Amazon SageMaker Ground Truth のお客様

LLM のアウトプットを管理し、保証された SLA の範囲内で高品質のデータを受け取るには、多くのラベル付けと注釈が必要です。Amazon SageMaker Ground Truth Plus は、当社の LLM に不可欠なものになりました。

不変的に重要なのは、人による検証を行うことや人にループに参加してもらうことです。これにより、モデルを正しい方向に導くのに役立ちます。

Amazon SageMaker Ground Truth を使用することで、ドキュメントからデータを生成して要約することで事業運営を改善し、市場投入までの時間を短縮し、生産性の時間を節約し、応答の精度とパフォーマンスを向上させることができました。Ground Truth Plus のワークフォースを活用することで、従業員とお客様向けに、人の好みに合わせた、GenAI を活用した質問、回答と要約の提供を開始することができました。

生成 AI モデルの成功には、高品質のラベル付きデータセットを入手することが不可欠です。Amazon SageMaker Ground Truth Plus のおかげで、ラベル付きの動画を迅速に生成し、生成 AI モデルを微調整するプロセスを加速することができました。今日まで、社内でデータラベル付け UI を構築しようとした試みは費用と時間がかかり、データサイエンティストがデータにラベルを付けるのに 1 日 1 時間以上かかっていました。Amazon SageMaker Ground Truth Plus を使用することで、従来 1 年を要していた 100 本の高品質のラベル付き動画を 1 か月 10 万本に拡大することができました。その結果、データサイエンティストは推定 1000 時間、20 万 USD のコストを節約でき、チームの生産性が大幅に向上し、生成 AI モデルの品質と精度も大幅に向上しました。

当社の機械学習ベースのマルチモーダル認識アルゴリズムは、信頼性が高く安全な運転システムを確保するために、大量のラベル付きデータを使用して継続的にトレーニングおよび検証する必要があります。Amazon SageMaker Ground Truth Plus データラベリングサービスを使用して、何千マイルにも及ぶ現実世界のデータにラベルを付けています。これにより、これらのモデルを非常に高い信頼性でトレーニングできます。Amazon SageMaker Ground Truth Plus のおかげで、厳しい開発スケジュールを維持し、何百万もの現実世界のオブジェクトにラベルを付け、99% 以上の品質目標値で納品することができました。時間と品質を重視したこれらの納品により、マルチセンサーによる学習知覚モデルの精度が 8% 向上し、想起率が 2% 向上しました。

NFL では、機械学習を使用してファン、放送局、コーチ、チームがより深いインサイトから利益を得られるようにするための新しい方法を引き続き模索しています。アメフトは動きの速いスポーツで、プレーは一瞬で起こります。コーチとレフリーは試合を注意深く見守っていますが、フィールド上のすべての選手を見張って安全を確保するのは難しい場合があります。コンピュータビジョンにより、選手の安全上の問題を正確に検出できますが、このようなアルゴリズムを開発するには、専門的にラベル付けされたデータが必要です。現在、Amazon SageMaker Ground Truth Plus を使用すると、高度なラベリングタスク用のカスタムワークフローとユーザーインターフェイスが利用できるようになり、選手の安全性を向上させるのに役立っています。

Airbnb では、ビジネスのあらゆる側面にわたって機械学習をますます統合しています。結果として、私たちのチームは、機械学習モデルのトレーニングとテストを行うために、常に高品質のデータを生成および維持する必要があります。私たちは、中国で 10 万段落のカスタマーサービスログで高品質のテキスト分類データ結果を生み出す方法を探していました。これにより、お客様により良いサービスを提供し、カスタマーサービスチームへの依存を減らすことができます。AWS チームは、Amazon SageMaker Ground Truth Plus を使用してカスタマイズされたデータラベリングワークフローを構築しました。これには、99% の分類精度を達成できるカスタマイズされた機械学習モデルが含まれます。

Samsara では、物理的な業務のデジタルトランスフォーメーションを推進しています。Connected Operations Cloud を使用すると、物理的な業務に依存する企業は、IoT データ、分析、AI を活用して、実用的なインサイトを開発し、安全性、効率、持続可能性を向上させることができます。Amazon SageMaker Ground Truth Plus により、高品質のラベル付きデータを受け取り、安全上のリスクを検出して対処する能力をさらに向上させるように設計された専用のツールにアクセスできます。

VIZIO では、機械学習を活用してお客様がパーソナライズされたエクスペリエンスを得られるようにする方法を常に模索しています。私たちは、広告動画を継続的にレビューし、効率的な広告分類のために商用メタデータを生成する方法を探していました。Amazon SageMaker Ground Truth Plus のストリーミング機能を利用することで、カスタムテンプレートを使用できるようになりました。これにより、動画分類、メタデータ収集、および広告放送中にリアルタイムでデータを収集できるようにする自動化されたシステムがもたらされました。Amazon SageMaker Ground Truth Plus では、1 営業日以内に結果を確認できます。

私たちにとって、機械学習は目に見えない課題に光を当ててくれるものです。米国だけでも、毎年数十億ドルがゴミの片付けに費やされています。コンピュータービジョンモデルを利用して、世界中のゴミの画像をデータに変換し、都市がゴミ管理リソースをより適切に割り当てることができるようにしています。ただし、オブジェクト検出モデルを構築するには、オブジェクト、マテリアル、ブランド情報にアクセスする必要があります。また、データセットが世界中に分散しているため、ローカライズされた知識も必要です。Amazon SageMaker Ground Truth Plus を使用すると、ローカライズされたコンテキスト内でこれらの正確な特徴をキャプチャする階層型アノテーションインターフェイスを作成できます。さらに、SageMaker Ground Truth Plus のエキスパートがローカライズされた画像注釈を作成しました。これにより、データのラベル付け効率が最大 20% 向上し、注釈付きの結果をデータベースに取り込む能力が 200% 向上し、後処理にかかる時間が 90% 削減される標準化されたソリューションがもたらされます。

私たちの目標は、Canvas AMR が動的な倉庫環境を移動し、周囲の障害物や動く物体を追跡し、目的地までの安全で効率的なルートを計画できるようにすることです。これを実現するには、ロボットの周囲で動く物体の 3D トラッキングアノテーションを大規模かつ効率的に取得することが重要です。私たちは、Amazon ML Solutions Lab と協力して、Amazon SageMaker Ground Truth を使用したスケーラブルな 3D ポイントクラウドオブジェクトトラッキングパイプラインをわずか数週間で構築しました。このパイプラインによってラベリング時間が 6〜10 倍短縮され、アノテーションの進行が加速されるのを目の当たりにしたときには感銘を受けました。

PrecisionHawk は、企業向けのドローンテクノロジーにおける大手プロバイダーです。エンドツーエンドのプラットフォームは A.I. と機械学習を活用して、航空データを実用的なビジネスインテリジェンスに変えます。このソリューションの一部として、重要なオブジェクトと異常を識別するカスタムモデルをトレーニングして、重要なアセット検査の精度と速度を向上させています。これらのモデルのトレーニングデータセットを生成するには、広範囲データのコーパスにラベルを付け、ラベルが正確であることを確認する必要があります。Amazon SageMaker Ground Truth は、ここで目標の達成を支援します。まず、ラベル付けジョブを始めるための直感的なユーザーインターフェイスを提供しており、すぐに開始できます。さらに、このサービスは、顧客固有のラベル付けワークフローを設計およびデプロイするための拡張性を提供します。Amazon SageMaker Ground Truth は、今後の AI イニシアチブで引き続き重要な部分を占めるでしょう。

AstraZeneca は、研究開発の全段階で機械学習の実験を行っており、最近では病理学での組織サンプルのレビューを高速化しています。機械学習モデルは、最初に大規模かつ代表的なデータセットから学びます。データのラベル付けは時間のかかる別のステップです。特にこの場合は、正確なモデルをトレーニングするために何千もの組織サンプル画像が必要になることがあります。AstraZeneca は、Amazon SageMaker Ground Truth を使用しています。これは、機械学習を使用した人間参加型のデータラベリングおよび注釈サービスで、この作業で最も退屈な部分を自動化し、サンプルのカタログ化に要する時間を 50% 以上削減します。

AI @ T-Mobile チームは、当社のカスタマーケアセンターのシステムに AI と機械学習を統合し、当社のエキスパートからなるチームが、関連する顧客のコンテキスト情報をリアルタイムで表示する自然言語理解モデルを使用して、顧客に一段と高速かつ正確にサービスを提供できるようにしています。データのラベル付けは高性能モデルの作成の基礎を成していましたが、データサイエンティストやソフトウェアエンジニアにとっては退屈な作業でもあります。SageMaker Ground Truth を使うと、データラベリングプロセスが簡単、効率的でスムーズなものになります。これにより彼らの手間が省けて、自分たちが望むこと、つまり、顧客やカスタマーサービスに最高の使用体験を提供する製品を作ることに集中できます。

Pinterest は、画像検索とモデレーションのユースケースのためにオブジェクトを検出する機械学習システムを、継続的に開発しています。これを実現するには、必要なトレーニングデータセットを生成するために何百万もの画像にラベルを付ける必要があります。Pinterest には、Amazon Mechanical Turk などの Amazon のサービスを統合したラベリングプラットフォームがすでにあります。当社では、SageMaker Ground Truth を使用してこのプラットフォームを拡張し、境界ボックスのラベル付け作業に対応することを、ワクワクしながら検討しました。SageMaker Ground Truth にはラベル付けジョブを始めるためのシンプルで効率的なインターフェイスがあることがわかりました。AWS チームと密接に協力して、SageMaker Ground Truth を当社独自のデータセットに合わせてカスタマイズしました。SageMaker Ground Truth を当社のデータラベリングプラットフォームに統合することを楽しみにしています。

Change Healthcare は、大手の医療技術会社であり、医療のエコシステムが機能するだけでなくスマートに動作するように支援するうえで、重要な役割を果たしています。当社の AI チームは、テキストの段落にラベル付けして、以前はモデル化できなかった高度に構造化されていない医療データにアノテーションを付けられるようにするソリューションを探しています。SageMaker Ground Truth と SageMaker を使えば、迅速に人員を配置して簡単に使用でき、わずかな労力でラベル付け作業を簡単に開始でき、最終的には医療システムの効率化に役立ちます。

AWS は、すべての開発者のための機械学習の実現というすばらしいコミットメントを示し続けています。SageMaker Ground Truth は、シンプルで適切に実行されるラベル付けソリューションによって、データのラベル付けサービスの分断された状況を統合します。当社ではこのツールを、当社のトレーニングパイプラインにすばやく統合することができました。この進化が当社のビジネスに今後どのように影響するのか、楽しみにしています。

当社は、AI ソリューションを構築してそれらをお客様のビジネス上の問題解決のために提供することを専門としています。当社では、SageMaker Ground Truth が、お客様に最先端の AI ソリューションを提供する上で重要な役割を果たすと考えています。SageMaker Ground Truth は、正確なトレーニングデータセットの生成に役立つ、強力な機能をいくつも備えています。ラベル付けのテンプレートを選んで「自社のラベル付け作業者を動員する」ことで、チームを簡単かつスケールに応じて確実に戦力化できます。当社の AI ソリューションポートフォリオ全体で SageMaker Ground Truth を使用したいと考えています。

AI の台頭で、雇用主が人材や求職者を募集する方法が変わりました。ZipRecruiter の AI によるアルゴリズムは、それぞれの雇用主が求めているものを学習し、希望の条件に沿って厳選された有望な候補者を紹介します。この市場の反対側では、当社のテクノロジーにより、求職者に最も適切な仕事を紹介するマッチングが行われます。そして、すべてを効率的に行うために、アップロードされた履歴書から適切なデータを自動的に抽出する機械学習モデルが必要でした。最も重要な情報を識別できるように機械学習モデルをトレーニングするには、最初にかなり大きなデータセットが必要です。このデータを作成するプロセスは、たいていはコストがかかり、手作業で進めねばならず、時間がかかります。Amazon SageMaker Ground Truth は、トレーニング用データセットの作成に必要な時間と労力の大幅な削減に役立ちます。データの機密保持のため、最初は自社の 1 チームで行うことを検討しました。しかし、これにより彼らは通常の業務から離れることになり、必要なデータを収集するには何か月もかかるでしょう。当社は、この独自のアノテーションプロジェクトを円滑に進めるために、Amazon SageMaker Ground Truth を使用して、Amazon が事前に審査したプロフェッショナルのラベリング業者である iMerit と連携しました。同社の支援により、自社のチームで行った場合と比べて数分の一の時間で、何千ものアノテーションを収集することができました。

Tyson Foods では、食の生産に携わり、真実と誠実さを追求し、株主、お客様、チームメンバー、コミュニティのために価値を創造することを約束しています。この約束を果たし、お客様に最高品質の製品を提供するために、ブレッディングの空洞、焦げ、変形などの製品品質の問題を発見するために手動検査を実施したり、問題を早期に発見するためコンベアベルトの漏れなどの設備点検を行ったりしています。ただし、これらの問題は異常なため、機械学習モデルのトレーニング用の画像を集めることは非常に困難か不可能な状況です。また、プロセスや環境に特化したトレーニングデータのラベリングがボトルネックになることも多いです。場合によっては、ラベリングが非常に面倒でエラーが発生しやすく、機械学習モデルの性能低下を招くこともあります。Amazon SageMaker Ground Truth は、こうした課題の一つひとつに対応できるため、私たちは非常に期待しています。合成データを生成することで、製品や装置の検査箇所を自動化するための高精度なモデルをトレーニングさせることができます。また、ラベル付きデータのターンアラウンドタイムを短縮できるため、精度を向上させながら、より早くモデルをトレーニングすることができます。SageMaker Ground Truth は、例となるデータがないために、これまでコンピュータビジョンで対応することが不可能だったユースケースに取り組む道を開いています。

私たちのお客様は、1 日により多くのピッキングを達成する必要があります。人手不足とボリュームの急増に直面し、投入やその他のソリューションを迅速に搭載し、需要に応えたいと考えていることがよくあります。Plus One Robotics の技術は、倉庫で扱われる品目の多様性に取り組むために構築されています。新しい SKU は、最初のうちはまれにしか現れず、特定の状況下でなければ現れないかもしれません。合成データを使うことで、いずれ遭遇するであろう多種多様な予想シナリオに対応できるよう、システムを事前にトレーニングすることができます。Amazon SageMaker Ground Truth を使用して、さまざまな運送会社のパッケージのラベル付きで写実的な画像を数万枚生成し、姿勢や配置、さらにはシールやラベルなどの表面のバリエーションをモデル化します。これらの画像は、私たちの AI ビジョンの向上を実証しています。合成画像は、その完全性と正確性のおかげで、より良いパフォーマンスのシステムをより速くトレーニングすることができ、面倒なデータ注釈とクリーニングのステップを省略することができます。このデータは、実際の投入アプリケーションで使用され、私たちのお客様のために 1 日あたり 100 万以上のピッキングを促進しています。

ワシントン大学と Amazon は、オープンリサーチで人工知能とロボット工学を発展させるために、サイエンスハブとして知られるコラボレーションを開始しました。私たちのプロジェクトの 1 つは、機械学習 (ML) を使って、単一のカメラ視点に基づく世界の 3D モデルを構築し、ロボットシステムが環境を理解できるようにすることです。しかし、実世界の膨大な学習データを入手することは、機械学習プロジェクトにとって常に課題となっています。Amazon SageMaker Ground Truth を使えば、手作業で画像にラベル付けするような時間がかかりミスが発生しやすいプロセスを経ずに、何千ものラベル付き写実的画像を迅速かつ簡単に生成できるため、私たちは大きな期待を寄せているのです。研究の初期段階では、SageMaker Ground Truth のおかげで、研究スタッフはデータセットのキュレーションよりも、新しい技術の開発というコアコンピタンスと主な研究目的に集中できるようになります。