人工知能

INNOTECH は、入力で推論し、出力で説明できるAIソフトウェアを提供します。それはソフトウェアと人間のような相互作用及び特定のタスクの意思決定支援を提供します。これらのテクノロジーを使用して、大量のデータを処理し、データ内のパターンを認識することにより、特定のタスクを達成するようにコンピューターをトレーニングできます。

私たちのAIサービス

機械学習

機械学習により、システムはデータから直接学習できます。これにより、Webおよびモバイルアプリケーションは、時とともに学習、適応、改善することができます。これは、膨大な量のデータを処理し、その中のトレンドとパターン(ほとんどは人間には明らかではない)を特定し、特定の目的を達成するための決定とアクションを実行することにより行います。

自然言語

自然言語処理は、コンピューターが人間の言語を理解し、操作し、解釈するのに役立つAIの分野です。 ビジネスに関連するさまざまな分野で個人のパフォーマンスをアップグレードするのに役立つ強力なツールとスキルを提供します。

コンピュータビジョン

コンピュータービジョンの自動化されたデータ生成サービスは、運用の効率を高め、メンテナンスコストを削減し、資産のライフサイクルを延長し、最終的に道路の安全性を向上させるために共同で働きます。

デジタルバーチャルエージェント

私たちは、オンライン顧客サービス担当者として働くバーチャルキャラクター(通常は擬人化された外観)に取り組んでいます。

INNOTECH の選択理由

経験

シニアエンジニアは平均で12年以上の経験があり、ほとんどの他のソフトウェアエンジニアは5年以上の経験があります。

リソース

12年以上の経験を持つリソース。豊富なリソースによりお客様の要件にすべて対応いたします。

競争力のあるコスト

向上させる生産性、高品質、競争力のある価格の組み合わせにより、イノテックはコストの真の価値をもたらします。

信頼性

当社の評判は、サービスの品質、お客様との関係を構築するというコミットメントに基づいています。

ブログ

ブログ

Jun 10, 2020
ディープラーニングチャットボット:すべての知るべきこと

チャットボットを作成するときの目標は、人間の干渉を最小限に減少するか、まったく必要としないものにすることです。これは2つの方法で実現できます。 一番目の方法では、カスタマーサービスチームがAIから提案を受け、カスタマーサービスの方法を改善します。二番目の方法には、すべての会話自体を処理し、カスタマーサービスチームの必要性をなくす、深層学習チャットボットが含まれます。 チャットボットの力のおかげで、フェイスブックのメッセンジャーのチャットボットの数が1年以内で10万から30万に増加した。 MasterCardなどの多くの  人気ブランドも、独自のチャットボットをすぐに作成します。チャットボットとCMS  を接続する ウェブサイトも一般的な方法となっており、関連するコンテンツの豊富なソースを提供しています。 しかし、ブランドがそのようなチャットボットをどのように活用できるかを説明する前に、ディープラーニングチャットボットが何かを見てみましょう。   ディープラーニングチャットボットとは何ですか?   ディープラーニングチャットボットは、「ディープラーニング」と呼ばれるプロセスを通じてゼ最初から直接学習します。このプロセスでは、チャットボットは機械学習アルゴリズムを使用して作成されます。ディープラーニングチャットボットは、すべてのデータと人間間の対話からを学習します。 ルアン・トング・ティン チャットボットは、テキスト上で意識を発達させるように訓練されており、人々と会話する方法を教えることができます。または、映画の会話やスクリプトを使ってチャットボットを教えることもできます。ただし、人間との会話は、最高のディープラーニングチャットボットを作成するための優先的な方法  です。データが多ければ多いほど、機械学習の効果は高まります。 ディープラーニングチャットボットとは何かがわかったところで、最初から構築する方法を理解してみましょう。    ディープラーニングチャットボットの構築   1.データを準備する   機械学習関連のプロセスの最初のステップは、データの準備です。チャットボットをトレーニングするには、顧客とサポートスタッフの間に何千相互作用が必要です。 ディープラーニングチャットボット用の十分なデータポイントが存在するように、データは可能な限り詳細かつ多様である必要があります。この特定のプロセスは、オントロジーの作成と呼ばれます。この段階での唯一の目標は、できるだけ多くのインタラクティブを収集することです。   2.データの変形   データソースによっては、この手順が必要な場合と必要でない場合があります。データが適切に分離されていない場合は、データを観測の単一行に再形成する必要があります。 これの観測は、クラシファイアに追加されるメッセージ応答ペアと呼ばれます。このステップの目標は、会話の応答として1人のスピーカーを置くことです。すべての着信ダイアログは、応答の予測に役立つテキストインジケータとして使用されます。メッセージと応答のペアを作成するときに、次のような制限を設定する必要がある場合があります。 会話は2人の間だけ行うべきです。これにより、メッセージの送信先が明確になります.一分以内に送信される個別のメッセージを一つのメッセージにまとめることができます。メッセージと応答をペアにするには、メッセージへの応答が五分以内に来る必要があります。 再形成後、メッセージと応答のペアは次のようになります。 こんにちは、元気ですか?何もないですが、雨を楽しんでいます。今日は疲れた日です。同じです。 本当に忙しいです。 このデータを蓄積したら、データを消去する必要があります。URL、画像参照、ストップワードなどを削除する必要があります。   3.前処理   ディープラーニングチャットボットを構築するための次のステップは、前処理です。このステップでは、チャットボットがスペルミスを正しく理解できるように、機械学習に文法を追加する必要があります。 このステップに含まれるプロセスは、チャットのトークン化、ステミング、および見出し語化です。これにより、ディープラーニングチャットボットでチャットが読みやすくなります。 これには、無料で入手可能なNTLKツールを使用できます  。 前処理の最後のステップでは、ディープラーニングチャットボットの参照としてチャットの解析木を作成します。   4.チャットボットのタイプを選択します   オントロジーと前処理が完了したら、作成するチャットボットのタイプを選択する必要があります。  作成できるチャットボットには、主に次の2つの  タイプがあります。 ジェネレーティブ – ジェネレーティブモデルでは、チャットボットは事前定義されたリポジトリを一切使用しません。これは、ディープラーニングを使用してクエリに応答する高度な形式のチャットボットです。 検索ベース –このフォームでは、チャットボットはクエリの解決に使用する応答のリポジトリを持っています。質問に基づいて適切な応答を選択する必要があり、チャットボットはこれに準拠します。 検索モデルは、データの検索に完全に基づいているため、ほとんどミスを犯しません。ただし、これには別の制限があり、厳格すぎるように見えたり、応答が「人間的」に見えない場合があります。 一方、ディープラーニングチャットボットは、そのスタイルを顧客からの質問や要求に簡単に適合させることができます。ただし、このタイプのチャットボットでさえ、全然ミスをしない、人との活用を真似ることはできません。 チャットボットの包括モデルも、この分野の知識がかなり限られているため、完璧にするのが難しいです。実際、ディープラーニングチャットボットはまだチューリングテストに合格できていません  。 クエリが単純な場合、検索ベースのチャットボットは非常に役立ちますが、複雑なクエリにもチャットボットが必要です。これは、チャットボットが以前のメッセージでの発言も追跡する必要がある場合に特に当てはまります。検索ベースを元にづいてチャットボットは、簡単で安い質問を回答できます。   5.単語ベクトルを生成する […]

Jun 9, 2020
9日常生活からの機械学習の応用

人工知能(AI)はあちこちにあります。可能性は、何らかの方法でそれを使用していて、それについてさえ知らないということです。AIの人気のあるアプリケーションの一つは機械学習(ML)です。この機械学習では、コンピューター、ソフトウェア、およびデバイスが(人間の脳とよく似た)認知を介して実行されます。以下に、日常的に使用している機械学習のいくつかの例を共有します。おそらくさえ数人はそれらが機械学習によって官製されていることを理解していません。 AIのアプリケーションは機械学習です AIのアプリケーションは機械学習です 1.仮想パーソナルアシスタント   Siri、Alexa、Google Nowは、仮想パーソナルアシスタントの人気のある例です Siri、Alexa、Google Nowは、仮想パーソナルアシスタントの人気の例です。名前が示すように、このアプリは声で尋ねられたときに情報を見つけるのを助けます。あなたがする必要があるのはそれらを活性化して、「今日の私のスケジュールは何ですか?」や、「ドイツからロンドンへのフライトは何ですか」など、同様の質問をします。答えるために、パーソナルアシスタントは情報を探し、関連するクエリを呼び出し、あるいは情報を収集するために他のリソース(電話アプリなど)にコマンドを送信します。「翌朝の午前6時にアラームを設定」、「明日のビザオフィスへの訪問をリマインドして」などの特定のタスクについてアシスタントに指示することもできます。 機械学習はこれらのパーソナルアシスタントの重要な部分です。なぜなら、彼らは以前の彼らの関与に基づいて情報を収集し、洗練するからです。後で、このデータセットを使用して、好みに合わせた結果を表示します。 仮想アシスタントは、さまざまなプラットフォームに統合されています。例えば: スマートスピーカー:Amazon EchoとGoogle Home スマートフォン:Samsung S8上のSamsung Bixby モバイルアプリ:Google Allo 2.通勤中の予測   Googleマップは便利な住所検索アプリケーションです   交通予測:私たちは皆、GPSナビゲーションサービスを使用しています。その間、現在の位置と速度は、トラフィックを管理するための中央サーバーに保存されています。このデータは、現在のトラフィックのマップを作成するために使用されます。これは交通の防止と渋滞の分析に役立ちますが、根本的な問題はGPSを搭載した車の数が少ないことです。このようなシナリオでの機械学習は、日常の経験に基づいて渋滞が見られる領域を推定するのに役立ちます。 オンライン輸送ネットワーク:タクシーを予約するとき、アプリは乗車料金を見積もります。これらのサービスを共有する場合、どのようにして迂回路を減少しますか?答えは機械学習です。Uber ATCのエンジニアリングリーダーJeff Schneiderはインタビューで、MLを使用してライダーの需要を予測することで価格の急上昇時間を定義していることと言いました。サービスのサイクル全体で、MLが大きな役割を果たしています。 3.ビデオ監視   一人が複数のビデオカメラを監視していると想像してください!確かに、やることも退屈なことも難しい仕事です。これが、この仕事をするためにコンピュータを訓練するという考えが理にかなっている理由です。 今日のビデオ監視システムは、犯罪が発生する前にそれを検出することを可能にするAIを搭載しています。彼らは、長時間動かないで立ったり、つまずいたり、ベンチで昼寝したりするなど、人々の変な行動を追跡します。したがって、システムは管理に警告を発し、最終的に事故を回避するのに役立ちます。そして、そのような活動が報告され、真実を確認された場合、それらは監視サービスの改善に役立ちます。これは、バックエンドで仕事をしている機械学習で起こります。 4.ソーシャルメディアサービス   ソーシャルメディアプラットフォームは、ニュースフィードのパーソナライズからより適切な広告のターゲティングまで、自分自身とユーザーのために機械学習を利用しています。これらの素晴らしい機能がMLのアプリケーションに過ぎないことを認識せずに、ソーシャルメディアアカウントで気づき、使用し、愛する必要があるいくつかの例を次に示します。 知っているかもしれない人々:機械学習はシンプルな概念で動作します:経験で理解する。Facebookは、接続している友達、頻繁にアクセスするプロファイル、興味、職場、または誰かと共有しているグループなどに継続的ににお知らせます。情報を継続的な受け取るに基づいて、友達になることができるFacebookユーザーの推奨リストを作成します。 顔認識:友達と一緒に自分の写真をアップロードすると、Facebookが即座にその友達を認識します。Facebookは写真のポーズと投影をチェックし、固有の機能に気づき、次にそれらを友達リストの人々と照合します。バックエンドでのプロセス全体は複雑であり、精度係数を処理しますが、フロントエンドでのMLの単純なアプリケーションのようです。 類似のピン:機械学習はコンピュータービジョンの中核要素であり、画像やビデオから有用な情報を抽出する手法です。Pinterestはコンピュータービジョンを使用して画像内のオブジェクト(またはピン)を識別し、それに応じて類似のピンを推奨します。 5.メールスパムとマルウェアフィルタリング   電子メールクライアントが使用するスパムフィルタリングアプローチは多数あります。このスパムフィルターは継続的に更新されることを確認するために、機械学習を利用しています。ルールベースのスパムフィルタリングが行われるとき、スパマーが採用した最新のトリックを追跡できません。Multi Layer Perceptron、C 4.5ディシジョンツリーインダクションは、MLを利用したスパムフィルタリング技術の一部です。 325以上のマルウェアが毎日検出され、コードの各部分は以前のバージョンと同様に90〜98%です。機械学習を利用したシステムセキュリティプログラムは、コーディングパターンを理解します。したがって、2〜10%のバリエーションを持つ新しいマルウェアを簡単に検出し、それらに対する保護を提供します。 6.オンライン顧客サポート   最近の多くのウェブサイトでは、顧客サポート担当者がサイト内をナビゲートしているときにチャットするオプションが提供します。ただし、すべてのウェブサイトが顧客の質問に答えるためのライブのエグゼクティブを持っているわけではありません。ほとんどの場合、チャットボットに話しかけます。このボットは、ウェブサイトから情報を抽出して顧客に言い表する傾向があります。その間、チャットボットは時間とともに進歩します。チャットボットは、ユーザーのクエリをよりよく理解し、より良い答えを提供する傾向があります。これは、その機械学習アルゴリズムにより可能です。 7.検索エンジンの結果の絞り込み   Googleおよびその他の検索エンジンは、機械学習を使用して検索結果を改善します Googleや他の検索ツールは、機械学習を使用して検索結果を改善します。検索を実行するたびに、バックエンドのアルゴリズムが結果への応答方法を監視します。上位の結果を開いてウェブページに長時間留まると、検索ツールは、表示された結果がクエリに適当だと想定します。同様に、検索結果の2番とか3番目のページに到達しても、どの結果も開かない場合、検索ツールは、提供された結果が要件を満たしていないと推定します。このように、バックエンドで動作するアルゴリズムは検索結果を改善します。 8.製品推奨   数日前にオンラインで商品を購入した後、買い物の提案に関するメールを受信し続けます。あるいはは、ショッピングウェブサイトまたはアプリが何らかの形であなたの好みに合ういくつかのアイテムを勧めていることに気付いたかもしれません。確かに、これはショッピング体験を改善させますが、私達にいろいろな微妙なものをもたらす機械学習であることを知っていましたか?ウェブサイト/アプリで人々の操作、過去の購入、カートに高評価または追加されたアイテム、ブランドの好みなどに基づいて、適当な製品が推奨されます。 9.オンライン詐欺検出 […]

Jun 9, 2020
AIと機械学習がCOVID-19との戦いをどのように支援しているか

組織はこのパンデミックを抑制するための戦いにAIと機械学習のノウハウをすばやく適用しました。 これらのテクノロジーは、研究からヘルスケア、さらには農業にまで展開されています。 世界がCOVID-19に取り組み、このパンデミックと戦うために活用された技術革新と器用な開拓のたびに、それを克服するために一歩近づきます。人工知能(AI)と機械学習は、COVID-19の危機をよりよく理解して対処する上で重要な役割を果たしています。機械学習テクノロジーにより、コンピューターは人間の知性を模倣し、大量のデータを取り込んでパターンと洞察をすばやく特定できます。 COVID-19との戦いにおいて、組織は機械学習の専門知識をいくつかの領域:顧客コミュニケーションの拡大、COVID-19の広がり方の理解、研究と治療のスピードアップなどにすばやく適用しました。   続きを読む: 「日本がどのようにAIとロボット工学を使用して社会問題を解決し、経済成長を達成するか」 組織の拡張と調整を可能にする   機械学習技術は、Covid-19パンデミックにおいて重要な役割を果たしています   小規模とか大規模、公的とか私的を問わず、すべての組織が、社会的距離および検疫措置が維持しながら、効果的に運用し、顧客や従業員のニーズを満たす新しい方法を模索しています。機械学習テクノロジーは、リモートコミュニケーションをサポートし、遠隔医療を可能にし、食料安全保障を保護するツールを提供することで、その変換を可能にする重要な役割を果たしています。   医療機関や政府機関の場合、機械学習対応のチャットボットを使用してCOVID-19症状を非接触でスクリーニングしたり、国民からの質問に答えたりすることが含まれます。1つの例はClevy.io – フランスの新興企業とAWSの顧客であり、COVID-19に関する政府の公式通信を人々が見つけやすくするためにチャットボットを立ち上げました。チャットボットは、フランス政府と世界保健機関からのリアルタイム情報を利用して、既知の症状を評価し、政府の政策に関する質問に答えます。今日までに約300万通のメッセージが送信されたこのチャットボットは、運動やCOVID-19リスクの評価に至るまで、医療機関や政府機関のリソースにさらに負担をかけることなく、あらゆる質問に答えることができます。ストラスブール、オルレアン、ナンテールなどのフランスの都市では、チャットボットを使用して、正確な情報を分散し、情報を検証しています。 食品サプライチェーンの混乱を避けるために、食品加工業者と政府は農業の現状を理解する必要があります。AWSの別の顧客であるAgri-techスタートアップMantle Labsは、最先端のAI駆動の作物監視ソリューションを3か月間無料で小売業者に提供し、英国のサプライチェーンに回復力と確実性を提供しています。このテクノロジーは、作物の衛星画像を評価して、農家や小売業者が調達、在庫計画をより適切に管理できるように、潜在的な問題に早期にフラグを付けるように機能します。このプラットフォームは、カスタム機械学習モデルを導入して複数の衛星からの画像を混合し、農業条件のほぼリアルタイムの評価を可能にします。   COVID-19の広がり方を理解する   機械学習は、COVID-19の広がりを予測するために、研究者や実務家が大量のデータを分析するのにも役立ちます   機械学習はまた、研究者や実践者が大量のデータを分析してCOVID-19の蔓延を予測し、将来のパンデミックの早期警告システムとして機能し、脆弱な集団を特定するのにも役立ちます。カリフォルニアのChan Zuckerberg Biohubの研究者たちは、検出されなかったCOVID-19感染の数と公衆衛生への影響を推定するモデルを構築し、世界中の12の地域を分析しました。機械学習を使用し、AWS Diagnostic Development Initiativeと提携して、検出されなかった感染を定量化する新しい方法を開発しました-ウイルスが集団全体に広がるにつれてウイルスがどのように変異して、送信されなかった何回を推測する方法を分析しました。 このパンデミックの初めに、AIを使用して病気の発生を検出するカナダの新興企業とAWSの顧客であるBlueDotは、中国の武漢で気になる呼吸器疾患の発生について警報を出した最初の一人でした。BlueDotはAIを使用して病気の発生を検出します。BlueDotは、機械学習アルゴリズムを使用して、65か国語のニュースレポートに加えて、航空会社のデータと動物の病気のネットワークをふるいにかけて、発生を検出し、病気の分散を予測しています。疫学者はそれらの結果をレビューし、結論が科学的見地から理にかなっていることを確認します。BlueDotは、これらの洞察を公衆衛生担当者、航空会社、病院に提供し、リスクを予測してより適切に管理できるようにします。 機械学習は、リーダーがCOVID-19に直面してより多くの情報に基づいた意思決定を行うのに役立ちます。3月に、元ホワイトハウスのチーフデータサイエンティストDJ Patilが率いるボランティアプロフェッショナルのグループがAWSに連絡し、COVID-19の潜在的な影響をモデル化したシナリオ計画ツールのサポートを依頼しました。いくらの病院のベッドが必要でしょうか?」とか「シェルターインプレースの注文をどのくらいの期間発行する必要がありますか?」彼らはオープンソースモデルを拡張する必要があるため、全米の知事は、曝露、感染、入院の量を理解し、対応計画をより適切に伝えることができます。AWSとジョンズホプキンスブルームバーグパブリックヘルススクールとの緊密なパートナーシップにより、グループはモデルをクラウドに移行し、数時間で複数のシナリオを実行し、モデルを50州すべてに、そして国際的に展開して、意思決定を支援しました。同時に COVID-19の世界的な広がりに直接影響を与える決定を行う 組織はまた、特に脆弱な集団の間でCOVID-19の蔓延を制限する方法を検討しています。私たちが協力しているAIの新興企業であるClosedloopは、医療データに関する専門知識を利用して、COVID-19による深刻な合併症のリスクが最も高い人を探ししています。Closedloopは、COVID-19による深刻な合併症のリスクが最も高い人々を特定するAIベースの予測モデルであるCOVID脆弱性インデックスを開発およびオープンソース化しました。この「C-19インデックス」は、リスクの高い個人を特定するためにヘルスケアシステム、ケア管理組織、保険会社によって使用されており、手洗いと社会的距離の重要性を共有するよう呼びかけ。感染者は自宅で安全に隔離できるように、食品、トイレットペーパー、および他の重要なものを供給されます   研究と治療のスピードアップ   機械学習ソリューションは、非構造化テキストから関連する医療情報を抽出でき、堅牢な自然言語クエリ機能を提供します   医療提供者と研究者は、COVID-19に関する指数関数的に増加する情報量に直面しているため、治療に影響を与える可能性のある洞察を導き出すことは困難です。AWSはそれに応えて、機械学習を利用した新しい検索ウェブサイトであるCORD-19 Searchを立ち上げました。これは、研究者が研究論文やドキュメントをすばやく簡単に検索し、「COVID-19の唾液バイラル負荷が最も高いのはいつですか」などの質問に答えるのに役立ちます。   Allen Institute for AIのCORD-19オープンリサーチデータセット(128,000を超える研究論文およびその他の資料)に基づいて構築されたこの機械学習ソリューションは、非構造化テキストから関連する医療情報を抽出し、堅牢な自然言語クエリ機能を提供して、発見のペースを加速するのに役立ちます。 一方、医用画像の分野では、研究者は機械学習を使用して画像のパターンを認識し、放射線科医が病気の可能性を指摘して早期に診断する能力を高めています。   カリフォルニア大学サンディエゴヘルスは、重度のCOVID-19に関連する状態の肺炎を早期に診断する新しい方法を開発しました。この早期発見により、COVID-19の診断が確定する前でも、医師は患者を適切なレベルのケアにすばやく分類できます。人間の放射線科医による22,000の表記法で訓練された機械学習アルゴリズムは、肺炎の可能性を示す色分けされたマップでX線をオーバーレイします。AWS 診断学開発イニシアティブから寄付されたクレジットにより、これらの方法は、UC San Diego Health全体のすべての胸部X線およびCTスキャンに臨床研究研究で導入されました。   機械学習は、COVID-19の治療に役立つ薬剤の発見を加速するのにも役立ちます。BenevolentAI、英国のAI企業とAWSの顧客は、コロナウイルスに対する身体の反応を理解することにプラットフォームを向けました。彼らは、AI薬発見プラットフォームを使用して、新規コロナウイルスの進行を阻害する可能性のある承認済みの薬を特定する調査を開始しました。彼らは、機械学習を使用して、遺伝子、疾患、薬物間のコンテキスト関係を導き出し、少数の薬物化合物を提案しました。わずか数日で、BenevolentAIは、バリシチニブ(Eli […]