मिशन-महत्वपूर्ण ग्राहक चुनौतियों को हल करने के लिए एडब्ल्यूएस एक्सेलेरेटर में स्टार्टअप एआई और एमएल का उपयोग करते हैं

प्रौद्योगिकी में निरंतर प्रगति मनुष्यों और उद्यमों की निर्णय लेने की क्षमता में समान रूप से सुधार कर रही है। भौतिक दुनिया के डिजिटलीकरण ने डेटा के तीन आयामों को तेज कर दिया है: वेग, विविधता और मात्रा। इसने जानकारी को पहले की तुलना में अधिक व्यापक रूप से उपलब्ध कराया है, जिससे समस्या-समाधान में प्रगति की अनुमति मिलती है। अब, क्लाउड-सक्षम लोकतांत्रिक उपलब्धता के साथ, कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) जैसी प्रौद्योगिकियां मनुष्यों और मशीनों द्वारा निर्णय लेने की गति और सटीकता को बढ़ाने में सक्षम हैं।

सार्वजनिक क्षेत्र की तुलना में निर्णयों की यह गति और सटीकता कहीं अधिक महत्वपूर्ण नहीं है, जहां रक्षा, स्वास्थ्य सेवा, एयरोस्पेस और स्थिरता के संगठन दुनिया भर के नागरिकों को प्रभावित करने वाली चुनौतियों का समाधान कर रहे हैं। कई सार्वजनिक क्षेत्र के ग्राहक इन चुनौतियों का समाधान करने के लिए एआई/एमएल का उपयोग करने के लाभों को देखते हैं, लेकिन समाधानों की श्रेणी से अभिभूत हो सकते हैं। AWS ने सार्वजनिक क्षेत्र के ग्राहकों की अनूठी चुनौतियों को पूरा करने वाली तकनीकों के साथ स्टार्टअप खोजने और विकसित करने के लिए AWS एक्सेलेरेटर लॉन्च किया। सार्वजनिक क्षेत्र के ग्राहकों के लिए प्रभाव डालने वाले एडब्ल्यूएस एक्सेलेरेटर में स्टार्टअप से एआई/एमएल उपयोग के मामलों के बारे में अधिक जानने के लिए पढ़ें।

हेल्थकेयर

टुकड़े: हेल्थकेयर प्रदाता मरीजों की देखभाल में अधिक समय और कागजी कार्रवाई पर कम समय बिताना चाहते हैं। टुकड़े, और एडब्ल्यूएस हेल्थकेयर एक्सेलेरेटर स्टार्टअप, स्वास्थ्य के सामाजिक निर्धारकों को संबोधित करने और रोगी देखभाल में सुधार के लिए इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) डेटा से इनपुट, प्रबंधन, स्टोर, व्यवस्थित करना और अंतर्दृष्टि प्राप्त करना आसान बनाने के लिए एडब्ल्यूएस का उपयोग करता है। एआई, नेचुरल लैंग्वेज प्रोसेसिंग (एनएलपी), और चिकित्सकीय रूप से समीक्षा किए गए एल्गोरिदम के साथ, पीस अनुमानित अस्पताल से छुट्टी की तारीखें, डिस्चार्ज के लिए प्रत्याशित नैदानिक ​​और गैर-नैदानिक ​​​​बाधाएं, और रीडमिशन का जोखिम प्रदान कर सकते हैं। पीस सेवाएं स्वास्थ्य सेवा प्रदाताओं को सरल भाषा में अंतर्दृष्टि प्रदान करती हैं और देखभाल टीमों को अधिक कुशलता से काम करने में मदद करने के लिए रोगियों के नैदानिक ​​मुद्दों की स्पष्टता को अनुकूलित करती हैं। टुकड़ों के अनुसार, सॉफ्टवेयर रोगी को छुट्टी देने में आने वाली बाधाओं की पहचान करने में 95% सकारात्मक भविष्यवाणी देता है, और एक अस्पताल में, रोगी अस्पताल में रहने की अवधि को औसतन 2 दिनों तक कम करने की क्षमता दिखाई है।

टुकड़े का उपयोग करता है अमेज़ॅन इलास्टिक कम्प्यूट क्लाउड (अमेज़ॅन ईसी 2), अमेज़न रिलेशनल डेटाबेस सर्विस (अमेज़न आरडीएस), और Apache Kafka के लिए Amazon प्रबंधित स्ट्रीमिंग (अमेज़ॅन एमएसके) स्ट्रीम किए गए नैदानिक ​​डेटा को एकत्र करने और संसाधित करने के लिए। टुकड़े का उपयोग करता है अमेज़ॅन इलास्टिक कुबेरनेट्स सेवा (अमेज़न ईकेएस), अमेज़न ओपन सर्च सर्विस, तथा Apache Airflow के लिए Amazon प्रबंधित वर्कफ़्लो (अमेज़ॅन एमडब्ल्यूएए) बड़े पैमाने पर उत्पादन में डेटा पर कई एमएल मॉडल चलाने के लिए।

पीईपी स्वास्थ्य: रोगी का अनुभव एक प्रमुख प्राथमिकता है, लेकिन रोगी की प्रतिक्रिया एकत्र करना एक चुनौती हो सकती है। पीईपी हेल्थ, में एक स्टार्टअप एडब्ल्यूएस हेल्थकेयर एक्सेलेरेटर का यूके समूह, लाखों ऑनलाइन, सार्वजनिक रूप से पोस्ट की गई रोगी टिप्पणियों का विश्लेषण करने, उत्सव या चिंता के क्षेत्रों को उजागर करने वाले स्कोर उत्पन्न करने और रोगी संतुष्टि में सुधार या गिरावट के कारणों की पहचान करने के लिए एनएलपी तकनीक का उपयोग करता है। इस डेटा का उपयोग अनुभवों को बेहतर बनाने, बेहतर परिणाम प्राप्त करने और रोगी की आवाज को लोकतांत्रिक बनाने के लिए किया जा सकता है।

पीईपी स्वास्थ्य उपयोग करता है AWS लाम्बा, AWS फरगेट, और Amazon EC2 सैकड़ों हज़ारों वेबपृष्ठों से रीयल टाइम में जानकारी अंतर्ग्रहण करने के लिए। मालिकाना एनएलपी मॉडल के साथ बनाया और चलता है अमेज़न SageMaker, पीईपी हेल्थ देखभाल की गुणवत्ता के लिए प्रासंगिक विषयों की पहचान करता है और स्कोर करता है। ये परिणाम पीईपी हेल्थ के पेशेंट एक्सपीरियंस प्लेटफॉर्म और लैम्ब्डा, फारगेट, अमेज़ॅन ईसी 2, अमेज़ॅन आरडीएस, सेजमेकर, और द्वारा निर्मित और संचालित एमएल एल्गोरिदम को खिलाते हैं। अमेज़ॅन कॉग्निटो, जो संबंध विश्लेषण को सक्षम बनाता है और लोगों, स्थानों और चीजों के बीच के पैटर्न को उजागर करता है जो अन्यथा डिस्कनेक्ट हो सकते हैं।

"त्वरक के माध्यम से, पीईपी हेल्थ एडब्ल्यूएस लैम्ब्डा की शुरूआत के साथ अपने संचालन को काफी तेजी से और अधिक किफायती तरीके से एकत्र करने में सक्षम था। इसके अतिरिक्त, हम ग्राहकों के लिए और अधिक जानकारी प्राप्त करने के लिए Amazon SageMaker का उपयोग करने में सक्षम हैं।"

- मार्क लोमैक्स, पीईपी हेल्थ के सीईओ।

रक्षा और अंतरिक्ष

चंद्र चौकी: चंद्र चौकी का हिस्सा था एडब्ल्यूएस अंतरिक्ष त्वरक का उद्घाटन समूह 2021 में। कंपनी चंद्रमा के मिशन में भाग ले रही है और मोबाइल ऑटोनॉमस प्लेटफॉर्म (एमएपी) रोवर्स विकसित कर रही है जो अन्य ग्रहों के पिंडों के चरम वातावरण में जीवित रहने और नेविगेट करने में सक्षम होंगे। उन परिस्थितियों में सफलतापूर्वक नेविगेट करने के लिए जो पृथ्वी पर नहीं पाई जा सकतीं, लूनर आउटपोस्ट एआई नेविगेशन एल्गोरिदम को मान्य करने के लिए रोबोटिक सिमुलेशन का व्यापक उपयोग करता है।

चंद्र चौकी का उपयोग करता है एडब्ल्यूएस रोबोमेकर, अमेज़ॅन ईसी 2, अमेज़ॅन इलास्टिक कंटेनर रजिस्ट्री (अमेज़ॅन ईसीआर), अमेज़न सरल भंडारण सेवा (अमेज़न S3), अमेज़ॅन वर्चुअल प्राइवेट क्लाउड (अमेज़ॅन वीपीसी), लैम्ब्डा, एडब्ल्यूएस कोडबिल्ड, तथा अमेज़न क्विकसाइट चंद्र सिमुलेशन को तैनात करके रोवर्स का परीक्षण करना। जैसे ही लूनर आउटपोस्ट चंद्र सतह के लिए नेविगेशन तकनीक विकसित करता है, सिमुलेशन इंस्टेंस का विकास होता है। इन सिमुलेशन का उपयोग चंद्र मिशन के दौरान मानव ऑपरेटरों की सहायता और जोखिम कम करने के लिए किया जाएगा। चंद्र सतह से वापस स्ट्रीम किए गए डेटा को उनके सिमुलेशन में आयात किया जाएगा, जिससे रोवर की गतिविधियों का वास्तविक समय का दृश्य मिलेगा। डिजिटल एमएपी रोवर्स का सिमुलेशन भौतिक रोवर को स्थानांतरित किए बिना नेविगेशन ट्रैजेक्टोरियों के परीक्षण रन की अनुमति देता है, नाटकीय रूप से अंतरिक्ष में चलने वाले रोवर्स के जोखिम को कम करता है।

अदरगा: अदरगा, का हिस्सा पहला एडब्ल्यूएस रक्षा त्वरक समूहथिएटर प्रवेश की तैयारी और तैनाती के लिए जोखिमों और अवसरों को तेजी से समझने के लिए एआई-संचालित खुफिया मंच प्रदान कर रहा है। अदार्गा एआई का उपयोग असंरचित डेटा की बड़ी मात्रा में दबी हुई अंतर्दृष्टि को खोजने के लिए करता है, जैसे कि समाचार, प्रस्तुतियाँ, रिपोर्ट, वीडियो, और बहुत कुछ।

Adarga Amazon EC2, OpenSearch Service का उपयोग करता है, अमेज़न अरोड़ा, Amazon DocumentDB (MongoDB संगतता के साथ), अमेज़न अनुवाद, और सेजमेकर। Adarga वास्तविक समय में जानकारी प्राप्त करता है, विदेशी भाषा के दस्तावेज़ों का अनुवाद करता है, और ऑडियो और वीडियो फ़ाइलों को टेक्स्ट में ट्रांसक्रिप्ट करता है। सेजमेकर के अलावा, एडरगा लोगों, स्थानों और चीजों जैसे विवरणों को निकालने और वर्गीकृत करने के लिए मालिकाना एनएलपी मॉडल का उपयोग करता है, जानकारी को प्रासंगिक बनाने के लिए असंबद्ध तकनीकों को तैनात करता है। इन विवरणों को ग्राहकों के लिए एक गतिशील खुफिया तस्वीर में मैप किया जाता है। एडरगा के एमएल एल्गोरिदम, एडब्ल्यूएस एआई/एमएल सेवाओं के साथ, संबंध विश्लेषण को सक्षम करते हैं, ऐसे पैटर्न को उजागर करते हैं जो अन्यथा डिस्कनेक्ट हो सकते हैं।

"हमें इस अग्रणी पहल का हिस्सा बनने पर गर्व है क्योंकि हम एडब्ल्यूएस और तकनीकी खिलाड़ियों के व्यापक पारिस्थितिकी तंत्र के साथ मिलकर काम करना जारी रखते हैं, ताकि हाइपरस्केल क्लाउड द्वारा सक्षम रक्षा के लिए गेम-चेंजिंग क्षमताओं को वितरित किया जा सके।"

- रॉबर्ट बैसेट-क्रॉस, सीईओ, एडारगा

स्थायी शहर

स्मार्टहेलियो: वाणिज्यिक सौर कृषि उद्योग के भीतर, स्थापित सौर बुनियादी ढांचे के स्वास्थ्य का निर्धारण करना महत्वपूर्ण है। स्मार्टहेलियो भौतिकी और सेजमेकर को जोड़ती है ताकि ऐसे मॉडल तैयार किए जा सकें जो सौर संपत्तियों के वर्तमान स्वास्थ्य को निर्धारित करते हैं, भविष्यवाणी करते हैं कि कौन सी संपत्तियां विफल हो जाएंगी, और यह निर्धारित करें कि कौन सी संपत्ति पहले सेवा करनी है।

स्मार्टहेलियो का समाधान, एडब्ल्यूएस पर बनाया गया है, अविश्वसनीय रूप से जटिल फोटोवोल्टिक भौतिकी और बिजली प्रणालियों का विश्लेषण करता है। Amazon S3 पर एक डेटा लेक सौर खेतों, इंटरनेट ऑफ थिंग्स (IoT) उपकरणों, या तृतीय-पक्ष सामग्री प्रबंधन प्रणाली (CMS) पर पर्यवेक्षी नियंत्रण और डेटा अधिग्रहण (SCADA) सर्वर से वास्तविक समय के आधार पर स्ट्रीम किए गए अरबों डेटा बिंदुओं को संग्रहीत करता है। मंच। स्मार्टहेलियो अपने ग्राहकों को तुरंत बुद्धिमान अंतर्दृष्टि प्रदान करते हुए, पैटर्न को पहचानने, सौर कृषि स्वास्थ्य की मात्रा निर्धारित करने और वास्तविक समय के आधार पर खेत के नुकसान की भविष्यवाणी करने के लिए गहन शिक्षण मॉडल चलाने के लिए सेजमेकर का उपयोग करता है।

पहली बार चुने जाने के बाद एडब्ल्यूएस सस्टेनेबल सिटीज एक्सेलेरेटर कोहोर्ट, SmartHelio ने नए ग्राहकों के साथ कई पायलट हासिल किए। सीईओ गोविंदा उपाध्याय के शब्दों में, "एडब्ल्यूएस एक्सेलेरेटर ने हमें बाजारों, सलाहकारों, संभावित ग्राहकों और निवेशकों के लिए वैश्विक एक्सपोजर दिया।"

ऑटोमोटस: ऑटोमोटस कंप्यूटर विज़न तकनीक का उपयोग करता है ताकि ड्राइवरों को वास्तविक समय में देखने की क्षमता प्रदान की जा सके, यदि कर्ब स्पेस उपलब्ध हो, तो पार्किंग की खोज में लगने वाले समय को काफी कम कर देता है। Automotus द्वारा संचालित कंप्यूटर विज़न सेंसर के बेड़े का उपयोग करके शहरों और हवाई अड्डों को उनके प्रतिबंधों का प्रबंधन और मुद्रीकरण करने में मदद करता है AWS IoT ग्रीनग्रास. ऑटोमोटस के सेंसर प्रशिक्षण डेटा को अमेज़ॅन एस 3 पर अपलोड करते हैं, जहां लैम्ब्डा द्वारा संचालित वर्कफ़्लो नए मॉडल के प्रशिक्षण और मौजूदा में सुधार के लिए जटिल डेटासेट बनाने के लिए नमूना डेटा को अनुक्रमित करता है।

ऑटोमोटस अपने कंप्यूटर विज़न मॉडल प्रशिक्षण प्रक्रिया को स्वचालित और कंटेनरीकृत करने के लिए सेजमेकर का उपयोग करता है, जिसके आउटपुट को एक सरल, स्वचालित प्रक्रिया का उपयोग करके किनारे पर वापस तैनात किया जाता है। इन प्रशिक्षित मॉडलों से लैस, ऑटोमोटस सेंसर का उपयोग करके क्लाउड को मेटाडेटा भेजते हैं AWS IoT कोर, कर्ब गतिविधि के बारे में विस्तृत जानकारी को उजागर करना और कर्ब पर पूरी तरह से स्वचालित बिलिंग और प्रवर्तन को सक्षम करना। साथ एक ग्राहकऑटोमोटस ने प्रवर्तन दक्षता और राजस्व में 500% से अधिक की वृद्धि की, जिसके परिणामस्वरूप पार्किंग कारोबार में 24% की वृद्धि हुई और यातायात में 20% की कमी आई।

AI/ML और स्टार्टअप्स के लिए आगे क्या है

ग्राहकों ने चुनौतियों की एक विस्तृत श्रृंखला को हल करने के लिए एआई/एमएल को अपनाया है, जो प्रौद्योगिकी की प्रगति और निर्णय लेने में सुधार के लिए डेटा का उपयोग करने में ग्राहकों के बढ़ते विश्वास का एक प्रमाण है। AWS एक्सेलेरेटर्स का लक्ष्य ग्राहकों को विचार-मंथन करने और महत्वपूर्ण समस्या बयानों को साझा करने और इन ग्राहकों के साथ स्टार्टअप को खोजने और जोड़ने में मदद करके AI / ML समाधानों के त्वरण और अपनाने को जारी रखना है।

अपने स्टार्टअप के माध्यम से जनता की भलाई के लिए समाधानों को आगे बढ़ाने के इच्छुक हैं? या एक विघटनकारी समाधान की आवश्यकता में एक चुनौती है? निर्णय लेने वाले नवाचारों को चलाने के लिए उपलब्ध AWS एक्सेलेरेटर और अन्य संसाधनों के बारे में अधिक जानने के लिए आज ही AWS वर्ल्डवाइड पब्लिक सेक्टर वेंचर कैपिटल और स्टार्टअप टीम से जुड़ें।

---

लेखक के बारे में

स्वामी शिवसुब्रमण्यम AWS में डेटा और मशीन लर्निंग के उपाध्यक्ष हैं। इस भूमिका में, स्वामी सभी AWS डेटाबेस, एनालिटिक्स और AI और मशीन लर्निंग सेवाओं की देखरेख करते हैं। उनकी टीम का मिशन संगठनों को अपने डेटा को स्टोर करने, एक्सेस करने, विश्लेषण करने और कल्पना करने और भविष्यवाणी करने के लिए एक पूर्ण, एंड-टू-एंड डेटा समाधान के साथ काम करने में मदद करना है।

मनप्रीत मट्टू अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में वर्ल्ड वाइड पब्लिक सेक्टर के लिए वेंचर कैपिटल और स्टार्टअप बिजनेस डेवलपमेंट के ग्लोबल हेड हैं। उन्हें अग्रणी प्रौद्योगिकी और गैर-तकनीकी क्षेत्रों में उद्यम निवेश और अधिग्रहण में 15 वर्षों का अनुभव है। तकनीक से परे, मनप्रीत की रुचि इतिहास, दर्शन और अर्थशास्त्र तक है। वह एक धीरज धावक भी है।