31 | 03 | 2021

Brug Augmented AI til human loop, hvis du i første omgang er tilbageholdende med at stole på Machine

Mange beslutninger i vores liv kræver en god prognose, og kunstig intelligens (AI) og maskinindlæring (ML) er næsten altid bedre til at forudsige end deres menneskelige kolleger. Alligevel synes vi stadig mangler tillid til AI-forudsigelser for alle disse teknologiske fremskridt. Nylige sager viser, at folk ikke kan lide at stole på AI og foretrækker at stole på menneskelige eksperter, selvom de tager fejl.
Hvorfor har vi ikke det bedste ud af begge verdener?
Forståeligt nok er folk ængstelige og tilbageholdende med at stole på maskinen; hvordan kan vi kontrollere, at maskinen ikke laver fejl og gør sit kedelige arbejde?

I de følgende afsnit vil vi forklare dette trin for trin.

Augmented Artificial Intelligence (A2I)

Implementer let en menneskelig gennemgang af forudsigelser om maskinindlæring.

Nogle maskinindlæringsapplikationer har brug for menneskeligt tilsyn for at sikre nøjagtighed med følsomme data, give kontinuerlige forbedringer og omskolere modeller med opdaterede forudsigelser. Men i disse situationer er du ofte tvunget til at vælge mellem kun maskinlæring eller kun et menneskeligt system. Virksomheder er på udkig efter det bedste fra begge verdener - integrering af maskinlæringssystemer i din arbejdsgang, mens man holder øje med resultaterne for at garantere den nødvendige præcision.

Brug cases

Healthcare Sector

Medicinske forsikringskrav, indtagelsesformularer, recepter og mange andre sundhedsdokumenter har værdifulde oplysninger inde, som skal udvindes hurtigt og præcist. Du kan nu bruge A2I og Textract til at behandle dokumenter, udtrække dataene og få en menneskelig gennemgang af de kritiske data. Dette sparer tid og penge ved dokumentbehandling og giver et menneske mulighed for løbende at gennemgå alle nuancerede eller følsomme data eller revisionsforudsigelser.

Bank- og finansielle tjenester

Lån- eller pantansøgninger, skatteformularer og mange andre økonomiske dokumenter indeholder millioner af datapunkter, der skal behandles og udvindes hurtigt og effektivt. Ved hjælp af Textract og Amazon A2I kan du udtrække vigtige data fra disse formularer, hvad enten de er strukturerede eller ustrukturerede og har en menneskelig gennemgang af output. DealNet Capital bruger Textract og Amazon A2I til at behandle deres økonomiske poster, hvilket har reduceret mængden af ​​tid brugt manuelt på at gennemgå dokumenter med op til 80%.

Fordele og fordele

Gennemfør hurtigt en menneskelig gennemgang af ML-forudsigelser.

A2I giver dig fleksibiliteten til at indarbejde menneskelig gennemgang i ML-applikationer baseret på dine specifikke krav. Forudsigelser med lav tillid sendes til mennesker for at gennemgå og handle. Hvis det er nødvendigt, kan du også kræve, at flere korrekturlæsere kontrollerer en prognose for at opnå konsensus. Derudover kan du til auditmodeller tilfældigt prøve forudsigelser til menneskelig gennemgang, så du regelmæssigt kan evaluere, om modellen stadig fungerer godt. A2I hjælper mennesker og maskiner med at gøre, hvad de gør bedst.

Integrer menneskeligt tilsyn med enhver applikation

A2I giver dig en nem måde at integrere menneskeligt tilsyn i dine maskinindlæringsprocesser uden behov for maskinindlæring. Ingen grund til at gå med et menneskeligt gennemgangssystem kun mod maskinlæring. A2I samler maskinindlæring og mennesker for at give dig automatisering, mens du holder øje med resultaterne for at give den nødvendige præcision. Amazon A2I gør det let at integrere menneskelig vurdering og AI i enhver ML-applikation, uanset om den køres på AWS eller en anden platform.

Gå hurtigere på markedet.

Beslutningen mellem maskinindlæring og mennesker, der foretager manuelle processer, kan vælge at markedsføre i dag mod måneder fra nu. Integrering af Amazon A2I i din arbejdsgang hjælper ikke kun med at komme på markedet med din maskinindlæring hurtigere, og du kan også opdatere og omskole dine modeller over tid. Efterhånden som din virksomheds behov ændres, kan dine arbejdsgange også gøre, og Amazon A2I kan hjælpe dig med løbende at forbedre dine modeller, uanset hvilket tidspunkt du er i din maskinindlæring.

v500-systemer | casestudie | gendannelse af netværkskatastrofe

 

Eksempler på, hvordan andre tilpassede denne metode med succes

T-Mobile US, Inc. omdefinerer, hvordan forbrugere og virksomheder køber trådløse tjenester gennem førende produkt- og serviceinnovation. Deres avancerede landsdækkende netværk leverer trådløse oplevelser til 84.2 millioner kunder, der ikke er villige til at gå på kompromis med kvalitet og værdi.

“At levere relevant information, såsom kontooplysninger og tilgængelige rabatter, i realtid til vores kundebehandlingsagenter, mens de er i live samtaler med kunder, er en af ​​måderne, T-Mobile bruger maskinlæring til at forbedre kundeoplevelsen. Ved hjælp af A2I vil vi være i stand til at sikre, at vores modeller kontinuerligt leverer indsigt i topkvalitet ved at lade mennesker validere tilfældige prøver af modelforudsigelser. Tillid er den sværeste ting at opbygge, når det kommer til maskinlæring, og A2I giver os mulighed for at sikre, at vores modeller laver de færreste fejl. ”

- Heather Nolis, maskinlæringsingeniør, T-Mobile

Change Healthcare er en førende uafhængig sundhedsteknologivirksomhed, der leverer data- og analysedrevne løsninger til forbedring af kliniske, økonomiske og patientengagementresultater i det amerikanske sundhedssystem.

”Hos Change Healthcare hjælper vi med at fremskynde transformationen af ​​sundhedsvæsenet ved at innovere for at fjerne ineffektivitet, reducere omkostninger og forbedre resultaterne. Vi har et robust sæt integrerede kunstige intelligensmotorer, der giver ny indsigt, effekt og innovation i branchen. Kritisk for vores resultater er at gøre det muligt for menneske-i-løkken at forstå vores data og automatisere arbejdsgange. Augmented AI (Amazon A2I) gør det let at opbygge de arbejdsgange, der kræves til menneskelig gennemgang af ML-forudsigelser. Da A2I bliver HIPAA-kvalificeret, er vi i stand til at involvere mennesket i arbejdsgangen og beslutningsprocessen, hvilket hjælper med at øge effektiviteten med de millioner af dokumenter, vi behandler, for at skabe endnu mere værdi for patienter, betalere og udbydere. ”

Luyuan Fang, Chief AI Officer, Change Healthcare

 

Kunstig intelligens | v500-systemer

 

Klar til at komme i gang?

Kontakt os for mere information og implementer kunstig intelligens med yderligere menneskelig gennemgang for at have det fulde omfang under kontrol.
Kontakt os >>>

 

Se vores casestudier og andre stillinger for at finde ud af mere:

Hvordan kan en intelligent dokumentbehandlingsløsning gavne Legal Sector?

AWS Kendra, der har 'Google' søgefunktioner eller bedre inden for din organisation

Hvad er vigtigt ved læseforståelse, og hvordan det kan hjælpe dig?

Vi holder af miljøet; derfor har vi et papirløst kontor på AWS WorkDocs.

Er Cloud en omkostningseffektiv løsning?

RELATEREDE ARTIKLER

19 | 01 | 2022

Hvad er AI?

Hvad er kunstig intelligens? En innovativ teknologi, der giver dig et forspring i forhold til dine konkurrenter, se videoen, og alt bliver klart. Gør ikke, hvad alle andre gør; innovere! Denne idé om, at innovation måske kan betale sig nu og da, leder os til en hel masse overvejelser om vores eksisterende gamle systemer og […]
19 | 01 | 2022

10 måder AI hjælper din virksomhed på

Kunstig intelligens-teknologi gavner store og små virksomheder, da den hjælper dem med at vokse, sikrer mere intelligent beslutningstagning og transformerer ledelsen.
09 | 01 | 2022

5 kerneårsager til, hvorfor du har brug for pålidelig, intelligent søgefunktion

Dine medarbejdere skal søge information regelmæssigt. De bruger således en vis del af deres daglige tid på at lede efter data.
12 | 12 | 2021

Omfattende syn på kunstig intelligens i jura og juridisk praksis

Virksomheder med kunstig intelligens (AI) fortsætter med at udvikle teknologi, der vil håndtere besværlige opgaver i forskellige industrier for bedre hastighed og nøjagtighed