Startups in AWS Accelerators gebruiken AI en ML om missiekritieke klantuitdagingen op te lossen

De meedogenloze vooruitgang in technologie verbetert de besluitvormingscapaciteit van zowel mensen als bedrijven. De digitalisering van de fysieke wereld heeft de drie dimensies van data versneld: snelheid, variëteit en volume. Hierdoor is informatie op grotere schaal beschikbaar dan voorheen, waardoor er vooruitgang is geboekt bij het oplossen van problemen. Nu, met cloud-enabled gedemocratiseerde beschikbaarheid, kunnen technologieën zoals kunstmatige intelligentie (AI) en machine learning (ML) de snelheid en nauwkeurigheid van besluitvorming door mensen en machines verhogen.

Nergens is deze snelheid en nauwkeurigheid van beslissingen belangrijker dan in de publieke sector, waar organisaties op het gebied van defensie, gezondheidszorg, ruimtevaart en duurzaamheid uitdagingen oplossen die gevolgen hebben voor burgers over de hele wereld. Veel klanten in de publieke sector zien de voordelen van het gebruik van AI/ML om deze uitdagingen aan te gaan, maar kunnen overweldigd worden door het scala aan oplossingen. AWS lanceerde AWS Accelerators om startups te vinden en te ontwikkelen met technologieën die voldoen aan de unieke uitdagingen van klanten in de publieke sector. Lees verder voor meer informatie over AI/ML-gebruiksscenario's van startups in de AWS Accelerator die een impact hebben op klanten in de publieke sector.

Gezondheidszorg

Pieces: Zorgverleners willen meer tijd besteden aan de zorg voor patiënten en minder tijd aan papierwerk. stukken, en AWS Gezondheidszorgversneller startup, maakt gebruik van AWS om het invoeren, beheren, opslaan, organiseren en verkrijgen van inzicht uit elektronische gezondheidsgegevens (EPD) te vergemakkelijken om sociale gezondheidsdeterminanten aan te pakken en de patiëntenzorg te verbeteren. Met AI, natuurlijke taalverwerking (NLP) en klinisch beoordeelde algoritmen kan Pieces voorzien in verwachte ontslagdata uit het ziekenhuis, verwachte klinische en niet-klinische belemmeringen voor ontslag en het risico op heropname. Pieces-services bieden zorgverleners ook inzichten in duidelijke taal en optimaliseren de duidelijkheid van klinische problemen van patiënten om zorgteams te helpen efficiënter te werken. Volgens stukken, levert de software een 95% positieve voorspelling bij het identificeren van belemmeringen voor het ontslag van patiënten, en in één ziekenhuis heeft het aangetoond dat het ziekenhuisverblijf van patiënten met gemiddeld 2 dagen kan verminderen.

Stukken gebruikt Amazon Elastic Compute-cloud (Amazone EC2), Amazon relationele databaseservice (Amazon RDS), en Amazon Managed Streaming voor Apache Kafka (Amazon MSK) voor het verzamelen en verwerken van gestreamde klinische gegevens. Stukken gebruikt Amazon Elastic Kubernetes-service (Amazone EKS), Amazon OpenSearch-service en Door Amazon beheerde workflows voor Apache Airflow (Amazon MWAA) om meerdere ML-modellen op grote schaal uit te voeren op gegevens in productie.

PEP Gezondheid: Patiëntervaring is een topprioriteit, maar het verzamelen van feedback van patiënten kan een uitdaging zijn. PEP Health, een startup in de Het Britse cohort van AWS Healthcare Accelerator, maakt gebruik van NLP-technologie om miljoenen online, publiekelijk geplaatste opmerkingen van patiënten te analyseren, scores te genereren die gebieden voor viering of zorg benadrukken en de redenen voor het verbeteren of verminderen van de patiënttevredenheid te identificeren. Deze gegevens kunnen worden gebruikt om ervaringen te verbeteren, betere resultaten te behalen en de stem van de patiënt te democratiseren.

PEP Health gebruikt AWS Lambda, AWS Fargate, en Amazon EC2 om in realtime informatie op te nemen van honderdduizenden webpagina's. Met gepatenteerde NLP-modellen die zijn gebouwd en waarop wordt uitgevoerd Amazon Sage Maker, PEP Health identificeert en scoort thema's die relevant zijn voor de kwaliteit van zorg. Deze resultaten voeden PEP Health's Patient Experience Platform en ML-algoritmen gebouwd en aangedreven door Lambda, Fargate, Amazon EC2, Amazon RDS, SageMaker en Amazon Cognito, die relatieanalyse mogelijk maken en patronen blootleggen tussen mensen, plaatsen en dingen die anders misschien niet verbonden lijken.

“Door de accelerator kon PEP Health zijn activiteiten aanzienlijk opschalen met de introductie van AWS Lambda om sneller en betaalbaarder meer opmerkingen te verzamelen. Bovendien hebben we Amazon SageMaker kunnen gebruiken om meer inzichten voor klanten te verkrijgen.”

– Mark Lomax, CEO van PEP Health.

Defensie en ruimte

Lunaire Buitenpost: Lunar Outpost maakte deel uit van de Het inaugurele cohort van AWS Space Accelerator in 2021. Het bedrijf neemt deel aan missies naar de maan en ontwikkelt Mobile Autonomous Platform (MAP) rovers die in staat zullen zijn om te overleven en te navigeren in de extreme omgevingen van andere planetaire lichamen. Om succesvol te navigeren in omstandigheden die op aarde niet te vinden zijn, maakt Lunar Outpost uitgebreid gebruik van robotsimulaties om AI-navigatie-algoritmen te valideren.

Lunar Outpost gebruikt AWS RoboMaker, Amazon EC2, Amazon Elastic Container-register (Amazone ECR), Amazon eenvoudige opslagservice (Amazone S3), Amazon virtuele privécloud (Amazon VPC), Lambda, AWS CodeBuild en Amazon QuickSight om rovers te testen door maansimulaties in te zetten. Terwijl Lunar Outpost navigatietechnologieën voor het maanoppervlak ontwikkelt, worden simulatie-instanties op gang gebracht. Deze simulaties zullen worden gebruikt tijdens maanmissies om menselijke operators te helpen en het risico te verminderen. Gegevens die vanaf het maanoppervlak worden teruggestreamd, worden geïmporteerd in hun simulatie, waardoor ze een realtime beeld krijgen van de activiteiten van de rover. Simulatie van digitale MAP-rovers maakt proefritten van navigatietrajecten mogelijk zonder de fysieke rover te verplaatsen, waardoor de risico's van bewegende rovers in de ruimte drastisch worden verminderd.

Adarga: Adarga, onderdeel van de eerste AWS Defense Accelerator-cohort, levert een AI-gestuurd intelligentieplatform om snel inzicht te krijgen in risico's en kansen voor de voorbereiding en implementatie van theatertoegang. Adarga gebruikt AI om inzichten te vinden die verborgen liggen in grote hoeveelheden ongestructureerde gegevens, zoals nieuws, presentaties, rapporten, video's en meer.

Adarga gebruikt Amazon EC2, OpenSearch Service, Amazon Aurora, Amazon DocumentDB (met MongoDB-compatibiliteit), Amazon Vertalenen SageMaker. Adarga neemt informatie in realtime op, vertaalt documenten in vreemde talen en zet audio- en videobestanden om in tekst. Naast SageMaker gebruikt Adarga eigen NLP-modellen om details, zoals mensen, plaatsen en dingen, te extraheren en te classificeren, waarbij ondubbelzinnige technieken worden ingezet om de informatie in een context te plaatsen. Deze details worden in kaart gebracht in een dynamisch intelligentiebeeld voor klanten. Adarga's ML-algoritmen, samen met AWS AI/ML-services, maken relatieanalyse mogelijk, waarbij patronen worden blootgelegd die anders misschien niet verbonden lijken.

"We zijn er trots op deel uit te maken van dit baanbrekende initiatief, aangezien we nauw blijven samenwerken met AWS en een breder ecosysteem van technische spelers om baanbrekende mogelijkheden voor defensie te leveren, mogelijk gemaakt door hyperscale cloud."

– Robert Bassett-Cross, CEO, Adarga

Duurzame steden

SmartHelio: Binnen de commerciële zonne-energiesector is het van cruciaal belang om de gezondheid van de geïnstalleerde zonne-infrastructuur te bepalen. SmartHelio combineert fysica en SageMaker om modellen te bouwen die de huidige gezondheid van zonne-energiebronnen bepalen, voorspellingen maken over welke activa zullen falen en proactief bepalen welke activa als eerste moeten worden onderhouden.

De oplossing van SmartHelio, gebouwd op AWS, analyseert ongelooflijk complexe fotovoltaïsche fysica en energiesystemen. Een datameer op Amazon S3 slaat miljarden datapunten op die in realtime worden gestreamd vanaf Supervisory Control and Data Acquisition (SCADA)-servers op zonneparken, Internet of Things (IoT)-apparaten of Content Management Systems (CMS) van derden platformen. SmartHelio gebruikt SageMaker om diepgaande leermodellen uit te voeren om patronen te herkennen, de gezondheid van zonneparken te kwantificeren en boerderijverliezen in realtime te voorspellen, waardoor klanten onmiddellijk intelligente inzichten krijgen.

Na geselecteerd te zijn voor de eerste AWS Sustainable Cities Accelerator-cohort, heeft SmartHelio verschillende pilots afgesloten met nieuwe klanten. In de woorden van CEO Govinda Upadhyay: "de AWS Accelerator gaf ons wereldwijde bekendheid aan markten, mentoren, potentiële klanten en investeerders."

Automobiel: Automotus maakt gebruik van computer vision-technologie om bestuurders de mogelijkheid te geven om in realtime te zien of er stoeprand beschikbaar is, waardoor de tijd die wordt besteed aan het zoeken naar een parkeerplaats aanzienlijk wordt verkort. Automotus helpt steden en luchthavens om hun stoepranden te beheren en er geld mee te verdienen met behulp van een reeks computer vision-sensoren aangedreven door AWS IoT Greengrass. De sensoren van Automotus uploaden trainingsgegevens naar Amazon S3, waar een workflow, mogelijk gemaakt door Lambda, voorbeeldgegevens indexeert om complexe datasets te creëren voor het trainen van nieuwe modellen en het verbeteren van bestaande modellen.

Automotus gebruikt SageMaker om het trainingsproces voor computervisiemodellen te automatiseren en te containeriseren, waarvan de output via een eenvoudig, geautomatiseerd proces terug naar de rand wordt geïmplementeerd. Uitgerust met deze getrainde modellen, sturen Automotus-sensoren metadata naar de cloud met behulp van AWS IoT-kern, het blootleggen van gedetailleerde inzichten over stoeprandactiviteiten en het mogelijk maken van volledig geautomatiseerde facturering en handhaving aan de stoeprand. Met één klant, Automotus verhoogde de handhavingsefficiëntie en de omzet met meer dan 500%, resulterend in een stijging van 24% van de parkeeromzet en een vermindering van 20% van het verkeer.

Wat biedt de toekomst voor AI/ML en startups

Klanten hebben AI/ML omarmd om een ​​breed spectrum aan uitdagingen op te lossen, wat een bewijs is van de vooruitgang van de technologie en het toegenomen vertrouwen dat klanten hebben in het gebruik van data om de besluitvorming te verbeteren. AWS Accelerators streven ernaar om de versnelling en acceptatie van AI/ML-oplossingen voort te zetten door klanten te helpen brainstormen en kritieke probleemstellingen te delen, en startups te vinden en met deze klanten in contact te brengen.

Geïnteresseerd in het bevorderen van oplossingen voor het algemeen belang via uw startup? Of heb je een uitdaging die een disruptieve oplossing nodig heeft? Neem vandaag nog contact op met het AWS Worldwide Public Sector Venture Capital en Startups-team voor meer informatie over AWS Accelerators en andere bronnen die beschikbaar zijn om besluitvormingsinnovaties te stimuleren.

---

Over de auteurs

Swami Sivasubramaniaan is Vice President Data en Machine Learning bij AWS. In deze rol houdt Swami toezicht op alle AWS Database-, Analytics- en AI & Machine Learning-services. De missie van zijn team is om organisaties te helpen hun data aan het werk te zetten met een complete, end-to-end data-oplossing om op te slaan, toegang te krijgen, te analyseren, te visualiseren en te voorspellen.

Manpreet Mattu is de Global Head voor Venture Capital en Startups Business Development voor de wereldwijde publieke sector bij Amazon Web Services (AWS). Hij heeft 15 jaar ervaring in venture-investeringen en acquisities in toonaangevende technologie- en niet-technische segmenten. Naast technologie omvat Manpreet's interesse ook geschiedenis, filosofie en economie. Hij is ook een duurloper.