北京時間2019年12月3日，在AWS re:Invent全球大會上，亞馬遜（NASDAQ：AMZN）旗下公司Amazon Web Services，Inc.（AWS）宣布五項新的人工智能（AI）服務，旨在將機器學習交到更多應用程序開發(fā)者和終端用戶手中，而他們無需機器學習經(jīng)驗。AWS介紹了幾項使用了AI的新服務，讓更多開發(fā)者應用機器學習，創(chuàng)造更好的終端用戶體驗，包括機器學習驅(qū)動的企業(yè)搜索、代碼審核與分析、欺詐檢測、醫(yī)療轉(zhuǎn)錄和AI預測的人工審核。要了解有關(guān)AWSAI服務的更多詳細信息，請訪問https://aws.amazon.com/machine-learning/ai-services/。

　　機器學習持續(xù)快速增長，如今有數(shù)以萬計的客戶在AWS上進行機器學習，包括許多選擇使用AWS完全托管的AI服務的客戶，例如，Alfresco、拜耳作物科學、Cerner、CJ考克斯汽車、C-SPAN、德勤、多米諾、阿聯(lián)酋航空NBD、弗雷德哈欽森癌癥研究中心、FICO、FINRA、蓋洛普、Kelley Blue Book、起亞、Mainichi報業(yè)公司、美國宇航局、普華永道、白宮歷史協(xié)會、雅馬哈公司和Zola。在過去一年里，AWS推出了多個完全托管的AI新服務，如Amazon Personalize和Amazon Forecast，讓客戶能夠受益于亞馬遜消費者業(yè)務使用的、使其客戶體驗屢獲殊榮的、相同的機器學習個性化推薦和預測技術(shù)。AWS客戶有興趣學習亞馬遜大規(guī)模使用機器學習的豐富經(jīng)驗，以改進運營，提供更好的客戶體驗，又無需訓練、優(yōu)化和部署自己的定制化機器學習模型。如今，AWS宣布推出五項新的AI服務，這些服務基于Amazon豐富的機器學習經(jīng)驗，允許所有行業(yè)、所有規(guī)模的機構(gòu)在其企業(yè)中采用機器學習，而無需機器學習經(jīng)驗。

　　盡管多年來多種嘗試，但內(nèi)部搜索對于當今的企業(yè)來說仍是一個棘手的問題，大多數(shù)員工仍然經(jīng)常難以找到他們需要的信息。機構(gòu)擁有大量非結(jié)構(gòu)化文本數(shù)據(jù)，如果能夠發(fā)現(xiàn)、存儲多種格式并跨不同的數(shù)據(jù)源（例如Sharepoint、Intranet、AmazonS3和本地文件存儲系統(tǒng)），則這些數(shù)據(jù)非常有用。即使通用的、基于Web的搜索工具隨處可見，機構(gòu)仍然發(fā)現(xiàn)內(nèi)部搜索很困難，因為沒有可用工具能夠很好地跨越現(xiàn)有數(shù)據(jù)孤島編制索引，無法提供自然語言查詢，并且無法提供準確的結(jié)果。當員工有疑問時，他們需要使用可能出現(xiàn)在不同上下文、多個文檔中的關(guān)鍵字，這些搜索通常會生成一長串隨機鏈接，員工必須篩選這些鏈接才能找到他們查找的信息（如果他們找得到的話）。

　　Amazon Kendra讓員工可以使用真實問題（而不僅僅是關(guān)鍵字）在多個數(shù)據(jù)孤島中搜索，在后臺部署AI技術(shù)來提供他們尋求的精確答案（而不是隨機的鏈接列表），重塑企業(yè)搜索。員工可以使用自然語言運行搜索（關(guān)鍵字仍然有效，但大多數(shù)用戶更喜歡自然語言搜索）。例如，員工可以提出一個特定問題，如“IT服務臺什么時候開？”AmazonKendra會給他們一個具體答案，如“IT服務臺在上午9:30打開”，同時給出指向IT門戶和其它相關(guān)網(wǎng)站的鏈接�？蛻艨梢栽趹�用程序、門戶和wiki中使用Amazon Kendra。只需在AWS管理控制臺中單擊幾下，客戶即可將AmazonKendra指向其各種文檔存儲庫，服務會聚合PB級的數(shù)據(jù)以構(gòu)建集中索引。Amazon Kendra會掃描文檔的權(quán)限，確保搜索結(jié)果符合現(xiàn)有的文檔訪問策略，搜索結(jié)果僅包含用戶有權(quán)訪問的文檔。此外，Amazon Kendra還根據(jù)客戶的特定情況，積極地重新訓練機器學習模型，使用點擊率數(shù)據(jù)、用戶位置和反饋提高準確性，隨著時間的推移提供越來越好的答案。要了解有關(guān)Amazon Kendra的更多信息，請訪問http://aws.amazon.com/kendra。

　　Amazon CodeGuru使用機器學習提供自動代碼審核，幫助機構(gòu)找到開銷最大的代碼行，從而改進軟件開發(fā)

　　跟亞馬遜一樣，AWS客戶也編寫了大量代碼。軟件開發(fā)是一個廣為人知的過程。開發(fā)者編寫代碼、查看代碼、編譯代碼和部署應用程序、衡量應用程序的性能并使用該數(shù)據(jù)改進代碼，循環(huán)往復。然而，如果代碼一開始就不正確，那么所有這些過程都沒什么用，所以團隊都會在新代碼添加到現(xiàn)有應用程序代碼庫之前執(zhí)行代碼檢查，檢查邏輯、語法和樣式。即使對于像亞馬遜這樣的大型機構(gòu)，考慮其每天要編寫的代碼量，也很難有那么多有經(jīng)驗的開發(fā)者、他們有足夠的富余時間來審核代碼。而且即使是有經(jīng)驗的審閱者遇到面向客戶的應用程序時也會漏掉問題，從而導致出錯和性能問題。

　　Amazon CodeGuru是一種新的機器學習服務，可自動執(zhí)行代碼審核，找到應用程序開銷最大的代碼行。Amazon CodeGuru有兩個組件：代碼審核和應用程序分析。對于代碼審核，開發(fā)者像往常一樣提交其代碼（目前支持GitHub和CodeCommit，未來會支持更多的存儲庫），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件進行其他更改。Amazon CodeGuru收到拉取請求，會自動開始使用經(jīng)過預先訓練的模型來評估代碼。這些模型已經(jīng)在亞馬遜和GitHub前10000的項目中經(jīng)受過數(shù)十年的代碼審核訓練。Amazon CodeGuru將檢查代碼更改的質(zhì)量，如果發(fā)現(xiàn)問題，它將向拉取請求添加易于閱讀的注釋，標識出代碼行、特定問題和修正建議，包括示例代碼和指向相關(guān)文檔的鏈接。

　　Amazon CodeGuru還包含一個機器學習驅(qū)動的應用程序探查器，可幫助客戶找到開銷最大的代碼行。要使用它，客戶只要在其應用程序中安裝一個小小的代理程序，然后Amazon CodeGuru就可以觀察應用程序運行時，每五分鐘分析一次應用程序代碼。代碼配置文件包括有關(guān)延遲和CPU利用率的詳細信息，直接鏈接到特定的代碼行。Amazon CodeGuru可幫助操作者在應用程序中找到開銷最大的代碼行，生成火焰圖，幫助直觀地標識出造成性能瓶頸的其它代碼行。多年來，亞馬遜內(nèi)部團隊使用Amazon CodeGuru對80000多個應用程序進行了代碼分析。2017到2018年，Amazon CodeGuru內(nèi)部版本的廣泛使用，幫助亞馬遜消費者業(yè)務的AmazonPrimeDay團隊提高了其應用效率，CPU利用率提高325%，減少了管理PrimeDay所需的實例數(shù)量，整體成本降低了39%。要了解有關(guān)Amazon CodeGuru的更多信息，請訪問http://aws.amazon.com/codeguru。

　　世界各地的機構(gòu)每年因欺詐而損失數(shù)百億美元。如今，許多AWS客戶都投資于大型、昂貴的欺詐管理系統(tǒng)。這些系統(tǒng)通�；�于手工編碼的規(guī)則，耗時、定制成本高，很難隨著欺詐模式的變化而保持最新，導致系統(tǒng)的準確性低于預期。這導致機構(gòu)將優(yōu)秀客戶拒絕為欺詐者，進行更昂貴的欺詐審核，錯失降低欺詐率的機會。20多年來，亞馬遜一直在使用包括機器學習在內(nèi)的尖端技術(shù)來檢測欺詐易，并了解這是一個與欺詐者不斷進行的貓捉老鼠游戲，需要大量的資源來構(gòu)建防御、保持與時俱進。AWS的客戶們希望AWS可以分享其專業(yè)知識和經(jīng)驗。

　　Amazon Fraud Detector提供完全托管的服務，基于亞馬遜消費者業(yè)務使用的相同技術(shù)，實時檢測潛在的線上身份欺詐和支付欺詐，無需機器學習經(jīng)驗。Amazon Fraud Detector使用欺詐和合法交易的歷史數(shù)據(jù)來構(gòu)建、訓練和部署機器學習模型，提供實時、低延遲的欺詐風險預測。首先，客戶將交易數(shù)據(jù)上傳到AmazonS3，定制模型訓練�？蛻糁恍杼峁┡c交易關(guān)聯(lián)的電子郵件地址和IP地址，可以選擇添加其它數(shù)據(jù)（例如帳單地址或電話號碼）。根據(jù)客戶想要預測的欺詐類型（新帳戶或線上支付欺詐），Amazon Fraud Detector將預處理數(shù)據(jù)、選擇一個算法、訓練一個模型--使用亞馬遜數(shù)十年來大規(guī)模運行欺詐檢測風險分析的經(jīng)驗。Amazon Fraud Detector還使用基于機器學習的、根據(jù)亞馬遜數(shù)據(jù)訓練過的數(shù)據(jù)檢測器。這些數(shù)據(jù)檢測器可幫助識別與發(fā)生在Amazon上的欺詐活動（例如異常的電子郵件命名規(guī)律）相似的模式，即使客戶向Amazon Fraud Detector提供的欺詐示例數(shù)量很少，也可以幫助提高模型訓練的準確性。

　　Amazon Fraud Detector將模型訓練、部署到完全托管的私有API端點�？蛻艨梢詫⑿禄顒樱ɡ�如注冊或新購買）發(fā)送到API、接收包括風險評分的欺詐報告。根據(jù)此報告，應用程序可以確定正確的行動（例如接受購買，或?qū)⑵鋫鬟f給人工審核）。借助Amazon Fraud Detector，客戶可以更快、更輕松地、更準確地檢測欺詐。要了解有關(guān)Amazon Fraud Detector的更多信息，請訪問http://aws.amazon.com/fraud-detector。

　　如今，醫(yī)生們的一部分日常工作，是將詳細的數(shù)據(jù)輸入病歷（EHR）系統(tǒng)。然而，幫助他們準確記錄和存檔病情的解決方案是欠佳的。在許多醫(yī)院，醫(yī)生必須將醫(yī)療筆記口述到記錄器中，然后將這些語音文件提交到第三方手動抄錄，服務成本高昂，可能需要長達三個工作日，延誤了存檔流程。另一種選擇是利用現(xiàn)有的前端聽寫軟件，但受限于現(xiàn)有的工具，醫(yī)生們?nèi)匀幻刻煲�在臨床記錄上花費好幾小時。第三種選擇是醫(yī)療保健提供商雇用人工抄寫員，在醫(yī)生們看病時協(xié)助做記錄，但人工抄寫員可能會令患者感到不安，醫(yī)生們經(jīng)常提到他們的記錄有欠缺，醫(yī)療機構(gòu)也很難大規(guī)模地安排和協(xié)調(diào)抄寫員。總之，現(xiàn)有的解決方案在提高臨床記錄效率和改善患者護理方面都有不足。

　　Amazon Transcribe Medical通過使用機器學習技術(shù)自動轉(zhuǎn)錄自然醫(yī)學語音來解決這些問題。建立在Amazon Transcribe Medical語音到文本功能之上的病歷應用，可以準確、經(jīng)濟實惠地生成記錄。Amazon Transcribe Medical由多個機器學習模型組成，這些模型經(jīng)過數(shù)萬小時的醫(yī)學語音訓練，可提供準確的、機器學習驅(qū)動的醫(yī)學轉(zhuǎn)錄。實時生成記錄，消除了多日的流轉(zhuǎn)時間。

　　Amazon Transcribe Medical可以幫助醫(yī)生們在跟患者溝通時自動轉(zhuǎn)錄對話，不用分心手動筆記，醫(yī)療保健提供商能夠?qū)Ｗ⒂诨颊咦o理。醫(yī)生可以自然地說話，Amazon Transcribe Medical使用內(nèi)置的自動標點符號，克服現(xiàn)有轉(zhuǎn)錄軟件的局限性。對于醫(yī)療保健提供商，基于Amazon Transcribe Medical的語音解決方案可擴展到數(shù)千個潛在的醫(yī)療中心，消除了管理和協(xié)調(diào)臨時抄寫員的操作難題。Amazon Transcribe Medical符合HIPAA認證，提供易于使用的API，可與支持語音的應用程序和帶有麥克風的任何設備集成。Amazon Transcribe Medical的輸出文本也可以用于其他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(tǒng)前進行下一步的數(shù)據(jù)分析。要開始使用Amazon Transcribe Medical，請訪問http://aws.amazon.com/transcribe/medical。

　　機器學習可以為各種應用場景提供高度準確的預測，包括識別圖像中的對象、從掃描的文檔中提取文本、或者轉(zhuǎn)錄與理解口語。在每種情況下，機器學習模型都會提供預測，提供置信度分數(shù)以表示模型預測的確定性。置信度分數(shù)越高，結(jié)果的可信度就越高。對于許多應用場景，當開發(fā)者收到高置信度結(jié)果時，他們可以信任其結(jié)果可能是準確的，可以自動處理它們（例如，自動調(diào)整社交網(wǎng)絡上用戶生成的內(nèi)容，或者給視頻加字幕）。但是，在置信度低于預期的情況下，預測結(jié)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這種相互作用，對于機器學習系統(tǒng)的成功至關(guān)重要，但人工審核的大規(guī)模構(gòu)建和運營，很有挑戰(zhàn)，成本高昂，通常涉及多個流程步驟，需要定制軟件管理人工審核任務和結(jié)果，需要招聘和管理大量審核人員。結(jié)果，開發(fā)者時�；ㄙM大量的時間來管理人工審核過程，而不是構(gòu)建其預想的應用程序，或者不得不放棄人工審核，導致許多預測的信心和效用都很低。

　　AmazonAugmentedArtificialIntelligence(A2I)是一項新服務，使用它很容易構(gòu)建和管理機器學習應用程序的人工審核。AmazonA2I為常見的機器學習任務--例如圖像中的對象檢測、語音轉(zhuǎn)錄和內(nèi)容審核--提供預構(gòu)建的人工審核工作流，方便對來自AmazonRekognition和AmazonTextract的機器學習預測做人工審核。開發(fā)者為其特定應用程序選擇置信閾值，所有置信度分數(shù)低于閾值的預測都將自動發(fā)送給人工審核人員進行驗證。開發(fā)者可以選擇Amazon Mechanical Turk的50萬全球人工、預授權(quán)人工的第三方機構(gòu)如Startek、iVision、CapeStart、Cogito和iMerit、或他們自己的審核人員執(zhí)行其審核。審核結(jié)果存儲在AmazonS3中，開發(fā)者在審核完成后會收到通知，以便他們根據(jù)審核人員的可信結(jié)果進行下一步操作。AmazonA2I為所有開發(fā)者帶來了人工審核，消除了構(gòu)建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。要開始使用AmazonA2I，請訪問aws。amazon。com/augmented-ai。

　　亞馬遜機器學習副總裁Swami Sivasubramanian表示，“各個行業(yè)領域的公司都告訴我們，他們希望利用亞馬遜豐富的機器學習經(jīng)驗，應對企業(yè)面臨的一些共同挑戰(zhàn)。這些挑戰(zhàn)包括內(nèi)部搜索、幫助軟件開發(fā)者編寫更好的代碼、識別欺詐易、以及提高所有機器學習系統(tǒng)的整體質(zhì)量。亞馬遜還憑借數(shù)十年來構(gòu)建機器學習系統(tǒng)的經(jīng)驗，打造了能夠成功應對這些挑戰(zhàn)的內(nèi)部系統(tǒng)。今天的發(fā)布是我們客戶至尚文化的又一次迭代，是它激勵我們開發(fā)這些系統(tǒng)。通過這些發(fā)布，我們很高興能夠讓企業(yè)用戶使用這些機器學習功能，而無需任何機器學習專業(yè)知識。”

　　3M是一家跨國公司，是研磨產(chǎn)品、化學品與先進材料、薄膜、過濾、粘合劑等產(chǎn)品的領先制造商之一。3M以協(xié)作的方式應用科技改善生活。3M企業(yè)研究系統(tǒng)實驗室技術(shù)總監(jiān)DavidFrazee表示，“研發(fā)是3M的心跳，扎根科學讓我們強大。我們的材料科學家開展新的研究時，他們需要了解過去的、可能相關(guān)的研究。這些信息往往埋藏在我們的專利和廣泛的知識存儲庫中。尋找合適的信息往往讓人精疲力竭，耗時，有時信息不完整。借助Amazon Kendra，我們的科學家可以使用自然語言查詢、快速準確地找到所需的信息。借助Amazon Kendra，我們的工程師和研究人員熱情高漲，快速查找信息，加快創(chuàng)新速度，更有效地協(xié)作，源源不斷地為客戶提供獨特的產(chǎn)品。”

　　Workgrid軟件公司是Liberty Mutual（利寶保險）的全資子公司，為員工體驗平臺中提供軟件解決方案，讓工作更加互聯(lián)、更高效、生產(chǎn)力更高。“我們的核心產(chǎn)品之一是Workgrid Chatbot，它讓員工能夠快速獲得頻繁查詢的答案，使用友好的自然語言界面自動執(zhí)行任務。企業(yè)聊天機器人的一個關(guān)鍵部分是回答來自員工的無數(shù)問題，所以Workgrid提供自助問答構(gòu)建器，內(nèi)容作者不用掌握編程語言，就可以訓練聊天機器人響應員工的問題。除了這些精心策劃的內(nèi)容外，我們希望為Workgrid Chatbot提供一種方法，以便從整個企業(yè)的大量文檔（例如PDF文檔）輕松提取知識，”Workgrid云工程和AI主管Gillian McCann說，“借助Amazon Kendra，很高興我們的客戶能夠快速高效地獲得所需的答案。Amazon Kendra能夠直接從多個存儲庫的非結(jié)構(gòu)化數(shù)據(jù)中提取答案，并且有可能快速跟蹤學習，讓我們向客戶交付準確、不斷優(yōu)化的答案。我們很高興能探索Amazon Kendra聯(lián)系上下文的智能搜索和任務自動化的結(jié)合，讓我們可提供強大的員工體驗。”

　　英國廣播公司是廣播業(yè)的世界領導者之一。他們把BBC的影像和聲音帶到世界各地。“作為一家全球性媒體機構(gòu)，我們管理數(shù)PB的視頻，每天24小時做直播，”BBC首席技術(shù)和產(chǎn)品官Matthew Postgate說，“Amazon CodeGuru以及我們的團隊使用的其它開發(fā)工具，有助于確保我們不斷為受眾提供強大、可靠的服務，在問題出現(xiàn)之前發(fā)現(xiàn)問題。它還將幫助我們深入了解我們的服務如何與AWS平臺交互，使團隊能夠重構(gòu)和優(yōu)化其代碼，為人們提供他們期望從BBC獲得的服務。”

　　Apptio SaaS解決方案可幫助機構(gòu)在分析、規(guī)劃和優(yōu)化投資時做出明智的決策，轉(zhuǎn)變IT運營模式。Apptio首席產(chǎn)品官Scott Chancellor表示：“為客戶提供高度可用的無Bug服務對于我們的成功至關(guān)重要。我們一直在尋找工具變革我們的組織，更主動地檢測應用開發(fā)周期各個階段的問題，提高開發(fā)速度，少花時間在解決并發(fā)、資源泄漏和性能瓶頸等疑難問題上。我們嘗試了Amazon CodeGuru，發(fā)現(xiàn)它可以提供在開發(fā)的早期階段主動解決這些問題的建議。此外，它可以指出降低服務速度的代碼區(qū)域，我們可以少花時間解決性能相關(guān)的缺陷。這些改進將幫助我們?yōu)樗�有客戶提供更好的體驗。”

　　Smug Mug+Flickr是世界上最具影響力的、以攝影師為中心的平臺之一。“Smugmug&Flickr專為專業(yè)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。從第一天起，SmugMug的激情就是，不斷想辦法讓攝影師講述他們想講述的故事，以他們想要的方式講述故事。當我們大規(guī)模運營時，圖像處理、分類和搜索的性能成為重中之重，”SmugMug&Flickr首席執(zhí)行官兼首席極客DonMacAskill說，“AmazonCodeGuru的實時分析有助于排除故障，識別我們服務的低效部分，尤其是應用程序中有價值的代碼行會減慢它們的速度。它提出建議、協(xié)助我們更改和優(yōu)化。根據(jù)CodeGuru的建議，我們能夠重新構(gòu)建代碼，使其高度可維護，提高我們的服務性能。”

　　Charles Schwab是一家先進的投資服務公司。“線上檢測欺詐活動是一項永無止境的挑戰(zhàn)，不良行為人不斷制造著新的攻擊媒介。我們的使命是走在壞人的前面，保護我們的客戶，”Charles Schwab欺詐監(jiān)控與調(diào)查副總裁KaraH。Suro說：“我們對Amazon Fraud Detector的推出感到興奮。這讓我們可以更快、更輕松地構(gòu)建機器學習工具，發(fā)現(xiàn)欺詐活動；我們預計欺詐預防率會顯著提高。部署Amazon Fraud Detector，將有助于從我們的歷史數(shù)據(jù)中識別欺詐模式，也可以利用亞馬遜檢測欺詐的經(jīng)驗。”

　　Vacasa是北美最大的全方位服務度假租賃管理公司之一，在17個國家/地區(qū)擁有超過23000家度假屋，每年為超過200萬客人提供服務。Vacasa創(chuàng)始人兼首席執(zhí)行官EricBreon表示：“自公司成立以來，我們利用技術(shù)使當?shù)貓F隊能夠?qū)Ｗ⒂谡疹櫦彝ズ涂腿�，同時為度假房主實現(xiàn)收入最大化。我們對AmazonFraudDetector的發(fā)布感到興奮，這意味著我們可以更輕松地使用先進的機器學習技術(shù)，準確檢測欺詐性預訂。保護我們的‘門戶’免受潛在傷害，使我們能夠?qū)Ｗ⒂谑苟燃僮赓U體驗無縫、無憂。”

　　Cerner是衛(wèi)生信息技術(shù)解決方案、服務和設備的領先提供商之一。Cerner公司解決方案策略師JacobGeers說：“臨床文檔的精確性對于工作流程和總體的護理人員滿意度至關(guān)重要。通過利用AmazonTranscribeMedical的轉(zhuǎn)錄API，Cerner正在初步開發(fā)數(shù)字語音抄寫器，自動收聽醫(yī)生與患者的互動，毫不顯眼地以文本形式捕獲對話。然后，我們的解決方案能夠智能地翻譯概念，進入Cerner病歷系統(tǒng)中的編纂組件。”

　　Suki是一款AI驅(qū)動、支持語音的數(shù)字助理，可減輕醫(yī)生的事務負擔。SukiAI公司首席執(zhí)行官PunitSoni說：“臨床文檔事關(guān)醫(yī)療數(shù)據(jù)工作流程，幫助臨床醫(yī)生更有效地采集筆記是關(guān)鍵。我們可以輕松地將我們的臨床數(shù)字助理與AmazonTranscribeMedical集成，允許醫(yī)生口述醫(yī)療筆記，將臨床文檔的精力消耗平均降低76%。他們的時間應該花在照顧病人上，而不是做數(shù)據(jù)輸入工作。”

　　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(chǎn)品和服務創(chuàng)新，正在重新定義消費者和企業(yè)購買無線服務的方式。“在T-Mobile，我們以客戶的幸福來衡量成功。作為Un-carrier，我們知道，當客戶覺得我們了解并預測到他們的需求、直接解決他們的痛點時，他們會感到最幸福，”T-Mobile執(zhí)行副總裁、首席信息CodySanford說，“我們的專家團隊客戶服務模式致力于建立個人聯(lián)系，并使用A2I等尖端工具為我們的團隊取得成功做好準備。是的，機器學習帶來更深入、更投入的關(guān)系！訪問實時的上下文信息，例如如客戶詳細信息和可用折扣，使我們的團隊能夠在與客戶進行真實、實時的對話時，代表客戶做出現(xiàn)場決策……完全雙贏！”

　　VidMob是一個營銷創(chuàng)意平臺，可為品牌的所有創(chuàng)意需求提供端到端技術(shù)解決方案。其集成平臺將同類首創(chuàng)（first-of-a-kind）的創(chuàng)意分析與一流的創(chuàng)意制作相結(jié)合，提高營銷效率。“Vidmob利用機器學習來分析視頻的各個方面，包括人物、對象和信息，幫助品牌了解創(chuàng)意績效，構(gòu)建更好的創(chuàng)意。然而，對于現(xiàn)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(shù)據(jù)中回顧創(chuàng)意，很有挑戰(zhàn)性，”VidMob數(shù)據(jù)和見解高級副總裁JolineMcGoldrick說，“憑借我們目前訓練有素的創(chuàng)意評估隊伍，使用A2I，我們可以更快地優(yōu)化、微調(diào)我們的預測模型。這種效率使我們接觸到大量審核人員，將模型上市速度提高了3倍。”

　　13年以來，Amazon Web Services（AWS）一直是世界上服務豐富、應用廣泛的云服務平臺。AWS提供超過175項全功能的服務，涵蓋計算、存儲、數(shù)據(jù)庫、聯(lián)網(wǎng)、分析、機器人、機器學習與人工智能、物聯(lián)網(wǎng)、移動、安全、混合云、虛擬現(xiàn)實與增強現(xiàn)實、媒體，以及應用開發(fā)、部署與管理等方面，遍及22個地理區(qū)域的69個可用區(qū)（AZ），并已公布計劃在印度尼西亞、意大利、南非和西班牙建立4個AWS區(qū)域、13個可用區(qū)。全球數(shù)百萬客戶，包括發(fā)展迅速的初創(chuàng)公司、大型企業(yè)和領先的政府機構(gòu)都信賴AWS，通過AWS的服務強化其基礎設施，提高敏捷性，降低成本。欲了解AWS的更多信息，請訪問：http://aws.amazon.com。

　　亞馬遜秉承四大原則：顧客至尚、崇尚創(chuàng)新、卓越運營與長遠思考。公司開創(chuàng)了諸多創(chuàng)新服務，包括客戶評價、一鍵下單、個性化推薦、Prime會員服務、亞馬遜配送、亞馬遜云計算服務、Kindle直接出版(Kindle Direct Publishing)、Kindle、Firetablets、FireTV、AmazonEcho以及Alexa等。更多信息，請訪問www.amazon.com/about。