在 AWS re:Invent全球大會上，亞馬遜（NASDAQ：AMZN）旗下公司Amazon Web Services, Inc.（AWS）宣佈五項新的人工智慧 （AI） 服務，旨在無需機器學習經驗的前提下，將機器學習提供給更多應用程式開發者和終端使用者。AWS介紹了幾項結合 AI 的新服務，讓更多開發者使用機器學習，創造更好的終端使用者體驗，包括機器學習驅動的企業搜索、代碼審核與分析、詐欺檢測、醫療轉錄和 AI 預測的人工審核。如想瞭解有關 AWS AI 服務的更多詳細資訊，請參考 https://aws.amazon.com/machine- learning/ai-services/。
機器學習持續快速增長，如今有數以萬計的客戶在 AWS上進行機器學習，包括許多選擇使用 AWS 全面管理的 AI 服務客戶，例如，Alfresco、Bayer Crop Science、Cerner、CJ Cox Automotive、C-SPAN、德勤Deloitte、Domino’s、阿聯酋航空NBD、Fred Hutchinson癌症研究中心、 FICO、FINRA、Gallup、Kelley Blue Book、Kia、Mainichi報業公司、美國宇航局NASA、白宮歷史協會和Zola。在過去一年裡，AWS 推出了多個全面管理的 AI新服務，如 Amazon Personalize和Amazon Forecast，讓客戶也可受惠於這些具備個性化推薦和和預測功能，且為AWS消費者業務單位所使用得過獎的客戶體驗機器學習技術。AWS 客戶對於了解AWS大規模使用機器學習以改進營運的豐富經驗並提供更好的客戶體驗十分有興趣，更棒的是無須在事前訓練、優化和部署自己的定制化機器學習模型。AWS 宣佈推出五項新的 AI 服務，這些服務基於AWS豐富的機器學習經驗，使各行各業、任何規模的企業，在無需機器學習經驗的條件下皆能使用機器學習服務。
Amazon Kendra通過機器學習重塑企業搜索
儘管多年來不斷嘗試，內部搜尋對於現今企業來說仍是一個棘手的問題，員工時常難以找到他們需要的資訊。企業擁有大量非結構化文書資料，若能發現、存儲多種格式並橫跨不同的資料來源（例如 Sharepoint、Intranet、Amazon S3 和本地儲存系統），那麼這些資料就能被使用。即使通用基於 Web 的搜索工具隨處可見，企業的內部搜索依舊很困難，原因在於沒有可用工具能夠橫跨孤島編制索引，不能使用口語查詢外，更無法提供準確的結果。當員工有疑問時，他們需要使用可能出現在不同上下文、多個文檔中的關鍵字，這些搜索通常會生成一長串隨機連結，員工必須先篩選這些連結才能找到他們查找的資訊。
Amazon Kendra 讓員工不僅在多個資料孤島中使用關鍵字搜索，更可以應用在實際問題，在後臺部署 AI 技術來提供他們尋求精確的答案，而不是隨機的連結清單，重塑企業搜索。員工可使用自然語言進行搜索（關鍵字仍然有效，但大多數用戶更喜歡自然語言搜尋）。舉例來說，員工可以提出一個特定問題，如“IT 服務台什麼時候開？”Amazon Kendra將 會給他們一個具體答案：“IT 服務台在上午 9：30 打開”，同時提供IT門戶和其它相關網站的連結。客戶在應用程式、門戶和 wiki 中皆可使用 Amazon Kendra。只需在 AWS 管理主控台點一下，即可將 Amazon Kendra 導入各種文檔儲存庫，服務會聚合 PB級的資料以建構集中索引。Amazon Kendra會掃描文件的許可權，確保搜索結果符合現有的文件訪問策略，搜索結果僅包含用戶有權訪問的文件資料。此外，Amazon Kendra還能根據客戶的特定情況，積極重新訓練機器學習模型，使用點擊率資料、使用者位置和回饋提高準確性，隨著時間的推移提供更加準確的答案。若要瞭解有關Amazon Kendra的更多資訊，請參考http://aws.amazon.com/kendra。
Amazon CodeGuru 使用機器學習提供自動代碼審核，幫助企業找到開銷最大的代碼行，從而改進軟體發展
跟AWS一樣，AWS客戶也編寫了大量代碼。軟體發展是一個廣為人知的過程。開發者編寫代碼、查看代碼、編譯代碼和部署應用程式、衡量應用程式的性能並使用該資料改進代碼。若是代碼一開始就不正確，那麼所有的過程就毫無意義，因此團隊都會在添加新代碼到現有應用程式碼庫之前執行代碼檢查，其中包含檢查邏輯、語法和樣式。即使對於像AWS這樣的大型企業，考慮到每天要編寫的代碼量，加上有經驗的開發者不多，因此他們有足夠的時間來審核代碼。即便是有經驗的審閱者面對客戶的應用程式時也難免有疏漏，從而導致出錯和性能問題。
Amazon CodeGuru 是一種新的機器學習服務，可自動審查代碼，找到應用程式最昂貴的代碼行數。Amazon CodeGuru 有兩個組件： 代碼審核和應用程式分析。對於代碼審核，開發者像往常一樣提交代碼（目前支持GitHub 和 CodeCommit，未來會支援更多的儲存庫），將 Amazon CodeGuru 添加為代碼審閱者之一，無需對正常過程或要安裝的軟體進行其他更改。Amazon CodeGuru 收到代碼合併指令，會自動開始使用經過預先訓練的範本來評估代碼。這些範本已經在AWS和GitHub前10000的專案中經受過數十年的代碼審核訓練。Amazon CodeGuru將檢查代碼更改的品質，如發現問題，將向代碼合併添加易於閱讀的注釋，標識出代碼行數、特定問題和修正建議，包括示範代碼和指向相關文檔的連結。
Amazon CodeGuru 還包含一個機器學習驅動的應用程式探查器，幫助客戶找到最昂貴的程式碼。客戶只要在應用程式中安裝一個小小的代理程式， Amazon CodeGuru 就能觀察應用程式運行時，每五分鐘分析一次的應用程式碼。代碼設定檔包括有關延遲和 CPU利用率的詳細資訊，直接連結到特定的代碼行。Amazon CodeGuru可協助營運商在應用程式中找到最昂貴的代碼行，生成火焰圖，直觀地的説明並標識出造成性能瓶頸的代碼行。多年來，AWS內部團隊使用Amazon CodeGuru 對 80000多個應用程式進行代碼分析。2017 到 2018 年，Amazon CodeGuru內部版本的廣泛使用，幫助AWS消費者業務的 Amazon Prime Day團隊提高其應用效率，CPU 利用率提高325%，減少管理 Prime Day所需的實際數量，整體成本降低了39%。要瞭解有關 Amazon CodeGuru 的更多資訊，請參考http://aws.amazon.com/codeguru。
Amazon Fraud Detector使用機器學習進行自動詐欺檢測
全球各地的企業每年因詐欺而損失數百億美元。如今，許多 AWS 客戶都投資於大型、昂貴的防詐欺管理系統。這些系統通常基於手工編碼的形式，耗時、定制成本高，且很難隨著詐欺模式的變化而保持新穎，以致系統的準確性往往低於預期。這導致企業將優秀客戶誤列為詐欺者，進行更昂貴的詐欺審核，錯失降低詐欺率的機會。20 多年來，AWS一直在使用包含機器學習在內的尖端技術來檢測詐欺交易，並瞭解這是一個與詐欺者不斷進行的貓捉老鼠遊戲，需要投入大量資源建構防禦系統並與時俱進。AWS的客戶們同時也希望 AWS可以分享其專業知識和經驗。
Amazon Fraud Detector提供全面管理的服務，基於使用與AWS消費者業務相同的技術，在無需機器學習經驗下，即時檢測潛在的線上詐欺和支付詐欺。Amazon Fraud Detector使用詐欺和合法交易的歷史資料來建構、訓練和部署機器學習模型，提供最即時且低延遲的詐欺風險預測。首先，客戶須先將交易資料上傳至 Amazon S3，定制模型訓練。再來只需提供與交易相關的電子郵寄位址和 IP 位址，也可以選擇增加其它資料（帳單位址或電話號碼）。根據客戶想要預測的詐欺類型（新帳戶或線上支付詐欺），AWS運用數十年來大規模詐欺檢測風險分析的經驗，Amazon Fraud Detector將預先處理資料，再選擇一個演算法，最後訓練出模型。Amazon Fraud Detector同時也有使用基於機器學習並根據AWS資料訓練過的資料檢測器。這些資料檢測器可說明與辨別發生在Amazon上詐欺活動（例如異常的電子郵件命名規律）相似的模式，雖然客戶向Amazon Fraud Detector提供的詐欺數量不多，但也足夠顯示因模型訓練而提高的準確性。
Amazon Fraud Detector將模型訓練、部署到全面管理的私有API 端點。客戶可以將新活動（例如註冊或新購買）發送至 API，接收包括風險評分的欺詐報告。根據此報告，應用程式能正確的運行（例如接受購買，或將其傳遞給人工審核）。借助 Amazon Fraud Detector，客戶將享有更快、更輕鬆、更準確的詐欺檢測服務。要瞭解有關Amazon Fraud Detector的更多資訊，請參考http://aws.amazon.com/fraud-detector。
Amazon Transcribe Medical使用機器學習轉錄醫療語音，讓醫療保健供應商能夠專注于患者照護
醫生們的部分日常工作，是將資料詳細的登錄病歷（EHR）系統。然而，這也説明他們記錄和存檔病情的方式是不夠便利的。許多醫院中，醫生必須將醫療筆記口述到記錄器，再將這些語音檔提交給合作廠商手動抄錄，服務成本高昂，甚至會需要長達三個工作日，延誤存檔流程。另一種選擇則是利用現有的前端聽寫軟體，但由於受限現有的工具，醫生們仍然每天要在臨床記錄上花費不少時間。第三種選擇是醫療保健供應商雇用人工抄寫員，在醫生看病時協助記錄，但人工抄寫員可能會令患者感到不安，醫生們經常提到他們的記錄有欠缺，醫療機構也很難大規模安排和協調抄寫人員。總體而言，目前可使用的選項在提高臨床記錄效率和改善患者護理方面仍有諸多不足。
Amazon Transcribe Medical透過機器學習技術自動轉錄自然醫學語音來解決這些問題。建立在 Amazon Transcribe Medical語音到文本功能上的病歷應用，可以準確且經濟實惠的生成記錄。Amazon Transcribe Medical由多個機器學習模型組成，這些模型經過數萬小時的醫學語音訓練，可提供準確、機器學習驅動的醫學轉錄，即時生成記錄，同時也大幅縮減不必要的工作天數。
Amazon Transcribe Medical可以幫助醫生們在與患者溝通時自動轉錄成對話，無須分心手寫筆記，醫療保健供應商也能專注于患者照護。醫生可以自然的說話，Amazon Transcribe Medical使用內建自動標點符號，克服現有轉錄軟體的局限性。對於醫療保健供應商，基於 Amazon Transcribe Medical的語音解決方案可擴展到數千個潛在的醫療中心，消除管理和協調臨時抄寫人力的操作難題。Amazon Transcribe Medical符合 HIPAA 認證，提供易使用的 API，可和支援語音的應用程式及帶有麥克風的任何設備融合使用。Amazon Transcribe Medical的輸出文字也能用於其他 AWS 服務，例如自然語言處理服務 Amazon Comprehend Medical，在最終進入病歷系統前進行下一步的資料分析。即可使用Amazon Transcribe Medical，請訪問http://aws.amazon.com/transcribe/medical。
Amazon Augmented Artificial Intelligence (A2I) 允許開發者使用人工審閱驗證機器學習預測
機器學習可以為各種應用場景提供高度準確的預測，包含識別圖像中的物件、從掃描的文件中提取文字、甚至是轉錄與理解口語。在每種情況下，機器學習模型都會提供預測，、可信度分數用來表示模型預測的確定性。可信度分數越高，結果的準確度就越高。對於許多應用場景，當開發者收到高可信度結果時，他們可以信任結果可能是準確的，並自動處理它們（例如，自動調整社交網路上使用者生成的內容，或給影片加字幕）。但是，在可信度低於預期的情況下，預測結果模糊，可能需要人工審核才能解決這種模糊性。機器學習和人工審閱之間的相互作用，對於機器學習系統的成功至關重要，但人工審核的大規模建構和營運非常很有挑戰，除成本高昂外，通常涉及多個流程步驟，需要定制軟體管理人工審核任務和結果，也需招聘和管理大量審核人員。開發者時常花費大量的時間來管理人工審核過程，而不是建構預想的應用程式，甚至有時不得不放棄人工審核，導致許多預測的信心和效用極低。
Amazon Augmented Artificial Intelligence (A2I) 是一項新服務，非常容易建構和管理機器學習應用程式的人工審核。Amazon A2I 為常見的機器學習任務——如圖像中的物件檢測、語音轉錄和內容審核——提供預先建構的人工審核工作流程，方便對來自 Amazon Rekognition 和 Amazon Textract 的機器學習預測做審核。開發者為特定應用程式選擇可信門檻值，所有可信度分數低於門檻值的預測都將自動發送給人工審核人員進行驗證。開發者可以選擇Amazon Mechanical Turk來自全球的 50萬人力、預授權人工的合作廠商機構如Startek、iVision、CapeStart、Cogito 和 iMerit、或由自己的審核人員執行。審核結果儲存在 Amazon S3 中，開發者在審核完成後會收到通知，以便根據審核人員的可信結果進行下一步操作。Amazon A2I 為所有開發者帶來人工審核，消除架構和管理定制審核流程或招募大量審核人員方面的繁重工作。若要開始使用 Amazon A2I，請參考 aws.amazon.com/augmented-ai 。
AWS機器學習副總裁 Swami Sivasubramanian表示：「各界領域的公司都告訴我們，他們希望利用AWS豐富的機器學習經驗，應對企業面臨的共同挑戰。這些挑戰包括內部搜索、幫助軟體發展者編寫更好的代碼、識別詐欺交易、以及提高所有機器學習系統的整體品質。AWS更憑藉數十年來建構機器學習系統的經驗，打造出成功應對這些挑戰的內部系統。本次的產品發佈，是我們客戶至尚文化的向前推進，是它激勵我們開發這些系統。通過這些服務，我們很高興能夠讓企業用戶在無需任何機器學習專業知識下，使用這些機器學習功能。」
3M 是一家跨國公司，是磨料產品、化學品與先進材料、薄膜、過濾、黏合劑等產品的領導者製造商之一。3M以合作的方式運用科技改善生活。3M企業研究系統實驗室技術總監David Frazee表示，「研發是3M的心跳，紮根於科學使我們強大。我們的材料科學家展開新的研究時，需要瞭解過去可能相關的研究。這些資訊往往埋藏在我們的專利與廣泛的知識儲存庫中。有時資訊不完整，在尋找需要的資訊時往往讓人精疲力竭。借助Amazon Kendra，我們的科學家可以使用自然語言查詢、快速準確的找到所需資料。使用Amazon Kendra後，我們的工程師和研究人員在查詢資料與加快創新的速度中，能更有效的合作，並持續為客戶提供獨特的產品。”
Workgrid 軟體公司是 Liberty Mutual（利寶保險）的全資子公司，為員工體驗平臺中提供軟體解決方案，讓工作更加互聯、更高效、生產力更高。「我們的核心產品之一是 Workgrid Chatbot，讓員工能夠快速獲得大量的查詢結果，並使用親切的語言介面自動執行任務。企業聊天機器人的關鍵部分之一是可以回答來自員工的各種問題，因此Workgrid 提供自助問答建構器，內容作者不用掌握程式設計語言，就可以訓練聊天機器人回應員工的問題。Workgrid 雲工程和 AI 主管 Gillian McCann 說：「除了這些精心設計的內容，我們希望為 Workgrid Chatbot 提供一種方法，以便從整個企業的大量文檔（例如 PDF 文檔）輕鬆提取知識」。「借助 Amazon Kendra，很高興我們的客戶能夠更快速高效獲得所需的答案。Amazon Kendra 能直接從多個儲存庫的非結構化資料中提取答案，並快速跟蹤學習，讓我們向客戶提供準確、不斷優化的答案。非常榮幸能將 Amazon Kendra 的智能搜索功能與我們的繪畫環境結合，讓我們能繼續提供更強大的員工體驗。」
BBC英國廣播公司是廣播業的世界領導者之一。他們把BBC的影像和聲音帶到世界各地。BBC 首席技術和產品官 Matthew Postgate 說：「作為一家全球性媒體，我們管理數 PB 的視頻，每天24小時做直播，Amazon CodeGuru 以及我們團隊使用的其它開發工具，有助於確保我們不斷為受眾提供強大、可靠的服務，在問題出現之前發現問題。它也將深入說明我們的服務如何與 AWS 平臺交互合作，使團隊能夠重構和優化其代碼，為民眾提供他們期望從 BBC 獲得的服務。”
Apptio SaaS 解決方案可幫助企業在分析、規劃和優化投資時做出明智的決策，轉變IT運營模式。Apptio 首席產品官 Scott Chancellor 表示：「為客戶提供高度可用的無 Bug 服務對於我們的成功至關重要。我們一直在尋找工具變革的組織，且更主動檢測應用開發週期各個階段的問題，提高開發速度，少花時間在解決併發、資源洩漏和性能瓶頸等疑難雜症。我們同時嘗試了 Amazon CodeGuru，發現它可以在開發的早期階段提供主動解決這些問題的建議。此外，Amazon CodeGuru也能指出降低服務速度的代碼區域，使我們省下不少時間解決性能相關的缺陷。這些進步將造就我們為客戶提供更好的體驗。」
SmugMug+Flickr 是世界上最具影響力、以攝影師為中心的平臺之一。SmugMug&Flickr首席執行官兼首席極客Don MacAskill 說道：「Smugmug & Flickr專為專業攝影師和攝影愛好者打造，展示他們的作品，也供他們欣賞他人作品。從創始第一天起，SmugMug 的初衷就是讓攝影師講述他們想說的故事並以他們想要的方式呈現。當我們大規模營運時，影像處理、分類和搜索的性能更為重要。Amazon CodeGuru 的即時分析有助於排除故障，識別服務的低效部分，尤其是應用程式中有價值的代碼行會減慢它們的速度。根據 CodeGuru 的建議，協助我們更改和優化並重新建構代碼，提高我們的服務性能。”
Charles Schwab是一家先進的投資服務公司。Charles Schwab欺詐監控與調查副總裁 Kara H. Suro 說：「線上檢測詐欺活動是一項永無止境的挑戰，不良行為人不斷製造著新的攻擊媒介。我們的使命是走在壞人前面，保護我們的客戶。對於Amazon Fraud Detector的推出感到激動。，使我們可以更快、更輕鬆的建構機器學習工具，發現詐欺活動；我們預測詐欺預防率將會顯著提高。部署Amazon Fraud Detector除了有助於從歷史資料中識別詐欺模式外，我們也可以借助AWS的檢測詐欺經驗。」
Vacasa是北美最大的全方位服務度假租賃管理公司，在 17 個國家/地區擁有超過 23000 家度假屋，每年為超過 200萬客人提供服務。Vacasa 創始人兼首席執行官 Eric Breon 表示：「自公司成立以來，我們利用技術使當地團隊能夠專注於照顧家庭和客人，同時為度假房主實現收入最大化。我們對Amazon Fraud Detector的發佈感到開心，這意味著我們可以更輕鬆的使用先進機器學習技術，準確檢測詐欺性預訂。保護我們的‘門戶’免受潛在傷害，使我們能夠專注於使度假租賃體驗。」
Cerner是衛生資訊技術解決方案、服務和設備的領導者供應商之一。Cerner公司解決方案策略師Jacob Geers 說：「臨床文案的精確性對於工作流程和總體的護理人員滿意度至關重要。透過使用 Amazon Transcribe Medical的轉錄API，Cerner正在初步開發數位語音抄寫器，自動收聽醫生與患者的互動，毫不刻意的以文本形式捕獲對話，因此我們的解決方案能夠智慧翻譯概念，進入Cerner病歷系統中的編纂元件。”
Suki 是一款 AI驅動、支援語音的數位助理，可減輕醫生的事務負擔。Suki AI公司首席執行官 Punit Soni 說：「臨床檔案事關醫療資料工作流程，同時也説明臨床醫生有效的採集筆記將是關鍵。我們可以輕鬆地將我們的臨床數字助理與Amazon Transcribe Medical結合，透過醫生口述進行醫療筆記，將平均降低76%為了記錄臨床文檔的精力消耗。醫生的時間應該花在照顧病人上，而不是做資料登錄工作。」
作為美國的Un-carrier (去運營商化的運營商)，T-Mobile美國公司通過領先的產品和服務創新，正在重新定義消費者和企業購買無線服務的方式。T-Mobile執行副總裁、首席資訊Cody Sanford說：「在T-Mobile，我們以客戶的幸福感衡量成功。作為Un-carrier，我們知道，當客戶覺得我們瞭解並能事先預測需求、直接解決痛點時，他們會感到幸福。我們的專業客戶服務團隊模式致力於建立個人聯繫，並使用 A2I 等尖端工具為我們的團隊成功做準備。機器學習將帶來更深入、更緊密的客戶關係！獲取即時的資訊，如帳戶訊息和可使用的折扣，使我們的團隊能夠在與客戶進行真正、即時的對話時，代表客戶做出決策，一舉兩得！」
VidMob 是一個行銷創意平臺，可為品牌的所有創意需求提供端到端技術解決方案。集結平臺將同類首創（first-of-a-kind）的創意分析與一流的創意製作相結合，提高行銷效率。VidMob 數據和見解高級副總裁Joline McGoldrick說：「Vidmob 利用機器學習來分析影片的各個方面，包括人物、物件和資訊，説明品牌瞭解創意績效，建造更好的創意。然而，對於現有機器學習模型未涵蓋的維度，要從我們每天分析的 PB 級數據中回顧創意，是一件非常具挑戰性的事情。憑藉目前訓練有素的創意評估團隊，使用 A2I後，我們可以更快優化、微調預測模型。這種效率使我們接觸到大量審核人員，甚至將模型上市速度提高了 3 倍。」
關於Amazon Web Services
13年以來，Amazon Web Services一直是世界上服務豐富、應用廣泛的雲端服務平台。AWS為客戶提供超過175種功能全面的雲端服務，包括運算、儲存、資料庫、聯網、分析、機器人、機器學習與人工智慧、物聯網、行動、安全、混合雲、虛擬和擴增實境(VR 和AR)、媒體，以及應用開發、部署和管理等方面，遍及22個地理區域內的 69個可用區域(Availability Zones)，並已公佈計畫在印尼、義大利、南非和西班牙建立4個AWS地理區域、13個可用區域。全球超過百萬客戶信任AWS，包含發展迅速的新創公司、大型企業和政府機構。AWS協助客戶強化自身基礎設施，提高營運上的彈性與應變能力，同時降低成本。欲瞭解更多AWS的相關資訊，請至：aws.amazon.com 。
關於亞馬遜
亞馬遜一向秉持四大原則：顧客至上而非專注於競爭對手；勇於創新；致力追求卓越營運；並且高瞻遠矚。亞馬遜開創了許多創新產品及服務，包括客戶評價、一鍵下單、個人化推薦、Prime會員服務、亞馬遜物流 (Fulfilment by Amazon)、AWS、Kindle自出版 (Kindle Direct Publishing)、Kindle、Fire tablets、Fire TV、Amazon Echo及Alexa。欲瞭解更多資訊，請瀏覽： www.amazon.com/about
