技术的不断进步正在提高人类和企业的决策能力。物理世界的数字化加速了数据的三个维度：速度、多样性和数量。这使得信息比以前更容易获得，从而促进了问题解决的进展。现在，借助云支持的民主化可用性，人工智能 (AI) 和机器学习 (ML) 等技术能够提高人类和机器决策的速度和准确性。
在公共部门，决策的速度和准确性最为重要，国防、医疗保健、航空航天和可持续发展领域的组织正在解决影响世界各地公民的挑战。许多公共部门客户看到了使用 AI/ML 来应对这些挑战的好处，但可能会因解决方案的范围而不知所措。 AWS 推出了 AWS Accelerators，旨在寻找和开发能够满足公共部门客户独特挑战的技术的初创公司。请继续阅读，详细了解 AWS 加速器中初创公司的 AI/ML 使用案例，这些案例对公共部门客户产生了影响。
健康防护
件：医疗保健提供者希望花更多时间照顾患者，而不是花在文书工作上。件，一个 AWS 医疗保健加速器 初创公司使用 AWS 更轻松地输入、管理、存储、组织电子健康记录 (EHR) 数据并从中获取见解，以解决健康的社会决定因素并改善患者护理。借助人工智能、自然语言处理 (NLP) 和临床审查的算法，Pieces 可以提供预计的出院日期、预期的临床和非临床出院障碍以及再入院风险。 Pieces 服务还以简单的语言向医疗保健提供者提供见解，并优化患者临床问题的清晰度，以帮助护理团队更有效地工作。 按件数，该软件在识别患者出院障碍方面提供了 95% 的积极预测，并且在一家医院已显示出其能够将患者平均住院天数减少 2 天。
件用途 亚马逊弹性计算云 （亚马逊EC2）， 亚马逊关系数据库服务 （Amazon RDS），以及 适用于Apache Kafka的Amazon托管流 (Amazon MSK)，用于收集和处理流式临床数据。件用途 Amazon Elastic Kubernetes服务 （Amazon EKS）， 亚马逊开放搜索服务及 适用于 Apache Airflow 的 Amazon 托管工作流 (Amazon MWAA) 对生产中的数据大规模运行多个机器学习模型。
政治公众人物健康：患者体验是重中之重，但收集患者反馈可能是一项挑战。 PEP Health 是一家位于 AWS 医疗保健加速器的英国队列，使用 NLP 技术分析数百万在线、公开发布的患者评论，生成突出值得庆祝或关注的领域的分数，并找出患者满意度提高或下降的原因。这些数据可用于改善体验、推动更好的结果并使患者的声音民主化。
PEP 健康用途 AWS Lambda, AWS 法门和 Amazon EC2 从数十万个网页实时提取信息。拥有构建并运行的专有 NLP 模型 亚马逊SageMaker、PEP Health 确定与护理质量相关的主题并对其进行评分。这些结果为 PEP Health 的患者体验平台和 ML 算法提供支持，这些算法由 Lambda、Fargate、Amazon EC2、Amazon RDS、SageMaker 和 亚马逊Cognito，这使得关系分析成为可能，并揭示人、地点和事物之间的模式，否则这些模式可能看起来互不相关。
“通过加速器，PEP Health 能够通过引入 AWS Lambda 显着扩展其运营规模，从而更快、更经济地收集更多评论。此外，我们还能够使用 Amazon SageMaker 为客户提供进一步的见解。”
– Mark Lomax，PEP Health 首席执行官。
国防和太空
月球哨站：月球前哨站是 AWS Space Accelerator 的首批成员 2021 年。该公司正在参与月球任务，并正在开发移动自主平台 (MAP) 漫游车，该漫游车将能够在其他行星体的极端环境中生存和导航。为了在地球上无法找到的条件下成功导航，月球前哨站广泛使用机器人模拟来验证人工智能导航算法。
月球前哨站用途 AWS 机器人制造商、亚马逊 EC2、 Amazon Elastic Container注册 （亚马逊 ECR）， 亚马逊简单存储服务 （Amazon S3）， 亚马逊虚拟私有云 （亚马逊 VPC）、Lambda、 AWS 代码构建及 亚马逊QuickSight 通过部署月球模拟来测试漫游车。随着月球前哨站开发月球表面的导航技术，模拟实例也随之启动。这些模拟将在月球任务期间使用，以协助人类操作员并降低风险。从月球表面传回的数据将被导入到他们的模拟中，从而实时查看月球车的活动。数字 MAP 漫游车的模拟允许在不移动物理漫游车的情况下试运行导航轨迹，从而大大降低了在太空中移动漫游车的风险。
阿达尔加：阿达尔加，一部分 第一个 AWS 防御加速器队列，正在提供一个人工智能驱动的情报平台，以快速了解战区进入准备和部署的风险和机遇。 Adarga 使用人工智能来寻找隐藏在大量非结构化数据（例如新闻、演示文稿、报告、视频等）中的见解。
Adarga 使用 Amazon EC2、OpenSearch 服务、 亚马逊极光, Amazon DocumentDB（与 MongoDB 兼容）, 亚马逊翻译和 SageMaker。 Adarga 实时提取信息，翻译外语文档，并将音频和视频文件转录为文本。除了 SageMaker 之外，Adarga 还使用专有的 NLP 模型来提取和分类细节，例如人物、地点和事物，并部署消歧技术来将信息置于上下文中。这些细节被映射成客户的动态情报图。 Adarga 的 ML 算法与 AWS AI/ML 服务相结合，可实现关系分析，揭示看似互不相关的模式。
“我们很自豪能够成为这一开创性计划的一部分，我们将继续与 AWS 和更广泛的技术参与者生态系统密切合作，通过超大规模云为国防提供改变游戏规则的能力。”
– Adarga 首席执行官罗伯特·巴塞特-克罗斯 (Robert Bassett-Cross)
可持续城市
智能太阳神：在商业太阳能发电场行业中，确定已安装太阳能基础设施的运行状况至关重要。 SmartHelio 将物理学和 SageMaker 相结合，构建模型来确定太阳能资产当前的运行状况，预测哪些资产将出现故障，并主动确定首先维修哪些资产。
SmartHelio 的解决方案基于 AWS 构建，可以分析极其复杂的光伏物理和电力系统。 Amazon S3 上的数据湖存储从太阳能发电厂、物联网 (IoT) 设备或第三方内容管理系统 (CMS) 上的监控和数据采集 (SCADA) 服务器实时传输的数十亿个数据点平台。 SmartHelio 使用 SageMaker 运行深度学习模型来识别模式、量化太阳能发电场的健康状况并实时预测发电场损失，从而立即向客户提供智能见解。
被选为第一名后 AWS 可持续城市加速器队列，SmartHelio 获得了多个新客户的试点。用首席执行官 Govinda Upadhyay 的话来说，“AWS 加速器让我们接触到了全球市场、导师、潜在客户和投资者。”
自动机：Automotus 使用计算机视觉技术，使驾驶员能够实时查看路边空间是否可用，从而显着减少寻找停车位的时间。 Automotus 使用一系列计算机视觉传感器帮助城市和机场管理路缘石并实现其货币化，这些传感器由 AWS IoT Greengrass。 Automotus 的传感器将训练数据上传到 Amazon S3，其中由 Lambda 支持的工作流程对样本数据进行索引，以创建复杂的数据集来训练新模型和改进现有模型。
Automotus 使用 SageMaker 对其计算机视觉模型训练过程进行自动化和容器化，其输出使用简单的自动化过程部署回边缘。配备了这些经过训练的模型，Automotus 传感器使用以下方式将元数据发送到云端： AWS IoT核心，揭示有关路边活动的详细见解，并实现路边全自动计费和执行。和 一位顾客，Automotus 将执法效率和收入提高了 500% 以上，导致停车周转量增加了 24%，交通量减少了 20%。
AI/ML 和初创公司的下一步是什么
客户已经采用人工智能/机器学习来解决广泛的挑战，这证明了技术的进步以及客户对使用数据改进决策的信心增强。 AWS 加速器旨在通过帮助客户集思广益和共享关键问题陈述、寻找初创公司并与这些客户建立联系，继续加速和采用 AI/ML 解决方案。
有兴趣通过您的初创公司推进公益解决方案吗？或者遇到需要颠覆性解决方案的挑战？立即与 AWS 全球公共部门风险投资和初创公司团队联系，了解有关 AWS 加速器和其他可用于推动决策创新的资源的更多信息。
关于作者
斯瓦米·西瓦苏布拉马尼安 是 AWS 数据和机器学习副总裁。 在此职位上，Swami 负责监督所有 AWS 数据库、分析以及 AI 和机器学习服务。 他的团队的使命是帮助组织使用完整的端到端数据解决方案将他们的数据用于存储、访问、分析、可视化和预测。
曼普里特·马图 是 Amazon Web Services (AWS) 全球公共部门风险投资和初创企业业务开发的全球主管。他在领先技术和非技术领域的风险投资和收购方面拥有 15 年的经验。除了科技之外，曼普雷特的兴趣还包括历史、哲学和经济学。他也是一位耐力跑运动员。
