Amazon Kendra 重塑企業搜索，它利用自然語言處理及其它機器學習技術，將企業內部的多個數據孤島統一起來，始終如一地為常見查詢提供高質量的結果，而不是以隨機的鏈接列表響應關鍵字查詢 Ÿ Amazon CodeGuru可幫助軟件開發者自動執行代碼審核，確定應用中開銷最大的代碼行 Ÿ Amazon Fraud Detector基于為Amazon.com開發的相同技術，幫助企業實時識別線上身份欺詐和支付欺詐 Ÿ Amazon Transcribe Medical為醫療保健提供商提供高精度的、實時語音到文本轉錄，以便他們可以專注于患者護理 Ÿ Amazon Augmented Artificial Intelligence (A2I) 幫助機器學習開發者通過人工確認驗證機器學習預測

今天，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者和終端用戶手中，而他們無需機器學習經驗。AWS介紹了幾項使用了 AI 的新服務，讓更多開發者應用機器學習，創造更好的終端用戶體驗，包括機器學習驅動的企業搜索、代碼審核與分析、欺詐檢測、醫療轉錄和 AI 預測的人工審核。

機器學習持續快速增長，如今有數以萬計的客戶在 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報業公司、美國宇航局、普華永道、白宮歷史協會、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。AWS 客戶有興趣學習亞馬遜大規模使用機器學習的豐富經驗，以改進運營，提供更好的客戶體驗，又無需訓練、優化和部署自己的定制化機器學習模型。今天，AWS 宣布推出五項新的 AI 服務，這些服務基于 Amazon 豐富的機器學習經驗，允許所有行業、所有規模的機構在其企業中采用機器學習，而無需機器學習經驗。

Amazon Kendra通過機器學習重塑企業搜索

盡管多年來多種嘗試，但內部搜索對于當今的企業來說仍是一個棘手的問題，大多數員工仍然經常難以找到他們需要的信息。機構擁有大量非結構化文本數據，如果能夠發現、存儲多種格式并跨不同的數據源(例如 Sharepoint、Intranet、Amazon S3 和本地文件存儲系統)，則這些數據非常有用。即使通用的、基于 Web 的搜索工具隨處可見，機構仍然發現內部搜索很困難，因為沒有可用工具能夠很好地跨越現有數據孤島編制索引，無法提供自然語言查詢，并且無法提供準確的結果。當員工有疑問時，他們需要使用可能出現在不同上下文、多個文檔中的關鍵字，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(而不僅僅是關鍵字)在多個數據孤島中搜索，在后臺部署 AI 技術來提供他們尋求的精確答案(而不是隨機的鏈接列表)，重塑企業搜索。員工可以使用自然語言運行搜索(關鍵字仍然有效，但大多數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?”Amazon Kendra 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門戶和其它相關網站的鏈接?？蛻艨梢栽趹贸绦?、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 Amazon Kendra 指向其各種文檔存儲庫，服務會聚合 PB級的數據以構建集中索引。Amazon Kendra會掃描文檔的權限，確保搜索結果符合現有的文檔訪問策略，搜索結果僅包含用戶有權訪問的文檔。此外，Amazon Kendra還根據客戶的特定情況，積極地重新訓練機器學習模型，亞洲服務器租用，使用點擊率數據、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。

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

跟亞馬遜一樣，AWS客戶也編寫了大量代碼。軟件開發是一個廣為人知的過程。開發者編寫代碼、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據改進代碼，循環往復。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有應用程序代碼庫之前執行代碼檢查，檢查邏輯、語法和樣式。即使對于像亞馬遜這樣的大型機構，考慮其每天要編寫的代碼量，也很難有那么多有經驗的開發者、他們有足夠的富余時間來審核代碼。而且即使是有經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。