西雅圖--今天在 AWS re:Invent 大會上，Amazon.com 旗下公司（納斯達克股票代碼：AMZN）宣布了五項新的人工智能 (AI) 服務，旨在將機器學習納入更多應用程序開發人員和最終用戶的手中——無需機器學習經驗。 AWS 推出了使用 AI 的新服務，以允許更多開發人員應用機器學習來創造更好的最終用戶體驗，包括新的機器學習驅動的企業搜索、代碼審查和分析、欺詐檢測、醫學轉錄和人工智能預測的人工審查。要了解有關 AWS 的 AI 服務的更多信息，請訪問。

“臨床文檔的極高準確性對于工作流程和整體護理人員滿意度至關重要”

機器學習繼續快速增長，如今有成千上萬的客戶在 AWS 上進行機器學習（是第二大云提供商的兩倍），其中包括許多選擇使用 AWS 完全托管的 AI 服務的客戶，例如 Alfresco , Bayer Crop Science, Cerner, CJ Cox Automotive, C-SPAN, Deloitte, Domino's, Emirates NBD, Fred Hutchinson Cancer Research Center, FICO, FINRA, Gallup, Kelley Blue Book, Kia, Mainichi Newspapers Co, NASA, PricewaterhouseCoopers, White House歷史協會和左拉。在過去的一年里，AWS 推出了幾項全新的完全托管的 AI 服務，例如 Amazon Personalize 和 Amazon Forecast，讓客戶能夠受益于亞馬遜消費者業務所使用的相同的個性化和預測機器學習技術，以增強其屢獲殊榮的客戶體驗。 AWS 客戶有興趣從 Amazon 大規模使用機器學習的豐富經驗中學習，以改進運營并提供更好的客戶體驗，而無需訓練、調整和部署他們自己的自定義機器學習模型。今天，AWS 宣布推出五項新的人工智能服務，這些服務基于亞馬遜在機器學習方面的豐富經驗，允許所有行業的各種規模的組織在其企業中采用機器學習——無需機器學習經驗。

Amazon Kendra 通過機器學習重塑企業搜索

盡管多年來進行了多次嘗試，但內部搜索仍然是當今企業的一個棘手問題，大多數員工仍然經常難以找到他們需要的信息。組織擁有大量的非結構化文本數據，如果可以發現、以多種格式存儲并分布在不同的數據源（例如 Sharepoint、Intranet、Amazon S3 和本地文件存儲系統），其中的大部分都非常有用。即使有廣泛使用的基于 Web 的通用搜索工具，組織仍然發現內部搜索很困難，因為沒有一個可用工具能很好地跨現有數據孤島建立索引，不提供自然語言查詢，也不能提供準確的結果。當員工有問題時，他們需要使用可能出現在不同上下文中的多個文檔中的關鍵字，這些搜索通常會生成一長串隨機鏈接，然后員工必須對其進行篩選以找到他們尋求的信息——如果他們在全部。

Amazon Kendra 通過允許員工使用真實問題（而不僅僅是關鍵字）在多個數據孤島中進行搜索，并在幕后部署 AI 技術來提供他們尋求的精確答案（而不是隨機鏈接列表），從而徹底改造了企業搜索。員工可以使用自然語言進行搜索（關鍵字仍然有效，但大多數用戶更喜歡自然語言搜索）。例如，員工可以提出一個特定的問題，例如“IT 服務臺什么時候開放？” ，Amazon Kendra 會給他們一個具體的答案，例如“IT 幫助臺在上午 9:30 開放” ，以及返回到 IT 票務門戶和其他相關網站的鏈接?？蛻艨梢栽谄鋺贸绦?、門戶和 wiki 中使用 Amazon Kendra。只需在 AWS 管理控制臺中單擊幾下，客戶就可以將 Amazon Kendra 指向他們的各種文檔存儲庫，該服務會聚合數 PB 的數據以構建集中索引。 Kendra 通過掃描文檔的權限來幫助確保搜索結果符合現有的文檔訪問策略，以便搜索結果僅包含用戶有權訪問的文檔。此外，Amazon Kendra 會根據客戶的具體情況積極重新訓練其機器學習模型，以使用點擊數據、用戶位置和反饋來提高準確性，以便隨著時間的推移提供更好的答案。要了解有關 Amazon Kendra 的更多信息，請訪問。

Amazon CodeGuru通過使用機器學習提供自動代碼審查來改進軟件開發，并幫助組織找到最昂貴的代碼行

就像亞馬遜一樣，AWS 客戶編寫了大量代碼。軟件開發是一個很好理解的過程。開發人員編寫代碼、審查代碼、編譯代碼并部署應用程序、測量應用程序的性能，并使用這些數據來改進代碼。然后，他們沖洗并重復。然而，如果代碼一開始就不正確，所有這些過程都無關緊要，這就是為什么團隊在將新代碼添加到現有應用程序代碼庫之前執行代碼審查以檢查邏輯、語法和樣式的原因。即使對于像亞馬遜這樣的大型組織，考慮到每天編寫的代碼量，擁有足夠多經驗豐富的開發人員和足夠的空閑時間來進行代碼審查也是一項挑戰。即使是最有經驗的審閱者在進入面向客戶的應用程序之前也會錯過問題，從而導致錯誤和性能問題。

Amazon CodeGuru 是一項新的機器學習服務，可自動執行代碼審查并查找應用程序中最昂貴的代碼行。 Amazon CodeGuru 有兩個組件——代碼審查和應用程序分析。對于代碼審查，開發人員像往常一樣提交他們的代碼（現在支持 GitHub 和 CodeCommit，隨著時間的推移會有更多存儲庫）并將 Amazon CodeGuru 添加為代碼審查者之一，無需對正常流程或要安裝的軟件進行其他更改。 Amazon CodeGuru 收到一個拉取請求，并自動開始使用預訓練模型評估代碼，這些模型已經在 Amazon 數十年的代碼審查和 GitHub 上的前一萬個開源項目中進行了訓練。 Amazon CodeGuru 將審查代碼更改的質量，如果發現問題，它將在拉取請求中添加人類可讀的注釋，以標識代碼行、特定問題和建議的補救措施，包括示例代碼和相關鏈接文檔。

Amazon CodeGuru 還包含一個機器學習支持的應用程序分析器，可幫助客戶找到最昂貴的代碼行。首先，客戶在他們的應用程序中安裝一個小型的低配置代理，以便 Amazon CodeGuru 可以觀察應用程序運行時間并每五分鐘分析一次應用程序代碼。此代碼配置文件包括延遲和 CPU 利用率的詳細信息，直接鏈接回特定的代碼行。 Amazon CodeGuru 可以幫助操作員找到應用程序中最昂貴的代碼行，并生成火焰圖，幫助直觀地識別造成性能瓶頸的其他代碼行。多年來，Amazon 的內部團隊使用 Amazon CodeGuru 分析了 80,000 多個應用程序的代碼。從 2017 年到 2018 年，Amazon CodeGuru 內部版本的廣泛使用幫助亞馬遜消費者業務的 Amazon Prime Day 團隊提高了應用效率，CPU 利用率提高了 325%，減少了管理 Prime 所需的實例數量天，整體成本降低 39%。 要了解有關 Amazon CodeGuru 的更多信息，請訪問。

Amazon Fraud Detector 使用機器學習提供自動欺詐檢測

世界各地的組織每年因欺詐而損失數百億美元。如今，許多 AWS 客戶投資于大型、昂貴的欺詐管理系統。這些系統通常基于手工編碼的規則，這些規則耗時、定制成本高，并且隨著欺詐模式的變化難以保持最新——所有這些都會導致系統的準確性低于預期。這導致組織拒絕將好客戶視為欺詐者，進行成本更高的欺詐審查，并錯失降低欺詐率的機會。 20 多年來，亞馬遜一直在使用包括機器學習在內的復雜技術來檢測欺詐交易，并理解這是一場持續不斷的與欺詐行為者的貓捉老鼠游戲，需要大量資源來構建防御并不斷發展它們。 AWS 客戶詢問 AWS 是否可以分享其專業知識和經驗。

Amazon Fraud Detector 提供完全托管的服務，用于實時檢測潛在的在線身份和支付欺詐，基于亞馬遜消費者業務使用的相同技術，無需機器學習經驗。 Amazon Fraud Detector 使用欺詐和合法交易的歷史數據來構建、訓練和部署機器學習模型，以提供實時、低延遲的欺詐風險預測。首先，客戶將交易數據上傳到 Amazon Simple Storage Service (S3) 以自定義模型的訓練?？蛻糁恍杼峁┡c交易相關的電子郵件地址和 IP 地址，并且可以選擇添加其他數據（例如賬單地址或電話號碼）。根據客戶想要預測的欺詐類型（新賬戶或在線支付欺詐），Amazon Fraud Detector 將使用數十年來大規模運行欺詐檢測風險分析的經驗對數據進行預處理、選擇算法并訓練模型在亞馬遜。 Amazon Fraud Detector 還使用基于機器學習的數據檢測器，這些數據檢測器是根據來自 Amazon 的數據進行訓練的。這些數據檢測器有助于識別通常與亞馬遜欺詐活動相關的模式（例如異常的電子郵件命名約定），以幫助提高訓練模型的準確性，即使客戶提供給 Amazon Fraud Detector 的欺詐示例數量很少。 Amazon Fraud Detector 訓練模型并將其部署到完全托管的私有應用程序編程接口 (API) 端點?？蛻艨梢韵?API 發送新活動（例如注冊或新購買）并接收欺詐報告，其中包括欺詐風險評分。根據該報告，應用程序可以確定正確的行動方案（例如接受購買，或將其傳遞給人工審核）。借助 Amazon Fraud Detector，客戶可以更快、更輕松、更準確地檢測欺詐行為。要了解有關 Amazon Fraud Detector 的更多信息，請訪問。

Amazon Transcribe Medical 使用機器學習來轉錄醫學語音，使醫療保健提供者能夠專注于患者護理

今天，作為日常職責的一部分，醫生需要將詳細的數據輸入電子健康記錄 (EHR) 系統。然而，幫助他們準確記錄和記錄患者遭遇的解決方案并不理想。在許多醫院，醫生必須將醫療記錄口述到錄音機中，然后將這些語音文件提交給第三方手動轉錄服務，這很昂貴，并且可能需要多達三個工作日，從而總體上延遲了文檔工作流程。另一種選擇是利用現有的前端聽寫軟件，但現有的工具是有限的，醫生最終仍然每天花費幾個小時在臨床文檔上。第三種選擇是醫療保健提供者雇用人工抄寫員來協助醫生在與患者會面時做筆記，但人工抄寫員可能會讓患者感到不安，醫生經常提到他們的輸出不完善，醫療組織難以大規模安排和協調抄寫員。現有的解決方案在提高臨床文檔效率和實現更好的患者護理方面都存在不足。

Amazon Transcribe Medical 通過使用機器學習技術自動轉錄自然醫學語音來解決這些問題。基于 Amazon Transcribe Medical 的語音轉文本功能構建的臨床文檔應用程序可生成準確且經濟實惠的成績單。 Amazon Transcribe Medical 由多個機器學習模型組成，這些模型已經過數萬小時的醫學語音訓練，可提供準確的、機器學習驅動的醫學轉錄。成績單是實時生成的，消除了多天的周轉時間。 Amazon Transcribe Medical 可以幫助醫生在與患者會面期間自動轉錄對話，而不會分散手動記筆記的注意力，從而使醫療保健提供者能夠專注于患者護理。醫生可以自然地說話，Amazon Transcribe Medical 使用內置的自動標點符號來克服現有轉錄軟件的限制。對于醫療保健提供商而言，基于 Amazon Transcribe Medical 構建的語音解決方案可擴展到數千個潛在的醫療中心，從而消除管理和協調臨時抄寫員的運營痛苦。 Amazon Transcribe Medical 符合 HIPAA 標準，并提供易于使用的 API，可與支持語音的應用程序和任何帶麥克風的設備集成。 Amazon Transcribe Medical 的文本輸出也可供其他 AWS 服務使用，例如自然語言處理服務 Amazon Comprehend Medical，在最終進入 EHR 系統之前進行下游數據分析。要開始使用 Amazon Transcribe Medical，請訪問 。

Amazon 增強型人工智能 (A2I) 允許開發人員與人工審核員一起驗證機器學習預測

機器學習可以為各種用例提供高度準確的預測，包括識別圖像中的對象、從掃描文檔中提取文本或轉錄和理解口語。在每種情況下，機器學習模型都提供了一個預測和一個置信度分數，它表達了模型在其預測中的確定性。置信度越高，結果越可信。對于許多用例，當開發人員收到高置信度的結果時，他們可以相信結果可能是準確的，并且可以自動處理它們（例如，在社交網絡上自動審核用戶生成的內容，或為視頻添加字幕）。然而，在置信度低于預期的情況下，由于預測結果存在一些模糊性，結果可能需要人工審查來解決這種模糊性。機器學習和人工審閱者之間的這種相互作用對于機器學習系統的成功至關重要，但人工審閱具有挑戰性且大規模構建和運營成本高昂，通常涉及多個工作流程步驟、用于管理人工審閱任務和結果的定制軟件以及招聘并管理大量審稿人。因此，開發人員有時會花費更多時間來管理人工審查過程，而不是構建他們的預期應用程序，或者他們不得不放棄人工審查，這會導致對許多預測的信心和效用降低。

Amazon 增強型人工智能 (A2I) 是一項新服務，可讓您更輕松地為機器學習應用程序構建和管理人工評論。 Amazon A2I 為常見的機器學習任務（例如圖像中的對象檢測、語音轉錄和內容審核）提供了預構建的人工審核工作流程，從而可以更輕松地對來自 Amazon Rekognition 和 Amazon Textract 的機器學習預測進行人工審核。開發人員為他們的特定應用程序選擇一個置信度閾值，所有置信度分數低于閾值的預測都會自動發送給人工審閱者進行驗證。開發人員可以選擇讓 Amazon Mechanical Turk 的 500,000 名全球員工、擁有預授權員工的第三方組織（包括 Startek、iVision、CapeStart Inc.、Cogito 和 iMerit）或他們自己的私人評論員執行他們的評論。結果存儲在 Amazon S3 中，開發人員在審核完成時會收到通知，以便他們可以根據人工審核人員的可信結果采取行動。 Amazon A2I 為所有開發人員帶來人工審查，消除了與構建和管理自定義審查管道或招募大量人工審查員相關的無差別繁重工作。要開始使用 Amazon A2I，請訪問。

“不同行業的公司告訴我們，他們希望利用亞馬遜在機器學習方面的豐富經驗來解決他們作為企業持續面臨的一些共同挑戰。這些挑戰包括內部搜索、幫助軟件開發人員編寫更好的代碼、識別欺詐交易以及提高所有機器學習系統的整體質量，”AWS 亞馬遜機器學習副總裁 Swami Sivasubramanian 說。 “憑借在構建機器學習系統方面數十年的經驗，亞馬遜創建了成功應對此類挑戰的內部系統，而今天的發布是推動這些系統開發的同一客戶癡迷的下一次迭代。通過這些發布，我們很高興能夠將這些機器學習驅動的功能提供給企業用戶，而無需任何機器學習專業知識?！?/p>

3M 是一家跨國公司和領先的產品制造商，產品包括磨料、化學品和先進材料、薄膜、過濾器、粘合劑等。 3M 以協作的方式應用科學，每天都在改善生活。 “研發是 3M 的心臟，我們對使我們強大的科學進行了深入投資。當我們的材料科學家領導新研究時，他們需要訪問可能相關的過去研究。這些信息通常隱藏在我們的專利和廣泛的知識庫，”3M 公司研究系統實驗室技術總監 David Frazee 說?！安檎艺_的信息通常很費力、很耗時，有時甚至不完整。借助 Amazon Kendra，我們的科學家可以使用自然語言快速準確地找到他們需要的信息“通過 Kendra，我們的工程師和研究人員對快速查找信息的能力充滿熱情，這將使他們能夠更快地進行創新，更有效地協作，并加速為我們的客戶提供獨特產品的持續流。”

Workgrid Software 是 Liberty Mutual 的全資子公司，在員工體驗平臺中提供軟件解決方案，以使工作更加互聯、高效和富有成效。 “我們的核心產品之一是 Workgrid 聊天機器人，它使員工能夠使用友好的自然語言界面快速獲得頻繁查詢的答案并自動執行任務。任何企業聊天機器人的一個關鍵部分是能夠回答無數問題來自員工，這就是為什么 Workgrid 提供了一個不需要編程語言的自助問答構建器，內容作者可以訓練聊天機器人來回答員工的問題。除了這些策劃的內容，我們還想為 Workgrid 提供一種方式聊天機器人可以輕松地從企業中存在的大量文檔（例如 PDF 文檔）中提取知識，”Workgrid Software 云工程和人工智能負責人 Gillian McCann 說?！坝辛?Amazon Kendra，我們對這種可能性感到興奮的客戶快速高效地獲得所需的答案。Amazon Kendra 可以直接從跨多個存儲庫的非結構化數據中提取答案，并且作為快速跟蹤我們向客戶提供準確、比以前更好的答案的潛力。我們很高興探索將 Amazon Kendra 的智能搜索與我們提供的會話上下文和任務自動化相結合，以創造強大的員工體驗?！?/p>

英國廣播公司是廣播行業的世界領先者。他們將 BBC 的景象和聲音帶到了世界各地。 BBC 首席技術和產品官 Matthew Postgate 表示：“作為一家全球媒體組織，我們每天 24 小時管理 PB 級視頻并運行實時操作。Amazon CodeGuru 以及我們團隊使用的其他開發工具，將有助于確保我們繼續為我們的受眾提供強大、可靠的服務，并在任何問題發生之前發現它們。它還將幫助我們深入了解服務如何與 AWS 平臺交互，從而允許團隊重構和優化他們的代碼，以便為人們提供他們期望 BBC 提供的服務。”

Apptio SaaS 解決方案可幫助組織在分析、計劃和優化投資以轉變其 IT 運營模式時做出明智的決策。 Apptio 首席產品官 Scott Chancellor 表示：“為我們的客戶提供高度可用、無錯誤的服務對于我們的成功至關重要。 “我們一直在尋找工具來改變我們的組織，以便在我們的應用程序開發生命周期的各個階段更主動地檢測問題，提高我們的開發速度，并花費更少的時間來解決并發、資源泄漏和性能瓶頸等難題。我們試用了 Amazon CodeGuru，發現它提供了在早期開發階段主動解決這些問題的建議。此外，通過指出降低我們服務速度的代碼區域，我們減少了解決與性能相關的缺陷的時間。這些改進將幫助我們為所有客戶提供更好的體驗。”

SmugMug+Flickr 是世界上最大和最有影響力的以攝影師為中心的平臺。 “SmugMug 和 Flickr 一起是世界上最大和最有影響力的以攝影師為中心的平臺，專為專業攝影師和攝影愛好者打造，在欣賞他人作品的同時展示自己的作品。從第一天開始，SmugMug 的熱情就一直在尋找方法讓攝影師能夠講述他們想講述的故事，以及他們想如何講述。當您以我們的規模運營時，性能是圖像處理、分類和搜索的重中之重，”SmugMug+Flickr 的首席執行官兼首席 Geek 唐·麥克阿斯基爾說。 “Amazon CodeGuru 的實時分析有助于對我們服務的低效部分進行故障排除和識別，特別是應用程序中昂貴的代碼行，這會減慢它們的速度，并幫助我們提供有關如何更改和優化它們的建議。借助 CodeGuru 的建議，我們能夠重組我們的代碼，使其高度可維護，并提高我們的服務性能?！?/p>

嘉信理財是一家領先的投資服務公司。 “檢測在線欺詐活動是一項永無止境的挑戰，因為不良行為者不斷創造新的攻擊媒介。我們的使命是領先于不良行為者，保護我們的客戶，”Charles Schwab & Co., Inc. 欺詐監控與調查副總裁 Kara H. Suro 說?！拔覀儗?Amazon Fraud Detector 的推出感到興奮。它將使構建機器學習工具來發現欺詐活動變得更快、更容易；我們預計我們的欺詐預防率將顯著提高。一旦實施，欺詐檢測器將有助于從我們的歷史數據中識別欺詐模式，以及利用亞馬遜檢測欺詐的經驗?！?/p>

Vacasa 是北美最大的全方位服務度假租賃管理公司，在 17 個國家/地區擁有 23,000 多個度假屋，每年為超過 200 萬客人提供服務。 Vacasa 創始人兼首席執行官 Eric Breon 表示：“自成立以來，我們利用技術使我們的本地團隊能夠專注于照顧家庭和客人，同時為度假屋業主帶來最大的收入?！?“我們對 Amazon Fraud Detector 的推出感到興奮，因為這意味著我們可以更輕松地使用先進的機器學習技術來準確檢測欺詐性預訂。保護我們的‘前門’免受潛在傷害，使我們能夠專注于讓度假租賃體驗無縫且無憂?！?/p>

Cerner 是健康信息技術解決方案、服務和設備的領先供應商。 Cerner Corporation 解決方案策略師 Jacob Geers 表示：“臨床文檔的極高準確性對于工作流程和整體護理人員滿意度至關重要?！?“通過利用 Amazon Transcribe Medical 的轉錄 API，Cerner 正在初步開發一種數字語音抄寫員，該抄寫員可以自動聆聽臨床醫生與患者的互動，并以文本形式不顯眼地捕捉對話。從那里開始，我們的解決方案將智能地翻譯概念，以便進入 Cerner EHR 系統中的編碼組件。”

Suki 是一個人工智能驅動的語音數字助理，可以減輕醫生的行政負擔。 Suki AI, Inc. 首席執行官 Punit Soni 說：“臨床文檔與醫療數據工作流有關，幫助臨床醫生更有效地記錄筆記是關鍵。我們可以輕松地將我們的臨床數字助理與 Amazon Transcribe Medical 集成，讓醫生能夠聽寫醫療筆記，從而將花費在臨床文檔上的精力平均減少了 76%。他們的時間最好花在照顧病人上，而不是做數據錄入工作?！?/p>

SoundLines 是 HealthChannels 公司家族的一部分，將直觀的人工智能技術與臨床專業知識聯系起來。利用數據提供更加個性化的護理，同時提高提供者和護理團隊助理的效率。通過數據驅動分析和先進理念的成功結合，以及近二十年的經驗，HealthChannels 已支持數百萬患者就診。 “SoundLines 通過將有意義且注重影響的技術（例如亞馬遜的醫學上準確的語音到文本解決方案 Amazon Transcribe Medical）整合到我們的護理團隊助理、醫療抄寫員網絡的工作流程中，為 HealthChannels 的熟練勞動力提供支持，和導航器。這使我們所服務的臨床醫生能夠專注于患者，而不是花費額外的周期來手動記筆記，”SoundLines 技術總裁 Vadim Khazan 說。 “Amazon Transcribe Medical 輕松集成到 HealthChannels 平臺，將其轉錄本直接輸入下游分析。對于過去 15 年依賴我們的護理團隊優化策略的 3,500 名醫療保健合作伙伴，我們顯著減少了獲取有洞察力的數據所需的時間和精力。”

安進（Amgen）是世界領先的生物技術公司之一，是一家以價值觀為基礎的公司，深深植根于科學和創新，將新的想法和發現轉化為用于嚴重疾病患者的藥物。 “在藥物警戒方面，我們希望準確審查來自患者或醫療保健提供者的電話錄音，以確定與醫藥產品相關的任何報告的潛在副作用，”安進公司觀察研究和數字健康高級數據科學家 George Seegan 說。 “Amazon Transcribe Medical 從錄音通話中生成文本轉錄本，使我們能夠提取有關藥物和任何報告的副作用的有意義的見解。通過這種方式，我們可以快速檢測、收集、評估、報告和監測不良反應，從而造福全球患者。”

作為美國的非運營商，T-Mobile US, Inc. 正在通過領先的產品和服務創新重新定義消費者和企業購買無線服務的方式。 “在 T-Mobile，我們通過客戶滿意度來衡量成功——作為非運營商，我們知道客戶在感覺我們了解并預測他們的需求并直接解決他們的痛點時最快樂，”執行副總裁兼首席信息官 Cody Sanford 說, T-Mobile。“我們的專家團隊客戶服務模型 - 或 TEX - 旨在建立個人聯系，并使用 A2I 等尖端工具來幫助我們的團隊取得成功。是的 - 機器學習會帶來更深入、更投入的關系！訪問實時上下文信息，例如帳戶詳細信息和可用折扣，使我們的團隊能夠在客戶與他們進行真實、實時的對話時代表客戶做出現場決策……完全雙贏贏！”

VidMob 是一個營銷創意平臺，可為品牌的所有創意需求提供端到端的技術解決方案。它是一個集成平臺，將首創的創意分析與一流的創意制作相結合，以轉變營銷效果。 “Vidmob 利用機器學習來分析視頻的各個方面，包括人物、物體和信息，以幫助品牌了解創意表現并構建更好的創意。然而，對于現有機器學習模型未涵蓋的維度，從我們每天分析的 PB 級數據中審查創意可能具有挑戰性，”VidMob 數據和洞察力高級副總裁 Joline McGoldrick 說。 “憑借我們目前訓練有素的創意評估人員隊伍，使用 A2I，我們可以更快地優化和微調我們的預測模型。這種效率讓我們能夠接觸到大量的審稿人，并將模型推向市場的速度提高了 3 倍?！?/p>

關于亞馬遜網絡服務

13 年來，Amazon Web Services 一直是世界上最全面、應用最廣泛的云平臺。 AWS 提供超過 165 個全功能

點擊咨詢現在有哪些新興平臺值得關注 >>>

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。