Startups nos AWS Accelerators usam IA e ML para resolver desafios de missão crítica dos clientes

O avanço implacável da tecnologia está melhorando a capacidade de tomada de decisão tanto dos seres humanos quanto das empresas. A digitalização do mundo físico acelerou as três dimensões dos dados: velocidade, variedade e volume. Isso tornou as informações mais amplamente disponíveis do que antes, permitindo avanços na resolução de problemas. Agora, com a disponibilidade democratizada habilitada para nuvem, tecnologias como inteligência artificial (IA) e aprendizado de máquina (ML) são capazes de aumentar a velocidade e a precisão da tomada de decisões por humanos e máquinas.

Em nenhum lugar esta velocidade e precisão das decisões são mais importantes do que no sector público, onde organizações de defesa, saúde, aeroespacial e sustentabilidade estão a resolver desafios que afectam cidadãos em todo o mundo. Muitos clientes do setor público veem os benefícios do uso de IA/ML para enfrentar esses desafios, mas podem ficar sobrecarregados com a variedade de soluções. A AWS lançou AWS Accelerators para encontrar e desenvolver startups com tecnologias que atendam aos desafios exclusivos dos clientes do setor público. Continue lendo para saber mais sobre casos de uso de IA/ML de startups no AWS Accelerator que estão causando impacto para clientes do setor público.

Assistência médica

Pieces: Os prestadores de cuidados de saúde querem passar mais tempo cuidando dos pacientes e menos tempo cuidando da papelada. Pedaços, um Acelerador AWS Healthcare startup, usa a AWS para facilitar a entrada, o gerenciamento, o armazenamento, a organização e a obtenção de insights dos dados do Registro Eletrônico de Saúde (EHR) para abordar os determinantes sociais da saúde e melhorar o atendimento ao paciente. Com IA, processamento de linguagem natural (PNL) e algoritmos revisados ​​clinicamente, o Pieces pode fornecer datas projetadas de alta hospitalar, barreiras clínicas e não clínicas previstas para alta e risco de readmissão. Os serviços Pieces também fornecem insights aos profissionais de saúde em linguagem simples e otimizam a clareza dos problemas clínicos dos pacientes para ajudar as equipes de atendimento a trabalhar com mais eficiência. De acordo com peças, o software fornece uma previsão positiva de 95% na identificação de barreiras à alta dos pacientes e, num hospital, demonstrou a sua capacidade de reduzir o tempo de internamento dos pacientes em média em 2 dias.

Usos de peças Amazon Elastic Compute Nuvem (Amazônia EC2), Serviço de banco de dados relacional da Amazon (Amazon RDS) e Amazon Managed Streaming para Apache Kafka (Amazon MSK) para coleta e processamento de dados clínicos transmitidos. Usos de peças Serviço Amazon Elastic Kubernetes (Amazon EKS), Serviço Amazon OpenSearch e Fluxos de trabalho gerenciados da Amazon para Apache Airflow (Amazon MWAA) para executar vários modelos de ML em dados em produção em escala.

PEP Saúde: A experiência do paciente é uma prioridade fundamental, mas coletar feedback dos pacientes pode ser um desafio. PEP Health, uma startup do setor Coorte do Reino Unido do AWS Healthcare Accelerator, usa tecnologia de PNL para analisar milhões de comentários de pacientes publicados on-line, gerando pontuações que destacam áreas de comemoração ou preocupação e identificando os motivos para melhorar ou diminuir a satisfação do paciente. Esses dados podem ser usados ​​para melhorar experiências, gerar melhores resultados e democratizar a voz do paciente.

PEP Saúde usa AWS Lambda, AWS Fargatee Amazon EC2 para ingerir informações em tempo real de centenas de milhares de páginas da web. Com modelos proprietários de PNL construídos e executados Amazon Sage Maker, o PEP Health identifica e pontua temas relevantes para a qualidade do atendimento. Esses resultados alimentam a plataforma de experiência do paciente e algoritmos de ML da PEP Health desenvolvidos e desenvolvidos por Lambda, Fargate, Amazon EC2, Amazon RDS, SageMaker e Amazon Cognito, que permitem a análise de relacionamentos e revelam padrões entre pessoas, lugares e coisas que de outra forma poderiam parecer desconectados.

“Por meio do acelerador, a PEP Health conseguiu dimensionar significativamente suas operações com a introdução do AWS Lambda para coletar mais comentários de forma mais rápida e econômica. Além disso, conseguimos usar o Amazon SageMaker para obter mais insights para os clientes.”

– Mark Lomax, CEO da PEP Health.

Defesa e espaço

Posto Avançado Lunar: Posto Avançado Lunar fazia parte do Coorte inaugural do AWS Space Accelerator em 2021. A empresa está participando de missões à Lua e desenvolvendo rovers de Plataforma Autônoma Móvel (MAP) que serão capazes de sobreviver e navegar nos ambientes extremos de outros corpos planetários. Para navegar com sucesso em condições que não podem ser encontradas na Terra, o Lunar Outpost faz uso extensivo de simulações robóticas para validar algoritmos de navegação de IA.

Posto Avançado Lunar usa AWS RoboMaker, Amazon EC2, Registro do Amazon Elastic Container (Amazon ECR), Serviço de armazenamento simples da Amazon (Amazon S3), Nuvem virtual privada da Amazon (Amazon VPC), Lambda, AWS CodeBuild e AmazonQuickSight para testar rovers implantando simulações lunares. À medida que o Lunar Outpost desenvolve tecnologias de navegação para a superfície lunar, instâncias de simulação são criadas. Essas simulações serão usadas durante missões lunares para auxiliar os operadores humanos e diminuir o risco. Os dados transmitidos da superfície lunar serão importados para a simulação, proporcionando uma visão em tempo real das atividades do rover. A simulação de rovers MAP digitais permite testes de trajetórias de navegação sem mover o rover físico, reduzindo drasticamente os riscos de movimentação de rovers no espaço.

Adarga: Adarga, parte do primeiro grupo do AWS Defense Accelerator, está fornecendo uma plataforma de inteligência baseada em IA para compreender rapidamente os riscos e oportunidades de preparação e implantação de entrada no teatro de operações. Adarga usa IA para encontrar insights enterrados em grandes volumes de dados não estruturados, como notícias, apresentações, relatórios, vídeos e muito mais.

Adarga usa Amazon EC2, OpenSearch Service, Aurora Amazônica, Amazon DocumentDB (com compatibilidade com MongoDB), Amazon Tradutore SageMaker. Adarga ingere informações em tempo real, traduz documentos em idiomas estrangeiros e transcreve arquivos de áudio e vídeo em texto. Além do SageMaker, a Adarga usa modelos proprietários de PNL para extrair e classificar detalhes, como pessoas, lugares e coisas, implantando técnicas de desambiguação para contextualizar as informações. Esses detalhes são mapeados em uma imagem de inteligência dinâmica para os clientes. Os algoritmos de ML da Adarga, juntamente com os serviços de IA/ML da AWS, permitem a análise de relacionamento, revelando padrões que de outra forma poderiam parecer desconectados.

“Estamos orgulhosos de fazer parte desta iniciativa pioneira à medida que continuamos a trabalhar em estreita colaboração com a AWS e um ecossistema mais amplo de players de tecnologia para fornecer recursos revolucionários para a defesa, habilitados pela nuvem em hiperescala.”

-Robert Bassett-Cross, CEO, Adarga

Cidades sustentáveis

SmartHelio: Dentro da indústria comercial de fazendas solares, é fundamental determinar a saúde da infraestrutura solar instalada. SmartHelio combina física e SageMaker para construir modelos que determinam a saúde atual dos ativos solares, construir previsões sobre quais ativos irão falhar e determinar proativamente quais ativos atender primeiro.

A solução da SmartHelio, desenvolvida na AWS, analisa física fotovoltaica e sistemas de energia incrivelmente complexos. Um data lake no Amazon S3 armazena bilhões de pontos de dados transmitidos em tempo real a partir de servidores de controle de supervisão e aquisição de dados (SCADA) em fazendas solares, dispositivos de Internet das Coisas (IoT) ou sistemas de gerenciamento de conteúdo (CMS) de terceiros. plataformas. A SmartHelio usa o SageMaker para executar modelos de aprendizagem profunda para reconhecer padrões, quantificar a saúde de fazendas solares e prever perdas em fazendas em tempo real, fornecendo insights inteligentes instantaneamente aos seus clientes.

Depois de ser selecionado para o primeiro Coorte do AWS Sustainable Cities Accelerator, a SmartHelio garantiu vários pilotos com novos clientes. Nas palavras do CEO Govinda Upadhyay, “o AWS Accelerator nos deu exposição global a mercados, mentores, clientes em potencial e investidores”.

Automoto: A Automotus usa tecnologia de visão computacional para dar aos motoristas a capacidade de visualizar em tempo real se há espaço disponível no meio-fio, reduzindo significativamente o tempo gasto na procura de estacionamento. A Automotus ajuda cidades e aeroportos a gerenciar e monetizar suas calçadas usando uma frota de sensores de visão computacional alimentados por AWS IoT Greengrass. Os sensores da Automotus carregam dados de treinamento para o Amazon S3, onde um fluxo de trabalho alimentado pelo Lambda indexa dados de amostra para criar conjuntos de dados complexos para treinar novos modelos e melhorar os existentes.

A Automotus usa o SageMaker para automatizar e conteinerizar seu processo de treinamento de modelo de visão computacional, cujos resultados são implantados de volta à borda usando um processo simples e automatizado. Equipados com esses modelos treinados, os sensores Automotus enviam metadados para a nuvem usando Núcleo da AWS IoT, descobrindo insights granulares sobre a atividade na calçada e permitindo faturamento e fiscalização totalmente automatizados na calçada. Com um cliente, a Automotus aumentou a eficiência e a receita da fiscalização em mais de 500%, resultando em um aumento de 24% na rotatividade de estacionamento e uma redução de 20% no tráfego.

O que vem por aí para IA/ML e startups

Os clientes adotaram a IA/ML para resolver um amplo espectro de desafios, o que é uma prova do avanço da tecnologia e da maior confiança que os clientes têm no uso de dados para melhorar a tomada de decisões. Os aceleradores da AWS visam continuar a aceleração e adoção de soluções de IA/ML, ajudando os clientes a debater ideias e compartilhar declarações de problemas críticos, além de encontrar e conectar startups com esses clientes.

Interessado em desenvolver soluções para o bem público por meio de sua startup? Ou tem um desafio que precisa de uma solução disruptiva? Conecte-se hoje mesmo com a equipe mundial de capital de risco e startups do setor público da AWS para saber mais sobre os aceleradores da AWS e outros recursos disponíveis para impulsionar inovações na tomada de decisões.

---

Sobre os autores

Swami Sivasubramanian é vice-presidente de dados e aprendizado de máquina da AWS. Nessa função, Swami supervisiona todos os serviços de banco de dados, análise e IA e machine learning da AWS. A missão de sua equipe é ajudar as organizações a colocar seus dados para funcionar com uma solução de dados completa e de ponta a ponta para armazenar, acessar, analisar, visualizar e prever.

Manpreet Mattu é o chefe global de capital de risco e desenvolvimento de negócios de startups para o setor público mundial na Amazon Web Services (AWS). Ele tem 15 anos de experiência em investimentos de risco e aquisições em segmentos tecnológicos e não tecnológicos de ponta. Além da tecnologia, o interesse de Manpreet abrange história, filosofia e economia. Ele também é um corredor de resistência.