AWS Hızlandırıcıları genelindeki start-up'lar, görev açısından kritik müşteri zorluklarını çözmek için AI ve ML'yi kullanıyor

Teknolojideki aralıksız ilerleme hem insanların hem de işletmelerin karar verme kapasitesini artırıyor. Fiziksel dünyanın dijitalleşmesi verinin üç boyutunu hızlandırdı: hız, çeşitlilik ve hacim. Bu, bilgiyi eskisinden daha yaygın hale getirerek problem çözmede ilerlemelere olanak sağladı. Artık bulutun etkin olduğu demokratikleştirilmiş kullanılabilirlik sayesinde, yapay zeka (AI) ve makine öğrenimi (ML) gibi teknolojiler, insanlar ve makineler tarafından alınan kararların hızını ve doğruluğunu artırabiliyor.

Kararların hızı ve doğruluğu hiçbir yerde savunma, sağlık, havacılık ve sürdürülebilirlik alanlarındaki kuruluşların dünya çapında vatandaşları etkileyen zorlukları çözdüğü kamu sektöründen daha önemli değildir. Birçok kamu sektörü müşterisi, bu zorlukların üstesinden gelmek için AI/ML kullanmanın faydalarını görüyor ancak çözüm çeşitliliği karşısında bunalıma girebiliyor. AWS, kamu sektörü müşterilerinin benzersiz zorluklarını karşılayan teknolojilere sahip startup'ları bulmak ve geliştirmek için AWS Hızlandırıcılarını başlattı. AWS Accelerator'da kamu sektörü müşterileri üzerinde etki yaratan startup şirketlerinin AI/ML kullanım örnekleri hakkında daha fazla bilgi edinmek için okumaya devam edin.

Sağlık hizmeti

parçalar: Sağlık hizmeti sağlayıcıları, hastaların bakımına daha fazla, evrak işlerine daha az zaman harcamak istiyor. Parçalar, bir AWS Healthcare Hızlandırıcı startup, sağlığın sosyal belirleyicilerini ele almak ve hasta bakımını iyileştirmek amacıyla Elektronik Sağlık Kaydı (EHR) verilerini girmeyi, yönetmeyi, depolamayı, organize etmeyi ve bu verilerden öngörü elde etmeyi kolaylaştırmak için AWS'yi kullanıyor. Yapay zeka, doğal dil işleme (NLP) ve klinik olarak gözden geçirilmiş algoritmalar sayesinde Pieces, tahmini hastane taburcu tarihlerini, taburculuğun önündeki beklenen klinik ve klinik olmayan engelleri ve yeniden hastaneye kabul riskini sağlayabilir. Parça hizmetleri aynı zamanda sağlık hizmeti sağlayıcılarına sade bir dille bilgi sağlar ve bakım ekiplerinin daha verimli çalışmasına yardımcı olmak için hastaların klinik sorunlarının netliğini optimize eder. Parçalara GöreYazılım, hasta taburculuğunun önündeki engellerin belirlenmesinde %95 olumlu tahmin sağlıyor ve bir hastanede hastaların hastanede kalış sürelerini ortalama 2 gün azaltma yeteneğini gösterdi.

Adet kullanımları Amazon Elastik Bilgi İşlem Bulutu (Amazon EC2), Amazon İlişkisel Veritabanı Hizmeti (Amazon RDS) ve Apache Kafka için Amazon Tarafından Yönetilen Akış (Amazon MSK) akışlı klinik verileri toplamak ve işlemek için. Adet kullanımları Amazon Elastik Kubernetes Hizmeti (Amazon EKS), Amazon Açık Arama Hizmeti, ve Apache Airflow için Amazon Tarafından Yönetilen İş Akışları (Amazon MWAA) üretimdeki veriler üzerinde geniş ölçekte birden fazla makine öğrenimi modeli çalıştırmak için.

PEP Sağlık: Hasta deneyimi önemli bir önceliktir ancak hasta geri bildirimini toplamak zor olabilir. PEP Health, bir startup AWS Healthcare Accelerator'ın Birleşik Krallık grubu, milyonlarca çevrimiçi, halka açık olarak yayınlanan hasta yorumlarını analiz etmek, kutlama veya endişe duyulan alanları vurgulayan puanlar oluşturmak ve hasta memnuniyetini artıran veya azaltan nedenleri belirlemek için NLP teknolojisini kullanır. Bu veriler deneyimleri iyileştirmek, daha iyi sonuçlar elde etmek ve hastanın sesini demokratikleştirmek için kullanılabilir.

PEP Sağlık kullanımları AWS Lambda, AWS Fargateve Amazon EC2, yüz binlerce web sayfasından gerçek zamanlı olarak bilgi almak için. Oluşturulan ve çalıştırılan tescilli NLP modelleri ile Amazon Adaçayı YapıcıPEP Health, bakım kalitesiyle ilgili temaları belirler ve puanlar. Bu sonuçlar, PEP Health'in Hasta Deneyimi Platformunu ve Lambda, Fargate, Amazon EC2, Amazon RDS, SageMaker ve tarafından oluşturulan ve desteklenen makine öğrenimi algoritmalarını besliyor. Amazon Cognito'suBu, ilişki analizine olanak tanır ve insanlar, yerler ve normalde bağlantısız görünebilecek şeyler arasındaki kalıpları ortaya çıkarır.

"PEP Health, hızlandırıcı sayesinde AWS Lambda'nın kullanıma sunulmasıyla daha fazla yorumu daha hızlı ve daha uygun maliyetle toplamak için operasyonlarını önemli ölçüde ölçeklendirmeyi başardı. Ayrıca müşterilerimize daha fazla bilgi sağlamak için Amazon SageMaker'ı kullanabildik."

– Mark Lomax, PEP Sağlık CEO'su.

Savunma ve uzay

Ay Karakolu: Ay Karakolu, AWS Space Accelerator'ın açılış grubu Şirket, Ay'a yönelik görevlerde yer alıyor ve diğer gezegen cisimlerinin zorlu ortamlarında hayatta kalabilecek ve bu ortamlarda gezinebilecek Mobil Otonom Platform (MAP) gezici araçları geliştiriyor. Lunar Outpost, Dünya'da bulunamayan koşullarda başarılı bir şekilde gezinmek için yapay zeka navigasyon algoritmalarını doğrulamak amacıyla robotik simülasyonlardan kapsamlı bir şekilde yararlanıyor.

Ay Karakolu kullanımları AWS RoboMakerAmazon EC2, Amazon Elastik Konteyner Kayıt Defteri (Amazon ECR), Amazon Basit Depolama Hizmeti (Amazon S3), Amazon Sanal Özel Bulut (Amazon VPC), Lambda, AWS Kod Oluşturma, ve Amazon QuickSight Ay simülasyonları uygulayarak gezicileri test etmek. Lunar Outpost, ay yüzeyi için navigasyon teknolojileri geliştirirken simülasyon örnekleri de hızlandırılıyor. Bu simülasyonlar, ay görevleri sırasında insan operatörlere yardımcı olmak ve riski azaltmak için kullanılacak. Ay yüzeyinden geri aktarılan veriler simülasyona aktarılacak ve gezicinin etkinliklerinin gerçek zamanlı bir görünümü sağlanacak. Dijital MAP gezicilerinin simülasyonu, fiziksel geziciyi hareket ettirmeden navigasyon yörüngelerinin deneme seferlerine izin vererek, gezicilerin uzayda hareket etme risklerini önemli ölçüde azaltır.

Adarga: Adarga, bir kısmı ilk AWS Savunma Hızlandırıcı grubu, tiyatroya giriş hazırlığı ve dağıtımına ilişkin riskleri ve fırsatları hızla anlamak için yapay zeka odaklı bir istihbarat platformu sunuyor. Adarga, haberler, sunumlar, raporlar, videolar ve daha fazlası gibi büyük hacimli yapılandırılmamış verilerde gömülü içgörüleri bulmak için yapay zekayı kullanıyor.

Adarga, Amazon EC2, OpenSearch Hizmetini kullanıyor, Amazon Aurora'sı, Amazon DocumentDB (MongoDB uyumluluğu ile), Amazon Tercümeve SageMaker. Adarga, bilgileri gerçek zamanlı olarak alır, yabancı dildeki belgeleri çevirir ve ses ve video dosyalarını metne dönüştürür. Adarga, SageMaker'a ek olarak insanlar, yerler ve nesneler gibi ayrıntıları çıkarmak ve sınıflandırmak için özel NLP modellerini kullanıyor ve bilgiyi bağlamsallaştırmak için belirsizliği giderme tekniklerini kullanıyor. Bu ayrıntılar müşteriler için dinamik bir istihbarat resmiyle eşleştirilir. Adarga'nın makine öğrenimi algoritmaları, AWS AI/ML hizmetleriyle birlikte ilişki analizine olanak tanıyarak normalde bağlantısız görünebilecek kalıpları ortaya çıkarır.

"Hiper ölçekli bulutun sağladığı, savunmaya oyunun kurallarını değiştiren yetenekler sunmak için AWS ve daha geniş bir teknoloji oyuncuları ekosistemiyle yakın işbirliği içinde çalışmaya devam ederken, bu öncü girişimin bir parçası olmaktan gurur duyuyoruz."

– Robert Bassett-Cross, CEO, Adarga

Sürdürülebilir şehirler

AkıllıHelio: Ticari güneş enerjisi çiftliği endüstrisinde kurulu güneş enerjisi altyapısının sağlığını belirlemek kritik öneme sahiptir. SmartHelio, güneş enerjisi varlıklarının mevcut durumunu belirleyen modeller oluşturmak, hangi varlıkların arızalanacağına dair tahminler oluşturmak ve hangi varlıklara ilk önce servis verileceğini proaktif olarak belirlemek için fizik ve SageMaker'ı birleştirir.

SmartHelio'nun AWS üzerine kurulu çözümü, inanılmaz derecede karmaşık fotovoltaik fizik ve güç sistemlerini analiz ediyor. Amazon S3'teki bir veri gölü, güneş enerjisi santrallerindeki Denetleyici Kontrol ve Veri Toplama (SCADA) sunucularından, Nesnelerin İnterneti (IoT) cihazlarından veya üçüncü taraf İçerik Yönetim Sistemlerinden (CMS) gerçek zamanlı olarak aktarılan milyarlarca veri noktasını depolar. platformlar. SmartHelio, kalıpları tanımak, güneş çiftliği sağlığını ölçmek ve çiftlik kayıplarını gerçek zamanlı olarak tahmin etmek amacıyla derin öğrenme modellerini çalıştırmak için SageMaker'ı kullanıyor ve müşterilerine anında akıllı bilgiler sunuyor.

İlk kez seçildikten sonra AWS Sürdürülebilir Şehirler Hızlandırıcı grubuSmartHelio, yeni müşterilerle birkaç pilot çalışma sağladı. CEO Govinda Upadhyay'ın sözleriyle, "AWS Hızlandırıcı bize pazarlara, mentorlara, potansiyel müşterilere ve yatırımcılara küresel düzeyde erişim olanağı sağladı."

otomobil: Automotus, sürücülere kaldırımda yer olup olmadığını gerçek zamanlı olarak görme yeteneği vermek için bilgisayarlı görüş teknolojisini kullanır ve park yeri aramak için harcanan zamanı önemli ölçüde azaltır. Automotus, şehirlerin ve havalimanlarının bilgisayarlı görüş sensörleri filosunu kullanarak kaldırım taşlarını yönetmelerine ve para kazanmalarına yardımcı oluyor. AWS IoT Greengrass. Automotus'un sensörleri, eğitim verilerini Amazon S3'e yüklüyor; burada Lambda tarafından desteklenen bir iş akışı, yeni modelleri eğitmek ve mevcut modelleri iyileştirmek için karmaşık veri kümeleri oluşturmak amacıyla örnek verileri indeksliyor.

Automotus, çıktıları basit, otomatikleştirilmiş bir süreç kullanılarak uç noktaya dağıtılan bilgisayarlı görme modeli eğitim sürecini otomatikleştirmek ve kapsayıcı hale getirmek için SageMaker'ı kullanıyor. Bu eğitilmiş modellerle donatılmış Automotus sensörleri, meta verileri kullanarak buluta gönderir. AWS IoT Çekirdeği, frenleme etkinliği hakkında ayrıntılı bilgiler ortaya çıkarıyor ve kaldırımda tam otomatik faturalandırma ve yaptırımı mümkün kılıyor. İle bir müşteriAutomotus, denetim verimliliğini ve gelirini %500'den fazla artırarak park cirosunda %24 artış ve trafikte %20 azalma sağladı.

AI/ML ve startup'lar için sırada ne var?

Müşteriler, geniş bir yelpazedeki zorlukları çözmek için AI/ML'yi benimsedi; bu, teknolojinin ilerlemesinin ve müşterilerin karar alma sürecini iyileştirmek için verileri kullanma konusunda artan güveninin bir kanıtıdır. AWS Hızlandırıcıları, müşterilerin beyin fırtınası yapmasına, kritik sorun bildirimlerini paylaşmasına ve startup'ları bu müşterilerle bulup bağlantı kurmasına yardımcı olarak AI/ML çözümlerinin hızlandırılmasına ve benimsenmesine devam etmeyi amaçlıyor.

Girişiminiz aracılığıyla kamu yararına yönelik çözümler geliştirmekle ilgileniyor musunuz? Veya yıkıcı bir çözüme ihtiyaç duyan bir sorununuz mu var? AWS Hızlandırıcıları ve karar alma yeniliklerini desteklemek için kullanılabilen diğer kaynaklar hakkında daha fazla bilgi edinmek için bugün AWS Dünya Çapındaki Kamu Sektörü Risk Sermayesi ve Startup'lar ekibiyle bağlantı kurun.

---

yazarlar hakkında

Swami Sivasubramanyan AWS'de Veri ve Makine Öğrenimi Başkan Yardımcısıdır. Bu rolde Swami, tüm AWS Veritabanı, Analitik ve Yapay Zeka ve Makine Öğrenimi hizmetlerini denetler. Ekibinin misyonu, kuruluşların verilerini depolamak, erişmek, analiz etmek, görselleştirmek ve tahmin etmek için eksiksiz, uçtan uca bir veri çözümüyle çalışmasına yardımcı olmaktır.

Manpreet Mattu Amazon Web Services'de (AWS) Dünya Çapında Kamu Sektörü için Risk Sermayesi ve Startup İş Geliştirmeden Sorumlu Küresel Başkandır. Öncü teknoloji ve teknoloji dışı segmentlerde girişim yatırımları ve satın almalar konusunda 15 yıllık deneyime sahiptir. Manpreet'in ilgi alanı teknolojinin ötesinde tarih, felsefe ve ekonomiyi de kapsamaktadır. Kendisi aynı zamanda dayanıklılık koşucusudur.