تستخدم الشركات الناشئة عبر AWS Accelerators الذكاء الاصطناعي والتعلم الآلي لحل تحديات العملاء ذات المهام الحرجة

يؤدي التقدم المستمر في التكنولوجيا إلى تحسين قدرة البشر والشركات على اتخاذ القرار على حد سواء. لقد أدت رقمنة العالم المادي إلى تسريع الأبعاد الثلاثة للبيانات: السرعة والتنوع والحجم. وقد أدى ذلك إلى جعل المعلومات متاحة على نطاق أوسع من ذي قبل، مما سمح بالتقدم في حل المشكلات. والآن، مع التوافر الديمقراطي القائم على السحابة، أصبحت تقنيات مثل الذكاء الاصطناعي (AI) والتعلم الآلي (ML) قادرة على زيادة سرعة ودقة اتخاذ القرار من قبل البشر والآلات.

لا توجد سرعة ودقة في اتخاذ القرارات أكثر أهمية من القطاع العام، حيث تعمل المؤسسات في مجالات الدفاع والرعاية الصحية والفضاء والاستدامة على حل التحديات التي تؤثر على المواطنين في جميع أنحاء العالم. يرى العديد من عملاء القطاع العام فوائد استخدام الذكاء الاصطناعي/التعلم الآلي لمواجهة هذه التحديات، ولكن يمكن أن تغمرهم مجموعة الحلول. أطلقت AWS برنامج AWS Accelerators للعثور على الشركات الناشئة وتطويرها باستخدام تقنيات تلبي التحديات الفريدة التي يواجهها عملاء القطاع العام. تابع القراءة لمعرفة المزيد حول حالات استخدام الذكاء الاصطناعي/التعلم الآلي من الشركات الناشئة في AWS Accelerator والتي لها تأثير على عملاء القطاع العام.

الرعاية الصحية

قطع: يرغب مقدمو الرعاية الصحية في قضاء المزيد من الوقت في رعاية المرضى ووقت أقل في الأعمال الورقية. قطع، ان مسرع الرعاية الصحية من AWS تستخدم شركة Startup AWS لتسهيل إدخال بيانات السجل الصحي الإلكتروني (EHR) وإدارتها وتخزينها وتنظيمها والحصول على رؤى منها لمعالجة المحددات الاجتماعية للصحة وتحسين رعاية المرضى. باستخدام الذكاء الاصطناعي ومعالجة اللغة الطبيعية (NLP) والخوارزميات التي تمت مراجعتها سريريًا، يمكن لـ Pieces توفير تواريخ الخروج المتوقعة من المستشفى، والعوائق السريرية وغير السريرية المتوقعة أمام الخروج، ومخاطر إعادة القبول. توفر خدمات القطع أيضًا رؤى لمقدمي الرعاية الصحية بلغة واضحة وتحسن وضوح المشكلات السريرية للمرضى لمساعدة فرق الرعاية على العمل بكفاءة أكبر. وفقا للقطعيقدم البرنامج تنبؤًا إيجابيًا بنسبة 95% في تحديد العوائق التي تحول دون خروج المريض، وفي أحد المستشفيات، أظهر البرنامج قدرته على تقليل مدة إقامة المريض في المستشفى في المتوسط ​​بمقدار يومين.

استخدامات القطع الأمازون الحوسبة المرنة السحابية (Amazon EC2) ، خدمة قاعدة بيانات الأمازون (Amazon RDS) و Amazon Managed Streaming لأباتشي كافكا (Amazon MSK) لجمع ومعالجة البيانات السريرية المتدفقة. استخدامات القطع خدمة أمازون مطاطا Kubernetes (Amazon EKS) ، خدمة Amazon OpenSearchو تدفقات عمل أمازون المدارة لتدفق أباتشي (Amazon MWAA) لتشغيل نماذج تعلم الآلة المتعددة على البيانات في الإنتاج على نطاق واسع.

صحة بيب: تجربة المريض هي أولوية رئيسية، ولكن جمع تعليقات المرضى يمكن أن يشكل تحديًا. PEP Health، شركة ناشئة في مجموعة AWS Healthcare Accelerator في المملكة المتحدة، يستخدم تقنية البرمجة اللغوية العصبية لتحليل الملايين من تعليقات المرضى المنشورة علنًا عبر الإنترنت، وإنشاء درجات تسلط الضوء على مجالات الاحتفال أو الاهتمام، وتحديد أسباب تحسين رضا المرضى أو انخفاضه. ويمكن استخدام هذه البيانات لتحسين التجارب وتحقيق نتائج أفضل وإضفاء الطابع الديمقراطي على صوت المريض.

يستخدم PEP الصحة AWS لامدا, AWS فارجيتوAmazon EC2 لاستيعاب المعلومات في الوقت الفعلي من مئات الآلاف من صفحات الويب. مع نماذج البرمجة اللغوية العصبية (NLP) الخاصة التي تم إنشاؤها وتشغيلها الأمازون SageMaker، PEP Health يحدد ويسجل الموضوعات ذات الصلة بجودة الرعاية. تغذي هذه النتائج منصة تجربة المريض الخاصة بـ PEP Health وخوارزميات ML التي تم إنشاؤها وتشغيلها بواسطة Lambda وFargate وAmazon EC2 وAmazon RDS وSageMaker و أمازون كوجنيتو، والتي تتيح تحليل العلاقات والكشف عن الأنماط بين الأشخاص والأماكن والأشياء التي قد تبدو منفصلة.

"من خلال المسرع، تمكنت PEP Health من توسيع نطاق عملياتها بشكل كبير مع تقديم AWS Lambda لجمع المزيد من التعليقات بشكل أسرع وبتكلفة أقل. بالإضافة إلى ذلك، تمكنا من استخدام Amazon SageMaker لاستخلاص المزيد من الأفكار للعملاء.

– مارك لوماكس، الرئيس التنفيذي لشركة PEP Health.

الدفاع والفضاء

البؤرة القمرية: المخفر القمري كان جزءًا من المجموعة الافتتاحية لـ AWS Space Accelerator في عام 2021. وتشارك الشركة في مهمات إلى القمر وتعمل على تطوير مركبات متنقلة ذاتية التحكم (MAP) ستكون قادرة على البقاء والتنقل في البيئات القاسية للأجسام الكوكبية الأخرى. للتنقل بنجاح في ظروف لا يمكن العثور عليها على الأرض، تستخدم Lunar Outpost عمليات المحاكاة الآلية على نطاق واسع للتحقق من صحة خوارزميات التنقل المستندة إلى الذكاء الاصطناعي.

يستخدم المخفر القمري أوس روبوماكرأمازون إي سي 2, سجل الأمازون المرنة للحاويات (أمازون ECR) ، خدمة تخزين أمازون البسيطة (Amazon S3) ، سحابة أمازون الافتراضية الخاصة (أمازون VPC)، لامدا، AWS كود البناءو أمازون QuickSight لاختبار المركبات الجوالة من خلال نشر عمليات المحاكاة القمرية. بينما تقوم Lunar Outpost بتطوير تقنيات الملاحة لسطح القمر، يتم إنشاء حالات المحاكاة. سيتم استخدام عمليات المحاكاة هذه خلال المهام القمرية لمساعدة المشغلين البشريين وتقليل المخاطر. سيتم استيراد البيانات المتدفقة من سطح القمر إلى محاكاتها، مما يوفر رؤية في الوقت الفعلي لأنشطة المركبة. تتيح محاكاة مركبات MAP الرقمية إجراء عمليات تشغيل تجريبية لمسارات الملاحة دون تحريك العربة الجوالة الفعلية، مما يقلل بشكل كبير من مخاطر تحريك العربات الجوالة في الفضاء.

أدارجا: أدارجا، جزء من أول مجموعة AWS Defense Acceleratorتقدم منصة استخباراتية تعتمد على الذكاء الاصطناعي لفهم المخاطر والفرص بسرعة للتحضير لدخول المسرح ونشره. يستخدم Adarga الذكاء الاصطناعي للعثور على رؤى مدفونة ضمن كميات كبيرة من البيانات غير المنظمة، مثل الأخبار والعروض التقديمية والتقارير ومقاطع الفيديو والمزيد.

يستخدم Adarga Amazon EC2 وخدمة OpenSearch، أمازون أورورا, Amazon DocumentDB (مع التوافق مع MongoDB), ترجمة أمازونو سيج ميكر. Adarga يستوعب المعلومات في الوقت الحقيقي، ويترجم وثائق اللغة الأجنبية، وينسخ ملفات الصوت والفيديو إلى نص. بالإضافة إلى SageMaker، تستخدم Adarga نماذج البرمجة اللغوية العصبية (NLP) الخاصة لاستخراج التفاصيل وتصنيفها، مثل الأشخاص والأماكن والأشياء، ونشر تقنيات إزالة الغموض لوضع المعلومات في سياقها. يتم تعيين هذه التفاصيل في صورة استخباراتية ديناميكية للعملاء. تعمل خوارزميات ML الخاصة بـ Adarga، جنبًا إلى جنب مع خدمات AWS AI/ML، على تمكين تحليل العلاقات، والكشف عن الأنماط التي قد تبدو منفصلة.

"نحن فخورون بأن نكون جزءًا من هذه المبادرة الرائدة بينما نواصل العمل بشكل وثيق مع AWS ونظام بيئي أوسع من اللاعبين التقنيين لتقديم قدرات تغير قواعد اللعبة في مجال الدفاع، والتي يتم تمكينها بواسطة السحابة واسعة النطاق."

– روبرت باسيت كروس، الرئيس التنفيذي لشركة Adarga

المدن المستدامة

سمارت هيليو: في صناعة مزارع الطاقة الشمسية التجارية، من المهم تحديد مدى صحة البنية التحتية للطاقة الشمسية المثبتة. تجمع SmartHelio بين الفيزياء وSageMaker لبناء نماذج تحدد الحالة الحالية لأصول الطاقة الشمسية، وتبني تنبؤات بشأن الأصول التي ستفشل، وتحدد بشكل استباقي الأصول التي يجب خدمتها أولاً.

يقوم حل SmartHelio، المبني على AWS، بتحليل الفيزياء الكهروضوئية وأنظمة الطاقة المعقدة بشكل لا يصدق. تقوم بحيرة البيانات في Amazon S3 بتخزين مليارات نقاط البيانات المتدفقة في الوقت الفعلي من خوادم التحكم الإشرافي والحصول على البيانات (SCADA) في مزارع الطاقة الشمسية، أو أجهزة إنترنت الأشياء (IoT)، أو أنظمة إدارة المحتوى (CMS) التابعة لجهات خارجية. المنصات. تستخدم SmartHelio SageMaker لتشغيل نماذج التعلم العميق للتعرف على الأنماط، وقياس صحة مزرعة الطاقة الشمسية، والتنبؤ بخسائر المزرعة على أساس الوقت الفعلي، وتقديم رؤى ذكية على الفور لعملائها.

بعد اختياره للمركز الأول مجموعة AWS المستدامة للمدن، قامت SmartHelio بتأمين العديد من الطيارين مع عملاء جدد. وعلى حد تعبير الرئيس التنفيذي جوفيندا أوبادهياي، "لقد منحنا AWS Accelerator فرصة التعرض عالميًا للأسواق والموجهين والعملاء المحتملين والمستثمرين".

أوتوموتوس: يستخدم Automotus تقنية الرؤية الحاسوبية لمنح السائقين القدرة على الرؤية في الوقت الفعلي إذا كانت مساحة الرصيف متاحة، مما يقلل بشكل كبير من الوقت الذي يقضيه البحث عن مواقف السيارات. تساعد شركة Automotus المدن والمطارات على إدارة حواجزها وتحقيق الدخل منها باستخدام أسطول من أجهزة استشعار رؤية الكمبيوتر التي تدعمها AWS تقنيات عمليات Greengrass. تقوم مستشعرات Automotus بتحميل بيانات التدريب إلى Amazon S3، حيث يقوم سير العمل المدعوم من Lambda بفهرسة بيانات العينة لإنشاء مجموعات بيانات معقدة لتدريب النماذج الجديدة وتحسين النماذج الحالية.

تستخدم شركة Automotus SageMaker لأتمتة عملية التدريب على نموذج الرؤية الحاسوبية الخاصة بها ووضعها في حاوية، حيث يتم نشر مخرجاتها مرة أخرى إلى الحافة باستخدام عملية آلية بسيطة. تقوم أجهزة استشعار Automotus، المجهزة بهذه النماذج المدربة، بإرسال البيانات الوصفية إلى السحابة باستخدام AWS إنترنت الأشياء الأساسية، والكشف عن رؤى تفصيلية حول نشاط الرصيف وتمكين الفوترة والتنفيذ الآلي بالكامل عند الرصيف. مع عميل واحد، قامت Automotus بزيادة كفاءة التنفيذ والإيرادات بأكثر من 500%، مما أدى إلى زيادة بنسبة 24% في معدل دوران مواقف السيارات وانخفاض بنسبة 20% في حركة المرور.

ما هو التالي بالنسبة للذكاء الاصطناعي/التعلم الآلي والشركات الناشئة؟

لقد تبنى العملاء الذكاء الاصطناعي/التعلم الآلي لحل مجموعة واسعة من التحديات، وهو ما يعد دليلاً على تقدم التكنولوجيا وزيادة ثقة العملاء في استخدام البيانات لتحسين عملية صنع القرار. تهدف AWS Accelerators إلى مواصلة تسريع واعتماد حلول الذكاء الاصطناعي/التعلم الآلي من خلال مساعدة العملاء على تبادل الأفكار ومشاركة بيانات المشكلات الهامة، والعثور على الشركات الناشئة وربطها بهؤلاء العملاء.

هل أنت مهتم بتطوير الحلول للصالح العام من خلال شركتك الناشئة؟ أو لديك تحدي في حاجة إلى حل تخريبي؟ تواصل مع فريق AWS Worldwide Public Sector Venture Capital والشركات الناشئة اليوم لمعرفة المزيد حول AWS Accelerators والموارد الأخرى المتاحة لدفع ابتكارات صنع القرار.

---

عن المؤلفين

سوامي سيفاسوبرامانيان هو نائب رئيس قسم البيانات والتعلم الآلي في AWS. في هذا الدور ، يشرف Swami على جميع خدمات قاعدة بيانات AWS والتحليلات والذكاء الاصطناعي والتعلم الآلي. تتمثل مهمة فريقه في مساعدة المؤسسات على وضع بياناتها للعمل باستخدام حل بيانات كامل وشامل لتخزينها والوصول إليها وتحليلها وتصورها والتنبؤ بها.

مانبريت ماتو هو الرئيس العالمي لرأس المال الاستثماري وتطوير الأعمال الناشئة للقطاع العام العالمي في Amazon Web Services (AWS). يتمتع بخبرة 15 عامًا في الاستثمارات الاستثمارية وعمليات الاستحواذ في قطاعات التكنولوجيا المتطورة وغير التقنية. إلى جانب التكنولوجيا، تشمل اهتمامات مانبريت التاريخ والفلسفة والاقتصاد. وهو أيضًا عداء التحمل.