます。開発者は機械学習フレームワークを使用して、これらのアルゴリズムを定義し、モデルをトレーニングし、予測を推測します。 TensorFlow、Apache MXNet、PyTorch などのフレームワークを使用すると、開発者は複雑なモデルを設計およびトレーニングでき、多くの場合、複数の GPU を使用してトレーニング時間を短縮できます。ほとんどの開発者は、日常業務でこれらのフレームワークを複数使用しています。本日、AWS は、これらすべての一般的なフレームワークを使用してモデルを構築する開発者向けに大幅な改善を発表し、トレーニングと推論の両方のパフォーマンスを向上させ、コストを削減します。

• 新しい Amazon Elastic Compute Cloud (EC2) GPU インスタンス (来週リリース予定): 新しい P3dn.24xl インスタンスには、8 個の NVIDIA V100 GPU、32 GB の GPU メモリ、高速 NVMe ストレージ、96 個の Intel Xeon スケーラブル プロセッサ vCPU、および 100 Gbps のネットワーク インターフェイスが搭載されています。これはクラウドで最も強力な機械学習トレーニング プロセッサであり、開発者はより短時間でより多くのデータをトレーニングできます。
• AWS 向けに最適化された TensorFlow フレームワーク (GA): 大量のデータを使用したトレーニングに TensorFlow を使用することを選択した開発者は、多数の GPU にわたって TensorFlow をスケーリングすることが困難であることに気づきます。その結果、多くの場合、それらの GPU の使用率が低下し、大規模なトレーニング タスクのトレーニング時間が長くなります。 AWS はこの問題を解決し、TensorFlow を GPU 間でスケーリングする方法を革新しました。 TensorFlow がこれらの GPU 間でトレーニング タスクを分散する方法を改善することで、AWS 向けに最適化された新しい TensorFlow は、多くの種類のニューラル ネットワークをトレーニングする際に、より線形のスケーラビリティ (256 個の GPU 間で 90% の効率、以前は通常 65% のみ) を実現します。新しい AWS に最適化された TensorFlow および P3dn インスタンスを使用すると、開発者は人気の ResNet-50 モデルをわずか 14 分でトレーニングできるようになりました。これは、これまでで最速の時間であり、以前の最高記録よりも 50% 高速です。さらに、これらの最適化は、コンピューター ビジョン モデルだけでなく、より広範囲のディープラーニング モデルにも適用できます。
• Amazon Elastic Inference (GA): トレーニングは注目を集めますが、実際には推論が本番環境で機械学習を実行するコストと複雑さの大部分を占めています (トレーニングに 1 ドルかかるごとに 9 ドル)。 Amazon Elastic Inference を使用すると、開発者は専用の GPU インスタンスを使用する場合に比べて推論コストを最大 75% 大幅に削減できます。開発者は、十分に活用されていない可能性のある Amazon EC2 P2 または P3 インスタンス全体を実行するのではなく、Amazon Elastic Inference を使用して、より小規模な汎用 Amazon EC2 インスタンスで実行し、適切な量の GPU パフォーマンスをプロビジョニングできます。 1 TFLOP から開始して、開発者は推論パフォーマンスを増減する柔軟性が得られ、実際に使用したリソースに対してのみ料金を支払うことになります。 Elastic Inference は、すべての一般的なフレームワークをサポートし、Amazon SageMaker および Amazon EC2 Deep Learning Amazon Machine Image (AMI) と統合されています。開発者は、既存のモデルに変更を加えることなく、Amazon Elastic Inference を使い始めることができます。
• AWS Inferentia (2019 年リリース): GPU 全体を消費したり、低レイテンシーが求められる大規模なワークロード向けに、AWS は AWS がカスタマイズした高性能機械学習推論チップのリリースを発表しました。 AWS Inferentia は、チップあたり数百テラフロップス (1 秒あたり 1 兆回の浮動小数点演算)、Amazon EC2 インスタンスあたり数千テラフロップスを実現し、複数のフレームワーク (TensorFlow、Apache MXNet、PyTorch など) と複数のデータ型 (INT-8、混合精度 FP-16、bfloat16 など) をサポートします。

Autodesk は、3D 設計、エンジニアリング、エンターテイメント ソフトウェアの業界リーダーであり、ディープラーニング モデルを使用して、何千もの潜在的な設計代替案の探索、設計の意味的検索から、エンジニアリング ビルドの合理化、レンダリング ワークフローの最適化まで、幅広いユース ケースをサポートしています。 「効率的な推論を実行することは、今日の機械学習における最大の課題の 1 つです」と、Autodesk Research の AI エンジニアリング ディレクターのピーター ジョーンズ氏は述べています。 「Amazon Elastic Inference は、現在アイドル状態の GPU 容量による追加コストを削減するのに役立つ、私たちが見つけた初めての機能です。GPU を実行する場合と比較して 75% の節約になると見積もっています。」

EagleView は、損害評価にかかる時間を短縮し、住宅所有者が次の意思決定を大幅に迅速化できるようにすることで、自然災害による財産損失の削減を支援する不動産データ分析会社です。 EagleView は、航空写真、ドローン画像、衛星画像を使用し、AWS でディープラーニング モデルを実行して、自然災害発生後 24 時間以内に物的損害をより迅速かつ正確に評価します。 「不動産査定において査定士の精度に匹敵するには、被災地の多次元空間（時間、スペクトル、空間）全体をカバーする超高解像度の画像など、膨大な量のデータを処理する必要があります」と、EagleView のデータ サイエンスおよび機械学習担当ディレクターの Shay Strong 氏は説明します。 「Amazon Elastic Inference により、大規模なワークフローをよりコスト効率よく検討できるようになりました。」

新しい Amazon SageMaker 機能により、機械学習の構築、トレーニング、デプロイが容易になります。開発者は、強化学習によって駆動する実車の1/18サイズの自律型レースカー、AWS DeepRacerを試すことができる。

Amazon SageMaker は、機械学習プロセスのすべてのステップから面倒な作業と推測を排除する、完全に管理されたサービスです。 Amazon SageMaker を使用すると、開発者は機械学習モデルを簡単に構築、トレーニング、調整、デプロイできるようになります。本日、AWS は Amazon SageMaker のいくつかの新機能を発表しました。

• Amazon SageMaker Ground Truth (GA): 機械学習モデルを構築するプロセスでは、開発者が機械学習モデルをトレーニングするためのデータセットを準備する必要があります。開発者がアルゴリズムを選択し、モデルを構築し、それをデプロイして予測を行う前に、アノテーターが何千もの例を手動で確認し、機械学習モデルのトレーニングに必要なタグを追加します。このプロセスは時間がかかり、費用もかかります。 Amazon SageMaker Ground Truth を使用すると、開発者は Mechanical Turk、サードパーティベンダー、または自社の従業員を通じて人間の注釈者を利用し、データにラベルを付けることが非常に簡単になります。 Amazon SageMaker Ground Truth はこれらの注釈をリアルタイムで学習し、残りのデータセットのほとんどに自動的にラベルを付けることができるため、手動でのレビューの必要性が減ります。 Amazon SageMaker Ground Truth は、非常に正確なトレーニングデータセットを作成し、手動での注釈付けに比べて時間を節約し、複雑さを軽減し、コストを最大 70% 削減します。
• AWS Marketplace for Machine Learning (GA): 機械学習は急速に発展しており、学界や業界からほぼ毎週新しいモデルやアルゴリズムが登場しています。 Amazon SageMaker には最も人気のあるモデルとアルゴリズムがいくつか組み込まれていますが、開発者が引き続き幅広い機能にアクセスできるようにするために、新しい AWS Marketplace for Machine Learning には、Amazon SageMaker に直接デプロイできる 150 を超えるアルゴリズムとモデル (毎日増え続けています) が含まれています。開発者は SageMaker からすぐにこれらのアルゴリズムとモデルを使い始めることができます。 AWS Marketplace を通じて販売したい開発者にとって、Marketplace へのカタログ情報の追加は完全にセルフサービスです。
• Amazon SageMaker RL (GA): 強化学習は、将来有望でエキサイティングなテクノロジーであるため、機械学習コミュニティではホットな話題です。強化学習は、大量のトレーニング データなしでモデルをトレーニングします。これは、望ましい結果に対する報酬関数はわかっているが、その結果を達成するための経路が不明で、発見するのに多くの反復が必要な場合に役立ちます。強化学習が役立つ分野としては、ヘルスケア治療、製造サプライチェーンの最適化、ゲームの課題の克服などがあります。しかし、強化学習は学習曲線が急峻で不確実性も大きいため、資金が潤沢で技術的に先進的な企業以外では導入が困難です。 Amazon SageMaker RL は、クラウドコンピューティング業界初のマネージド強化学習サービスであり、強化学習アルゴリズムをホストすることで、あらゆる開発者が強化学習を構築、トレーニング、デプロイできるようになります。複数のフレームワーク (Intel Reinforcement Learning Coach や Ray RL を含む)、複数のシミュレーション環境 (SimuLink や MatLab を含む) をサポートし、SageMaker RL と緊密に統合されたシミュレーション プラットフォームを提供する AWS の新しいロボット サービス AWS RoboMaker と統合されています。
• AWS DeepRacer (GA): 開発者は、わずか数行のコードで、実際の車の 1/18 サイズの完全自律型レースカーである AWS DeepRacer を使用して強化学習の学習を開始できます。この車 (全輪駆動、モンスタータイヤ、高解像度カメラ、オンボードコンピューティングを搭載) は、Amazon SageMaker を使用してトレーニングされた強化学習モデルを使用して走行します。開発者は、誰でも参加できる世界初の自律走行レースリーグである DeepRacer League Cup で、自分のスキルを試し、他の開発者と車やモデルを競い合い、賞品と栄光を勝ち取ることができます。
• Amazon SageMaker Neo (GA): 新しいディープラーニング モデル コンパイラーにより、顧客はモデルを一度トレーニングするだけで、どこでも最大 2 倍のパフォーマンスで実行できるようになります。エッジの接続デバイス上で実行されるアプリケーションは、機械学習モデルのパフォーマンスに特に敏感です。低遅延の意思決定が求められ、さまざまなハードウェア プラットフォームに導入されることが多いです。 Amazon SageMaker Neo は、特定のハードウェア プラットフォーム用にモデルをコンパイルし、パフォーマンスを自動的に最適化することで、精度を損なうことなく最大 2 倍のパフォーマンスで実行できるようにします。その結果、開発者は各ハードウェア プラットフォームのトレーニング モデルを手動で調整する時間を費やす必要がなくなり、時間と費用を節約できます。 SageMaker Neo は、NVIDIA、Intel、Xilinx、Cadence、Arm のハードウェア プラットフォームに加え、TensorFlow、Apache MXNet、PyTorch などの一般的なモデルもサポートしています。 AWS は Neo をオープンソース プロジェクトにもしました。

タイソンフーズは世界最大の食品会社の一つであり、タンパク質分野のリーダーとして認められています。 「当社は鶏肉加工工場向けにコンピュータービジョンシステムスイートを構築しており、これらのシステムをトレーニングするには高精度のラベル付きトレーニングデータセットが必要です」とタイソンフーズの新興技術責任者、チャド・ウォールキスト氏は語った。 「最初にラベル付けソリューションを自分たちで構築しようとしたとき、データラベル付け用のユーザーインターフェイスを作成する前から、大量のコンピューティングリソースと多数のオープンソースソリューションが必要でした。Amazon SageMaker Ground Truth を使用すると、既製のテンプレートを使用して、数回クリックするだけでラベル付けジョブを迅速かつ簡単に実行できます。Amazon SageMaker Ground Truth を使用すると、社内の従業員が安全にデータをラベル付けすることもできます。これは、当社にとって基本的な要件です。Amazon SageMaker Ground Truth を社内全体で使用することを楽しみにしています。」

「アメリカの非通信事業者」として知られる T-Mobile は、ワイヤレス サービス、革新的な製品およびサービスの大手プロバイダーです。 「T-MobileのAIチームは、AIと機械学習を当社のカスタマーサービスセンターシステムに統合し、関連性の高い文脈的顧客情報をリアルタイムで提供する自然言語理解モデルを通じて、当社の専門家チームがより迅速かつ正確に顧客にサービスを提供できるようにしています」と、T-MobileのIT開発担当副社長マシュー・デイビス氏は述べた。 「データのラベル付けは、高性能モデルを作成するための基本ですが、データ サイエンティストやソフトウェア エンジニアにとっては面倒な作業でもあります。Amazon SageMaker Ground Truth により、データのラベル付けプロセスがシンプルかつ効率的でアクセスしやすくなり、エンジニアは好きなこと、つまり顧客やサービス担当者に最高のエクスペリエンスを提供する製品の構築に集中できるようになります。」

Chick-fil-A, Inc. は、オリジナルチキンサンドイッチで知られる非上場の家族経営のレストラン会社で、47 州とワシントン D.C. の 2,300 を超えるレストランで新鮮な料理を提供しています。「食品の安全性は当社にとって最も重要であり、コンピューター ビジョンと機械学習への初期の取り組みは、業務の改善に有望であることがわかっています」と、Chick-fil-A のチーフ チーム リーダーである Jay Duff 氏は述べています。 「Amazon SageMaker と GroundTruth は、新しいトレーニング セットのラベル付けと検証、モデルの再トレーニング、そしてより複雑なデータでの反復処理が容易になったため、新しいモデルの開発と評価のプロセスを加速するのに役立ちました。さらに、人員管理機能により、管理作業を減らしながら手作業をより迅速に完了できるようになりました。」

Arm テクノロジーは、人々の生活や企業の運営方法を変えるコンピューティングと接続性の革命の中心にあります。 「Armは2035年までに1兆個の接続デバイスを予測しており、機械学習などのイノベーションからさらなる消費者価値が生まれることを期待しています」と、Armのゼネラルマネージャー兼機械学習担当副社長のジェム・デイビス氏は語った。 「Amazon SageMaker Neo と Arm NN SDK を組み合わせることで、開発者は機械学習モデルを最適化し、接続されたさまざまなエッジデバイス上で効率的に実行できるようになります。」

Cadence は、電子システムおよび半導体企業が人々の生活、仕事、遊び方を変える革新的な最終製品を開発できるよう支援します。お客様は、Cadence のソフトウェア、ハードウェア、半導体の知的財産 (IP) を使用して、製品をより早く市場に投入します。 「Cadence Tensilica プロセッサは、自律走行車から音声処理、ロボット工学に至るまで、デバイス上の機械学習アプリケーション向けに最適化されています。Amazon SageMaker Neo は、クラウドからエッジへの最適化されたモデルの展開を簡素化します」と、Cadence のデザイン システム IP 担当シニア バイスプレジデント兼ゼネラル マネージャーである Babu Mandava 氏は述べています。 「Amazon SageMaker Neo と当社の Tensilica プロセッサ ファミリーおよび開発環境をシームレスに統合し、開発者が Tensilica ベースのエッジ デバイス向けに機械学習モデルを最適化できるようにできることを嬉しく思います。」

GE ヘルスケアは、医療用画像、モニタリング、バイオ製​​造、細胞および遺伝子治療技術の大手プロバイダーであり、スマート デバイス、データ分析、アプリケーション ソフトウェア、サービスを通じて、診断、治療、モニタリングにおける精密医療を実現します。 GEヘルスケアのエジソン・ポートフォリオ戦略担当シニアバイスプレジデント、キース・ビゲロー氏は、「GEヘルスケアは、医療提供者がより良い医療成果を得られるよう支援することで、医療の世界に革命を起こしています」と述べています。 「当社では、Amazon SageMaker を使用してコンピュータビジョン モデルをトレーニングし、MRI および X 線装置にデプロイしています。強化学習を適用することで、ネットワーク圧縮とモデルの精度を維持しながら、トレーニング済みモデルのサイズを縮小することができました。Amazon SageMaker RL により、強化学習ワークロードの実行の複雑さが解消され、アイデアから実装までわずか 4 週間で実行できるようになりました。」

「強化学習は機械学習とロボット工学に革新をもたらしました」とアマゾン・ロボティクスの副社長兼著名なエンジニアであるブラッド・ポーター氏は語った。 「Amazon SageMaker によって、ユーザーが実際のアプリケーションで強化学習技術を試しやすくなったことを嬉しく思っており、私たちはすでにロボット工学アプリケーションでその技術を実験しています。たとえば、今年初めには、これらの技術のいくつかを使用してビール ポンをプレイできるロボットを実演しました。AWS とのパートナーシップを通じて、このような機会を今後も探求していきたいと思います。」

新しい AI サービスにより、機械学習の経験がなくても、すべてのアプリケーションにインテリジェンスがもたらされます。

多くの開発者は、機械学習の経験を必要とせずに、アプリケーションにインテリジェントな機能を追加したいと考えています。 AWS は、既存のコンピュータービジョン、音声、言語、チャットボットのサービスを基に、大幅に拡張された AI サービスを発表しました。

• Amazon Textract (プレビュー): 現在、多くの企業が、時間とコストのかかる手動データ入力や、単純な光学式文字認識 (OCR) ソフトウェアを使用してドキュメントやフォームからデータを抽出しています。このようなソフトウェアは、多くの場合不正確で、抽出されたコンテンツが開発者のアプリケーションで使用できる形式になるように、多くの場合、出力に多大な後処理が必要になります。 Amazon Textract は機械学習を使用して、ほぼすべての種類のドキュメントを瞬時に読み取り、手動によるレビューやカスタムコードなしでテキストとデータを正確に抽出します。 Amazon Textract を使用すると、開発者はドキュメントワークフローを迅速に自動化し、数百万ページのドキュメントを数時間で処理できます。
• Amazon Comprehend Medical (GA): 次世代の医療アプリケーションを構築するには、入院記録や患者の病歴など、自由形式の非構造化医療テキストに含まれることが多い情報を解釈および分析する機能が必要です。 Comprehend Medical は、機械学習を使用して患者のメモ、臨床試験レポート、その他の電子健康記録から病気、薬、治療結果などの情報を抽出し、医療テキストを高精度に自然言語処理するサービスです。 Comprehend Medical には機械学習の専門知識は必要なく、複雑なルールを記述する必要も、モデルをトレーニングする必要もなく、継続的に改善されています。最低料金や前払いの義務はなく、使用したリソースに対してのみ支払います。
• Amazon Personalize (プレビュー): Amazon を支える同じテクノロジーをベースにした Amazon Personalize は、リアルタイムの推奨およびパーソナライゼーション サービスです。 20 年以上前、Amazon は推奨とパーソナライゼーションのための機械学習の使用を先駆的に開始しました。経験上、パーソナライゼーションには万能のアルゴリズムは存在しないことが分かっています。ビデオ、音楽、製品、ニュース記事など、それぞれのユースケースには独自の特性があり、データ、アルゴリズム、最適化の独自の組み合わせが必要です。 Amazon Personalize は、ほぼすべてのユースケースに対応するカスタムおよびプライベートのパーソナライゼーションおよび推奨モデルを構築、トレーニング、デプロイするフルマネージドサービスでこのエクスペリエンスをお客様に提供します。 Amazon Personalize は、推奨事項の作成、検索結果のパーソナライズ、顧客をセグメント化して、電子メールまたはプッシュ通知による直接のパーソナライズされたマーケティングを行うことができます。
• Amazon Forecast (プレビュー): パーソナライゼーションと同様に、予測は歴史的に曖昧な技術であり、顧客は過去のデータに基づいてサプライ チェーン、在庫レベル、製品需要の将来の傾向を予測しようとしてきました。 Amazon Personalize と同様に、Amazon Forecast は、多くの主要な予測機能のために Amazon が開発したテクノロジーに基づいています。多くの場合、相互に関連する要因（価格、イベント、さらには天気など）が非常に多いため、予測を正確に行うことは困難です。不正確な予測は、顧客のニーズを満たせなかったり、大幅に支出を超過したりするなど、重大な結果を招く可能性があります。 Amazon Forecast は正確な時系列予測を作成します。 Amazon Forecast は、履歴データと関連因果データを使用して、カスタムおよびプライベートの機械学習予測モデルを自動的にトレーニング、調整、デプロイし、支出を最適化しながら適切な顧客体験を提供しているという自信を顧客に提供します。

Cox Automotive は Cox Enterprises の子会社であり、Kelley Blue Book、Xtime、Autotrader.com、Manheim など、Cox のグローバル自動車事業のすべてが含まれます。 「Cox Automotive では、世界中で自動車が購入、販売、取引される方法を変えることに注力しています。自動車ソリューションをさらに近代化するために、Amazon Textract を活用して自動車取引のスピードを加速させています」と、Cox Automotive の CTO である Bryan Landerman 氏は述べています。 「Amazon Textract を使用すると、ローン申請書や自動車の所有権などのドキュメントやフォームのデータを自動的に取得して検証できるため、意思決定を迅速化できます。これにより、お客様の作業が軽減され、メーカーから購入者まで、すべての人にとってプロセスが簡素化されます。」

Alfresco は、プロセス自動化、コンテンツ管理、情報ガバナンス ソフトウェアを提供する大手エンタープライズ オープン ソース プロバイダーです。 「Alfresco では、お客様にとって文書処理とコンテンツ管理を可能な限り簡単にしたいと考えています。文書管理システムは入力された情報に基づいて機能するため、デジタル化された文書から重要な情報を自動的かつ正確に抽出できる基礎ツールが不可欠です」と、Alfresco の CTO 兼創設者である John Newton 氏は述べています。 「以前は、OCR テクノロジーに基づいてカスタムソリューションを開発し、関心のあるデータを抽出していましたが、これには大規模な手動トレーニングが必要でした。このプロセスには貴重な時間とリソースが費やされましたが、やらなければなりませんでした。Amazon Textract を使用すると、ドキュメントやスプレッドシートの情報からテキストだけでなく、実際の貴重な情報も自動的に抽出できるため、データ入力を自動化し、ビジネス上の意思決定を迅速化できます。Amazon Textract により、データの整合性、セキュリティコンプライアンスが向上し、ビジネスプロセスをこれまで以上に迅速に開始できるようになります。最も重要なのは、これにより、お客様のデジタル変革の取り組みをより適切に支援できるようになることです。」

ベス・イスラエル・ディーコネス医療センター (BIDMC) は、ハーバード大学医学部の患者ケア、教育、研究の関連施設であり、国立衛生研究所の資金提供を受けている米国の独立系病院のトップに常にランクされています。 BIDMC はボストン レッドソックスの公式病院でもあります。 「BIDMC には常時使用されている手術用ベッドが 490 台以上あります。私たちは、患者がタイムリーなケアを受けられるように、手術を迅速かつ成功裏に完了するよう努めています。しかし、患者が手術前に記入する必要のある病歴および身体検査 (H&P) フォームを電子医療記録 (EHR) で見つけるのが難しいため、多くの手術がキャンセルまたは延期されています。この問題に対処するために、Amazon Comprehend Medical の使用を開始しました。これにより、主要な医療テキストを使用して EHR システムのデータを簡単に検索できます。私たちのチームは現在、臨床スタッフに適切なプロンプトを表示して H&P フォームをすばやく見つけることができます。その結果、貴重な時間を大幅に節約し、患者とその家族にとって不便な延期やキャンセルの可能性を防ぐのに役立っています。」

ノーベル賞受賞者 3 名を擁するフレッド ハッチンソンがん研究センターでは、世界的に有名な科学者の学際的なチームが、がん、HIV/AIDS、その他の生命を脅かす病気を予防、診断、治療するための新しい革新的な方法を模索しています。 「がんを治すのは本質的に時間の問題であり、がん患者とがんと闘う研究者にとっては貴重な資源です」とフレッド・ハッチンソンがん研究センターの最高情報責任者、マシュー・トランネル氏は語った。 「臨床試験を開発し、適切な患者に結びつけるプロセスでは、研究チームが大量の非構造化医療記録データを精査し、ラベル付けする必要があります。Amazon Comprehend Medical は、その時間を数時間から数秒に短縮します。これは、研究者が必要なときに必要な情報に迅速にアクセスできるようにするための重要なステップであり、患者の命を救う治療につながる実用的な洞察を見つけることができます。」

PwC は 158 か国に事務所を持ち、25 万人以上の従業員が高品質の保証、コンサルティング、税務サービスの提供に携わっています。 「Amazon Comprehend Medical により、より少ない経費でより良い結果を達成できるようになりました」と、PwC のヘルスケア AI リーダーである Matt Rich 氏は述べています。 「Comprehend Medical をお客様と使用することで、ラベル付け、トレーニング、およびモデルの再トレーニングに費やす時間を減らし、よりスマートなアプリケーションの構築に集中できます。お客様にとって、非常に手作業の多いタスクを大規模に正確に実行できることは、より効果的なソリューションを開発することを可能にします。たとえば、ある製薬会社のお客様は、サンプル サイズが限られた環境で Comprehend Medical を使用して、医学的に関連するイベントを特定できる情報を抽出しています。初期調査では、処理速度が以前よりも大幅に高速化していることがわかっています。」

Domino's Pizza Enterprises Ltd. は、あらゆるコミュニティで食品のインターネットのリーダーとなることをビジョンとするオーストラリア最大のピザ チェーンです。 「ドミノ・ピザでは、顧客がすべての活動の中心であり、私たちはブランドに対する顧客の体験を改善し、高めるために常に努力しています」とドミノ・ピザのグローバル戦略・インサイト責任者、マリカ・クリシュナムルシー氏は語った。 「Amazon Personalize と Amazon Pinpoint を併用することで、これまでは不可能だった方法で、顧客ベース全体にわたって大規模なパーソナライゼーションを提供できるようになりました。Amazon Personalize を使用すると、各顧客とそのコンテキストに関する情報を活用して、デジタルチャネル全体で特別オファーやプロモーションなどのカスタマイズされたコミュニケーションを提供できます。」

Mercado Libre は、ラテンアメリカを代表するオンライン商取引および決済プラットフォームです。 「当社は Amazon Forecast の最先端のディープラーニング アルゴリズムを使用して、50,000 種類を超えるさまざまな製品の需要をすぐに予測しています」と、Mercado Libre のビジネス インテリジェンス責任者である Adrian Quilis 氏は述べています。 「Amazon Forecast は、パイプラインの構築、スケジュールの再トレーニング、予測の再生成といった面倒な作業をすべて実行してくれるので、何百ものモデルを非常に簡単に試すことができます。」

原題: Amazon Web Services、機械学習推論用カスタムチップや開発者向け 1/18 スケールの自動運転レースカーなど、13 の新しい機械学習サービスと機能を発表

リンク: https://press.aboutamazon.com/news-releases/news-release-details/amazon-web-services-announces-13-new-machine-learning-services

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください。