Svelato per la prima volta alla fine dello scorso anno, Amazon Web Services (Aws) ha annunciato ora la disponibilità generale di Amazon Augmented Artificial Intelligence (A2I), un servizio completamente gestito che semplifica l’aggiunta di revisioni umane alle previsioni di machine learning.
Ciò, allo scopo di migliorare il modello e l’accuratezza dell’applicazione di intelligenza artificiale, identificando e migliorando continuamente le previsioni caratterizzate da un basso livello di fiducia.
Amazon A2I aiuta gli sviluppatori ad applicare e aggiungere la revisione umana per le previsioni del modello, ad applicazioni nuove o già esistenti, utilizzando reviewer di Mechanical Turk, fornitori di terze parti o dipendenti della propria azienda.
Il servizio Amazon A2I rende dunque più semplice per gli sviluppatori creare il sistema di revisione umana, strutturare il processo di review e gestire la forza lavoro che si occupa della revisione. Ad esempio, spiega Aws, gli sviluppatori potrebbero utilizzare Amazon A2I per rivedere e convalidare, mediante forza lavoro umana, l’accuratezza delle previsioni di machine learning per un’applicazione che estrae informazioni finanziarie da documenti scansionati, oppure per un’applicazione che utilizza il riconoscimento di immagini per identificare articoli contraffatti online, in modo che la qualità dei risultati migliori nel tempo.
Per l’utilizzo di Amazon A2I, sottolinea Aws, non sono previsti impegni iniziali e i clienti pagano solo per ogni review richiesta.
Oggi, evidenzia Aws, il machine learning fornisce previsioni estremamente accurate (note come “inferenze”) per una varietà di casi d’uso, tra cui l’identificazione di oggetti nelle immagini, l’estrazione di testo dai documenti scansionati o la trascrizione e la comprensione della lingua parlata.
In ogni caso, i modelli di apprendimento automatico forniscono un’inferenza e un valore di confidenza che esprime la certezza del modello nella sua previsione. Più è alto il valore di confidenza, più il risultato può essere attendibile.
In genere, quando gli sviluppatori ricevono un risultato di confidenza elevato, possono fidarsi che la previsione sia accurata e, a seconda del caso d’uso, possono utilizzarla per automatizzare completamente un processo. Ad esempio, gli sviluppatori di un’applicazione di social media che abbina le foto di un utente ai volti di celebrità potrebbero fare affidamento su un punteggio di confidenza dell’80% per generare e restituire molte corrispondenze divertenti.
Tuttavia, ci sono altre circostanze in cui è vivamente consigliabile avere sia un’elevata confidenza (fino al 99%) sia una revisione umana, come ad esempio i casi d’uso di pubblica sicurezza.
In situazioni in cui il punteggio di confidenza è inferiore a quello desiderato o è richiesto un giudizio umano, è possibile utilizzare le review per convalidare la previsione.
Questa interazione tra apprendimento automatico e revisori umani è fondamentale per il successo dei sistemi di machine learning ma le revisioni umane, sottolinea Aws, sono impegnative e costose da allestire e da operare su larga scala. Di conseguenza, gli sviluppatori a volte impiegano più tempo a gestire il processo di revisione umana che a creare l’applicazione, oppure sono costretti a rinunciare alle revisioni umane, il che porta a una minore confidenza nella distribuzione di applicazioni che utilizzano il machine learning.
Amazon A2I è una soluzione ideata per questo tipo di contesto: consentire agli sviluppatori di aggiungere la revisione umana alle applicazioni di machine learning senza la necessità di creare o gestire sistemi complessi e costosi.
Il servizio Amazon A2I offre oltre 60 flussi di lavoro di revisione umana predefiniti per attività di machine learning comuni, che semplificano la review delle previsioni provenienti da Amazon Rekognition e Amazon Textract. Inoltre, gli sviluppatori che creano modelli personalizzati di machine learning in Amazon SageMaker (o altri strumenti locali o cloud) possono impostare la revisione umana per il loro caso d’uso specifico nella console di Augmented AI o tramite la sua Application Programming Interface (API).
Dopo aver impostato una soglia di confidenza per le previsioni del modello, gli sviluppatori possono scegliere di fare in modo che le previsioni al di sotto di tale soglia vengano riviste da Amazon Mechanical Turk e dalla sua forza lavoro globale di 500.000 lavoratori indipendenti, da organizzazioni di terze parti specializzate nell’outsourcing dei processi aziendali o dai propri revisori interni.
Gli sviluppatori possono specificare il numero di lavoratori per review e Amazon A2I poi indirizza ciascuna review al numero preciso di revisori. I risultati validati dalla review umana vengono archiviati in Amazon Simple Storage Service (S3) e gli sviluppatori possono impostare le notifiche di Amazon CloudWatch Events per rivedere i metadati sulla accuratezza dell’inferenza e per recuperare i risultati.
