KI-Modelle und Plattformen
Amazon kündigt DeepComposer und andere KI-Technologien an

Amazons jährliche re:Invent-Konferenz in Las Vegas begann diese Woche mit drei großen KI-Ankündigungen. Das Unternehmen stellte der Öffentlichkeit Transcribe Medical, SageMaker Operators for Kubernetes und DeepComposer vor.
Transcribe Medical
Was als größte Ankündigung der drei gilt, Transcribe Medical ist die neueste Ergänzung des Transcribe-Spracherkennungsdienstes des Unternehmens. Es transkribiert medizinische Sprache für die Primärversorgung. Das Programm kann in medizinischer Sprache sowie in standardmäßiger Konversationsdiktion arbeiten.
Laut dem Unternehmen kann Transcribe Medical in Tausenden von Gesundheitseinrichtungen eingesetzt werden und wird medizinischem Personal bei der Aufnahme von Notizen und anderen wichtigen Informationen helfen. Es bietet eine API und kann mit den meisten intelligenten Geräten mit Mikrofon verwendet werden. Wenn das Programm die Informationen liest und verarbeitet, gibt es den Text in Echtzeit aus.
Transcribe Medical wird derzeit von SoundLines und Amgen verwendet.
Vadim Khazan ist der Präsident der Technologie bei SoundLines.
“Für die 3.500 Gesundheitspartner, die auf unsere Care-Team-Optimierungsstrategien für die letzten 15 Jahre gesetzt haben, haben wir die Zeit und den Aufwand, um zu aussagekräftigen Daten zu gelangen, erheblich reduziert”, sagte er in einer Erklärung.
DeepComposer
DeepComposer ist eine KI-gesteuerte Klaviertastatur, die es AWS-Kunden ermöglicht, KI und einen MIDI-Controller zu verwenden, um Musik zu komponieren. Amazon (AMZN ) bezeichnet die neue Technologie als “erste maschinelle Lernplattform für Musik”. Sie hat 32 Tasten und ist eine zweioktavige Tastatur.
Komponisten, die das Programm verwenden, können wählen, ob sie ein kurzes musikalisches Thema aufnehmen oder ein vorab aufgenommenes verwenden. Sie wählen dann ein Modell für das gewünschte Genre und die Architekturparameter des Modells. Sie können auch die Verlustfunktion festlegen, eine Funktion, die verwendet wird, um die Differenz zwischen der Ausgabe des Algorithmus und dem erwarteten Wert zu messen. Der Komponist kann auch Hyperparameter und eine Validierungsstichprobe festlegen. DeepComposer erstellt dann eine Komposition, die entweder im AWS-Konsole abgespielt oder exportiert und auf SoundCloud geteilt werden kann.
DeepComposer verwendet ein generatives adversarisches Netzwerk (GAN), um kompositorische Lücken in Liedern zu füllen. Zufällige Daten werden von einem Generator-Komponenten erfasst und verwendet, um Beispiele zu erstellen, die an ein Diskriminator-Element weitergeleitet werden. Das Diskriminator-Element trennt dann die echten Beispiele von den falschen, und der Generator verbessert sich zusammen mit dem Diskriminator. Der Generator wird schrittweise besser darin, Beispiele zu erstellen, die so nah wie möglich an den echten Beispielen sind.
SageMaker Operators for Kubernetes
AWS startete auch Amazon SageMaker Operators for Kubernetes, das es Datenwissenschaftlern ermöglicht, KI-Modelle in der Amazon SageMaker-Maschinenlernplattform zu trainieren, zu optimieren und zu bereitstellen. AWS-Kunden können SageMaker Operators auf Kubernetes-Clustern installieren, und dies kann Amazon SageMaker-Aufträge native über die Kubernetes-API und die Kubernetes-Kommandozeilentools erstellen.
Aditya Bindal ist der Senior-Produktmanager für Deep Learning bei AWS.
“Jetzt mit Amazon SageMaker Operators for Kubernetes können Kunden die Vorteile der Portabilität und Standardisierung von Kubernetes weiterhin nutzen … und gleichzeitig die vielen zusätzlichen Vorteile, die mit Amazon SageMaker aus der Box kommen, ohne benutzerdefinierten Code”, schrieb sie in einerPressemitteilung.
Kubernetes ist ein Open-Source-Allzweck-Container-Orchestrierungssystem, das zum Bereitstellen und Verwalten von containerisierten Anwendungen verwendet wird. Dies geschieht oft über einen verwalteten Dienst wie Amazon Elastic Kubernetes Service (EKS). Wissenschaftler und Entwickler können mit dem Programm eine größere Kontrolle über ihre Trainings- und Schnittstellen-Workloads erlangen.












