Startupi v pospeševalnikih AWS uporabljajo AI in ML za reševanje kritičnih izzivov strank

Neizprosen napredek tehnologije izboljšuje sposobnost odločanja tako ljudi kot podjetij. Digitalizacija fizičnega sveta je pospešila tri razsežnosti podatkov: hitrost, raznolikost in obseg. Zaradi tega so informacije bolj dostopne kot prej, kar omogoča napredek pri reševanju problemov. Zdaj lahko tehnologije, kot sta umetna inteligenca (AI) in strojno učenje (ML), z demokratizirano razpoložljivostjo, ki jo omogoča oblak, povečajo hitrost in natančnost odločanja ljudi in strojev.

Nikjer nista ta hitrost in natančnost odločitev tako pomembni kot v javnem sektorju, kjer organizacije v obrambi, zdravstvu, vesolju in trajnosti rešujejo izzive, ki vplivajo na državljane po vsem svetu. Številne stranke v javnem sektorju vidijo prednosti uporabe AI/ML za reševanje teh izzivov, vendar so lahko preobremenjene z vrsto rešitev. AWS je lansiral pospeševalnike AWS za iskanje in razvoj startupov s tehnologijami, ki ustrezajo edinstvenim izzivom strank v javnem sektorju. Berite naprej, če želite izvedeti več o primerih uporabe AI/ML iz zagonskih podjetij v pospeševalniku AWS, ki vplivajo na stranke v javnem sektorju.

Zdravstveno varstvo

Kosov: Izvajalci zdravstvenih storitev želijo več časa posvetiti skrbi za paciente in manj časa papirologiji. Kosi, an AWS Healthcare Accelerator startup, uporablja AWS za lažji vnos, upravljanje, shranjevanje, organiziranje in pridobivanje vpogleda v podatke elektronskih zdravstvenih kartotek (EHR) za obravnavo družbenih dejavnikov zdravja in izboljšanje oskrbe bolnikov. Z umetno inteligenco, obdelavo naravnega jezika (NLP) in klinično pregledanimi algoritmi lahko Pieces zagotovi predvidene datume odpusta iz bolnišnice, pričakovane klinične in neklinične ovire za odpust ter tveganje ponovnega sprejema. Storitve Pieces nudijo tudi vpogled izvajalcem zdravstvenega varstva v preprostem jeziku in optimizirajo jasnost kliničnih težav pacientov, da pomagajo ekipam za oskrbo pri učinkovitejšem delu. Glede na Pieces, programska oprema zagotavlja 95-odstotno pozitivno napoved pri prepoznavanju ovir za odpust pacientov in v eni bolnišnici je pokazala svojo sposobnost skrajšanja bivanja pacientov v bolnišnici v povprečju za 2 dni.

Kosi uporabljajo Amazonski elastični računalniški oblak (Amazon EC2), Služba za relacijske baze podatkov Amazon (Amazon RDS) in Amazonovo pretakanje za Apache Kafka (Amazon MSK) za zbiranje in obdelavo pretočnih kliničnih podatkov. Kosi uporabljajo Amazonski elastični kubernetes storitev (Amazon EKS), Storitev Amazon OpenSearchin Delovni tokovi, ki jih upravlja Amazon za Apache Airflow (Amazon MWAA) za izvajanje več modelov ML na podatkih v proizvodnji v velikem obsegu.

PEP zdravje: Izkušnje pacientov so ključna prednostna naloga, vendar je zbiranje povratnih informacij pacientov lahko izziv. PEP Health, startup v Kohorta AWS Healthcare Accelerator iz Združenega kraljestva, uporablja NLP tehnologijo za analizo milijonov spletnih, javno objavljenih komentarjev pacientov, ustvarjanje rezultatov, ki poudarjajo področja, ki jih je treba veseliti ali zaskrbljujoče, in ugotavljanje razlogov za izboljšanje ali upad zadovoljstva pacientov. Te podatke je mogoče uporabiti za izboljšanje izkušenj, spodbujanje boljših rezultatov in demokratizacijo bolnikovega glasu.

PEP Health uporablja AWS Lambda, AWS Fargate, in Amazon EC2 za vnos informacij v realnem času z več sto tisoč spletnih strani. Z lastniškimi modeli NLP, zgrajenimi in delujejo naprej Amazon SageMaker, PEP Health identificira in ocenjuje teme, pomembne za kakovost oskrbe. Ti rezultati hranijo platformo za izkušnjo bolnikov PEP Health in algoritme ML, ki so jih zgradili in poganjali Lambda, Fargate, Amazon EC2, Amazon RDS, SageMaker in Amazon Cognito, ki omogočajo analizo odnosov in odkrivajo vzorce med ljudmi, kraji in stvarmi, ki se sicer morda zdijo nepovezani.

»Prek pospeševalnika je PEP Health lahko znatno povečal svoje delovanje z uvedbo AWS Lambda, da bi hitreje in cenovno ugodneje zbral več komentarjev. Poleg tega smo lahko uporabili Amazon SageMaker za pridobitev dodatnih vpogledov za stranke.«

– Mark Lomax, izvršni direktor PEP Health.

Obramba in prostor

Lunarna postojanka: Lunar Outpost je bil del Uvodna kohorta vesoljskega pospeševalnika AWS leta 2021. Podjetje sodeluje pri misijah na Luno in razvija roverje mobilne avtonomne platforme (MAP), ki bodo sposobni preživeti in krmariti v ekstremnih okoljih drugih planetarnih teles. Za uspešno navigacijo v razmerah, ki jih ni mogoče najti na Zemlji, Lunar Outpost obsežno uporablja robotske simulacije za potrditev navigacijskih algoritmov umetne inteligence.

Lunar Outpost uporablja AWS RoboMaker, Amazon EC2, Registar elastičnih zabojnikov Amazon (Amazon ECR), Preprosta storitev shranjevanja Amazon (Amazon S3), Navidezni zasebni oblak Amazon (Amazon VPC), Lambda, AWS CodeBuildin Amazon QuickSight testirati roverje z uvedbo lunarnih simulacij. Ko Lunar Outpost razvija navigacijske tehnologije za lunino površino, se pojavljajo primeri simulacije. Te simulacije bodo uporabljene med misijami na Luni za pomoč operaterjem in zmanjšanje tveganja. Podatki, ki se vračajo z lunine površine, bodo uvoženi v njihovo simulacijo, kar bo omogočilo pogled na dejavnosti roverja v realnem času. Simulacija digitalnih roverjev MAP omogoča poskusne vožnje navigacijskih trajektorij brez premikanja fizičnega roverja, kar dramatično zmanjša tveganje premikanja roverjev v vesolju.

Adarga: Adarga, del prva kohorta AWS Defense Accelerator, zagotavlja obveščevalno platformo, ki temelji na umetni inteligenci, za hitro razumevanje tveganj in priložnosti za pripravo in uvedbo vstopa v kinodvorane. Adarga uporablja AI za iskanje vpogledov, zakopanih v velike količine nestrukturiranih podatkov, kot so novice, predstavitve, poročila, videoposnetki in še več.

Adarga uporablja Amazon EC2, storitev OpenSearch, Amazonska Aurora, Amazon DocumentDB (z združljivostjo z MongoDB), Amazon prevodin SageMaker. Adarga zaužije informacije v realnem času, prevaja dokumente v tuje jezike in prepisuje avdio in video datoteke v besedilo. Poleg SageMakerja Adarga uporablja lastniške modele NLP za pridobivanje in razvrščanje podrobnosti, kot so ljudje, kraji in stvari, z uporabo tehnik razdvoumljanja za kontekstualizacijo informacij. Te podrobnosti so preslikane v dinamično obveščevalno sliko za stranke. Adargini algoritmi ML skupaj s storitvami AWS AI/ML omogočajo analizo odnosov in odkrivajo vzorce, ki se sicer zdijo nepovezani.

"Ponosni smo, da smo del te pionirske pobude, saj še naprej tesno sodelujemo z AWS in širšim ekosistemom tehnoloških igralcev, da bi obrambi zagotovili zmogljivosti, ki spreminjajo igro, kar omogoča hiperscale cloud."

– Robert Bassett-Cross, izvršni direktor, Adarga

Trajnostna mesta

SmartHelio: V komercialni industriji sončnih elektrarn je ključnega pomena določiti zdravje nameščene solarne infrastrukture. SmartHelio združuje fiziko in SageMaker za izdelavo modelov, ki določajo trenutno stanje solarnih sredstev, gradijo napovedi, katera sredstva bodo odpovedala, in proaktivno določajo, katera sredstva najprej servisirati.

Rešitev SmartHelio, zgrajena na AWS, analizira neverjetno zapleteno fotovoltaično fiziko in elektroenergetske sisteme. Podatkovno jezero na Amazon S3 shranjuje milijarde podatkovnih točk, ki se v realnem času pretakajo iz strežnikov za nadzorni nadzor in pridobivanje podatkov (SCADA) na solarnih farmah, napravah interneta stvari (IoT) ali sistemih za upravljanje vsebin (CMS) tretjih oseb. platforme. SmartHelio uporablja SageMaker za izvajanje modelov globokega učenja za prepoznavanje vzorcev, kvantificiranje zdravja sončne elektrarne in napovedovanje izgub na farmi v realnem času, s čimer strankam takoj zagotovi inteligentne vpoglede.

Po izboru za prvo Kohorta AWS Sustainable Cities Accelerator, je SmartHelio zagotovil več pilotov z novimi strankami. Po besedah ​​izvršnega direktorja Govinde Upadhyaya, "nam je AWS Accelerator omogočil globalno izpostavljenost trgom, mentorjem, potencialnim strankam in vlagateljem."

Avtomotus: Automotus uporablja tehnologijo računalniškega vida, da voznikom omogoči, da v realnem času vidijo, ali je na voljo prostor na robniku, kar bistveno skrajša čas, porabljen za iskanje parkirišča. Automotus pomaga mestom in letališčem upravljati in monetizirati svoje robnike z uporabo flote senzorjev računalniškega vida, ki jih poganja AWS IoT Zelena trava. Automotusovi senzorji naložijo podatke o usposabljanju v Amazon S3, kjer potek dela, ki ga poganja Lambda, indeksira vzorčne podatke za ustvarjanje kompleksnih naborov podatkov za usposabljanje novih modelov in izboljšanje obstoječih.

Automotus uporablja SageMaker za avtomatizacijo in shranjevanje svojega procesa usposabljanja modela računalniškega vida, katerega izhodi so razporejeni nazaj na rob z uporabo preprostega, avtomatiziranega postopka. Senzorji Automotus, opremljeni s temi usposobljenimi modeli, pošiljajo metapodatke v oblak z uporabo AWS IoT jedro, ki odkriva podrobne vpoglede v omejevalno dejavnost in omogoča popolnoma avtomatizirano zaračunavanje in uveljavljanje na omejevalniku. z ena stranka, Automotus je povečal učinkovitost in prihodke pregona za več kot 500 %, kar je povzročilo 24 % povečanje prometa na parkiriščih in 20 % zmanjšanje prometa.

Kaj je naslednje za AI/ML in zagonska podjetja

Stranke so sprejele AI/ML za reševanje širokega spektra izzivov, kar je dokaz napredka tehnologije in povečanega zaupanja strank v uporabo podatkov za izboljšanje odločanja. AWS Accelerators si prizadevajo nadaljevati s pospeševanjem in sprejemanjem rešitev AI/ML s pomočjo strankam pri razmišljanju in izmenjavi kritičnih izjav o težavah ter iskanju in povezovanju startupov s temi strankami.

Vas zanima spodbujanje rešitev za javno dobro prek vašega startupa? Ali imate izziv in potrebujete motečo rešitev? Povežite se z ekipo AWS Worldwide Public Sector Venture Capital and Startups še danes, če želite izvedeti več o AWS Acceleratorjih in drugih virih, ki so na voljo za spodbujanje inovacij pri odločanju.

---

O avtorjih

Swami Sivasubramanian je podpredsednik za podatke in strojno učenje pri AWS. V tej vlogi Swami nadzira vse storitve AWS Database, Analytics ter storitve umetne inteligence in strojnega učenja. Poslanstvo njegove ekipe je pomagati organizacijam, da svoje podatke uporabijo za delo s popolno rešitvijo podatkov od konca do konca za shranjevanje, dostop, analizo, vizualizacijo in predvidevanje.

Manpreet Mattu je globalni vodja za tvegani kapital in poslovni razvoj zagonskih podjetij za svetovni javni sektor pri Amazon Web Services (AWS). Ima 15 let izkušenj na področju tveganih naložb in prevzemov v najsodobnejših tehnoloških in netehnoloških segmentih. Manpreetovo zanimanje poleg tehnologije obsega zgodovino, filozofijo in ekonomijo. Je tudi vzdržljivostni tekač.