Amazon SageMaker Ground Truth 고객

LLM 출력을 관리하고 보장된 SLA 내에서 고품질 데이터를 수신하려면 많은 레이블링과 주석이 필요합니다. Amazon SageMaker Ground Truth Plus는 LLM 본질의 일부가 되었습니다.

모델을 올바른 방향으로 조종하는 데 도움을 줄 수 있는 인적 검증 또는 휴먼인더루프를 사용하는 것이 항상 중요합니다.

우리는 Amazon SageMaker Ground Truth를 사용하여 문서에서 데이터를 생성 및 요약하여 비즈니스 운영을 개선하고, 출시 기간을 단축하고, 생산성을 제고하고, 응답으로 정확성과 성능을 높일 수 있었습니다. Ground Truth Plus 인력을 활용하여 직원과 고객을 위해 인간의 선호도에 맞는 GenAI 기반 질문과 답변 및 요약을 시작할 수 있었습니다.

고품질의 레이블이 지정된 데이터세트를 얻는 것은 생성형 AI 모델의 성공에 필수적입니다. Amazon SageMaker Ground Truth Plus 덕분에 레이블링된 비디오를 신속하게 생성하고 생성형 AI 모델을 미세 조정하는 프로세스를 가속화할 수 있었습니다. 지금까지 사내 데이터 레이블링 UI를 구축하려는 시도는 비용과 시간이 많이 소요됐으며, 데이터 사이언티스트들은 데이터 레이블링 작업에 하루 한 시간 이상 할애해야 했습니다. Amazon SageMaker Ground Truth Plus를 사용하면서 1년이 아니라 1개월 만에 고품질 레이블 지정 동영상을 100개에서 10만 개로 확장할 수 있었습니다. 이를 통해 데이터 사이언티스트는 약 1,000시간, 20만 USD의 비용을 절약했으며 팀의 생산성과 생성형 AI 모델의 품질 및 정확도가 크게 향상됐습니다.

신뢰할 수 있고 안전한 주행 시스템을 보장하려면 대량의 레이블링된 데이터를 사용해 기계 학습 기반 다중 모달 인식 알고리즘을 지속적으로 훈련하고 검증해야 합니다. 우리는 Amazon SageMaker Ground Truth Plus 데이터 레이블링 서비스를 사용하여 수천 마일에 달하는 실제 데이터에 레이블을 지정하므로 매우 높은 신뢰도로 이러한 모델을 훈련할 수 있습니다. Amazon SageMaker Ground Truth Plus 덕분에 촉박한 개발 일정을 유지하면서도 수백만 개의 실제 객체에 레이블을 지정하여 99% 이상의 품질 목표로 제공할 수 있었습니다. 시간과 품질에 민감한 이러한 납품을 통해 다중 센서 학습 인식 모델의 정밀도를 8% 개선하고 재현율을 2% 향상했습니다.

NFL에서는 팬, 방송사, 코치 및 팀이 더 깊은 통찰력을 얻을 수 있도록 기계 학습을 사용하는 새로운 방법을 계속 찾고 있습니다. 미식 축구는 순식간에 플레이가 벌어질 수 있는 빠르게 움직이는 스포츠입니다. 코치와 심판이 경기를 주의 깊게 지켜보지만 안전을 위해 경기장에서 뛰는 모든 선수를 관찰하기는 어려울 수 있습니다. 컴퓨터 비전을 사용하면 선수 안전 사고를 정확하게 감지할 수 있습니다. 하지만 이러한 알고리즘을 개발하려면 전문적으로 레이블링한 데이터가 필요합니다. 이제 Amazon SageMaker Ground Truth Plus를 통해 정교한 레이블링 작업을 위한 사용자 지정 워크플로와 사용자 인터페이스를 사용할 수 있어 선수들의 안전을 개선하는 데 도움이 됩니다.

Airbnb에서는 비즈니스의 모든 측면에서 ML을 점점 더 통합하고 있습니다. 따라서 우리 팀은 ML 모델을 훈련하고 테스트하기 위해 지속적으로 고품질 데이터를 생성하고 유지해야 합니다. 고객에게 더 나은 서비스를 제공하고 고객 서비스 팀에 대한 의존도를 줄일 수 있도록 중국어로 된 10만 단락 분량의 고객 서비스 로그에 대한 고품질 텍스트 분류 데이터 결과를 생성할 방법을 찾고 있었습니다. AWS 팀은 Amazon SageMaker Ground Truth Plus를 사용하여 사용자 지정 데이터 레이블링 워크플로를 구축했습니다. 여기에는 포함된 맞춤형 ML 모델은 분류 정확도 99%를 달성할 수 있었습니다.

Samsara는 물리적 운영의 디지털 트랜스포메이션을 주도하고 있습니다. Connected Operations Cloud를 사용하면 물리적 운영에 의존하는 기업은 IoT 데이터, 분석 및 AI를 활용하여 실행 가능한 통찰을 개발하고 안전, 효율성 및 지속 가능성을 개선할 수 있습니다. Amazon SageMaker Ground Truth Plus를 사용하면서 레이블링된 고품질 데이터를 수신하고 안전 위험을 감지하고 해결하는 능력을 더욱 향상시키도록 설계된 특수 도구에 액세스할 수 있습니다.

VIZIO에서는 ML을 활용하여 고객에게 개인화된 경험을 제공할 수 있는 방법을 지속적으로 모색하고 있습니다. 효율적인 광고 분류를 위해 광고 동영상을 지속적으로 검토하고 상업용 메타데이터를 생성할 방법을 찾고 있었습니다. Amazon SageMaker Ground Truth Plus의 스트리밍 기능을 사용하여 이제 비디오 분류, 메타데이터 수집 및 광고 방송 시 실시간으로 데이터를 수집할 수 있는 자동화된 시스템을 제공하는 사용자 지정 템플릿을 사용할 수 있습니다. Amazon SageMaker Ground Truth Plus를 사용하면 영업일 기준 1일 이내에 결과를 검토할 수 있습니다.

기계 학습을 활용하면 보이지 않는 도전 과제가 드러납니다. 미국에서만 매년 수십억 달러가 쓰레기를 치우는 데 사용됩니다. 컴퓨터 비전 모델을 사용하여 전 세계 쓰레기 이미지를 데이터로 변환하여 도시가 쓰레기 관리 리소스를 더 잘 할당할 수 있도록 합니다. 그러나 객체 감지 모델을 구축하려면 객체, 재료 및 브랜드 정보에 대한 액세스가 필요함은 물론 데이터 세트가 전 세계에 산재하기 때문에 현지화된 지식도 필요합니다. Amazon SageMaker Ground Truth Plus를 사용하면 현지화된 컨텍스트 내에서 이러한 정확한 기능을 캡처하는 계층적 주석 인터페이스를 만들 수 있습니다. 또한 SageMaker Ground Truth Plus의 전문 인력이 현지화된 이미지 주석을 만들었습니다. 이 솔루션은 표준화된 솔루션을 제공하여 데이터 레이블링 효율성을 최대 20% 높이고, 주석이 달린 결과를 데이터베이스에 수집하는 기능을 200% 가속화하고, 후처리 시간을 90% 단축했습니다.

우리의 목표는 Canvas AMR이 역동적인 창고 환경에서 탐색하고, 주변 장애물과 움직이는 물체를 추적하고, 목적지까지 안전하고 효율적인 경로를 계획할 수 있도록 하는 것입니다. 이를 위해서는 로봇 주위의 움직이는 물체에 대한 3D 추적 주석을 대규모로 효율적으로 확보하는 것이 중요합니다. Amazon ML Solutions Lab과 협력하여 단 몇 주 만에 Amazon SageMaker Ground Truth를 사용하여 확장 가능한 3D 포인트 클라우드 객체 추적 파이프라인을 구축했습니다. 이 파이프라인이 레이블링 시간을 6~10배 단축하고 주석 처리 속도를 높일 수 있다는 사실이 인상적이었습니다.

PrecisionHawk은 기업을 위한 드론 기술을 제공하는 선두 업체입니다. 당사의 엔드 투 엔드 플랫폼은 인공지능과 기계 학습을 활용하여 항공 데이터를 실행 가능한 비즈니스 인텔리전스로 전환합니다. 이 솔루션의 일환으로 당사는 중요 자산 검사의 정확성과 속도를 개선하기 위해 중요 객체 및 이상 현상을 식별할 수 있는 맞춤형 모델을 훈련하고 있습니다. 이러한 모델에 대한 훈련 데이터 세트를 생성하려면 광범위한 데이터 코퍼스에 레이블을 지정하고 레이블이 정확한지 확인해야 합니다. Amazon SageMaker Ground Truth는 목표를 달성하는 데 중요한 역할을 합니다. 첫째, 레이블링 작업을 빠르게 시작할 수 있는 직관적인 사용자 인터페이스를 제공합니다. 또한 이 서비스는 고객별 레이블링 워크플로를 설계하고 배포할 수 있는 확장성을 제공합니다. Amazon SageMaker Ground Truth는 앞으로도 AI 이니셔티브에서 계속해서 중요한 부분을 차지할 것입니다.

AstraZeneca는 연구 개발의 모든 단계에서, 그리고 가장 최근에는 병리학 분야에서 조직 샘플의 검토 속도를 높이기 위해 기계 학습을 실험해 왔습니다. 기계 학습 모델은 먼저 대규모의 대표 데이터 세트에서 학습합니다. 데이터에 레이블을 지정하는 것은 시간이 많이 걸리는 또 다른 단계입니다. 특히 이 경우에는 정확한 모델을 학습하는 데 수천 개의 조직 샘플 이미지가 필요할 수 있습니다. AstraZeneca는 기계 학습 기반의 휴먼인더루프 데이터 레이블링 및 주석 서비스인 Amazon SageMaker Ground Truth를 사용하여 이 작업에서 가장 지루한 부분을 자동화하여 샘플을 분류하는 데 걸리는 시간을 50% 이상 단축했습니다.

AI @ T-Mobile 팀은 고객 관리 센터의 시스템에 AI와 기계 학습을 통합하여 전문가 팀이 관련성 있고 상황에 맞는 고객 정보를 실시간으로 보여주는 자연어 이해 모델을 통해 고객에게 더 빠르고 정확하게 서비스를 제공할 수 있도록 지원하고 있습니다. 데이터 레이블링 작업은 고성능 모델을 만드는 데 기본이 되었지만 데이터 과학자와 소프트웨어 엔지니어에게는 단조로운 작업이기도 합니다. SageMaker Ground Truth는 데이터 레이블링 프로세스를 쉽고 효율적이며 접근하기 쉽게 만들어 고객이 좋아하는 것, 즉 고객과 관리 담당자에게 최고의 경험을 제공하는 제품을 만드는 데 집중할 수 있는 시간을 제공합니다.

Pinterest는 시각적 검색 및 조정 사용 사례를 위해 객체를 감지하는 기계 학습 시스템을 지속적으로 개발하고 있습니다. 이를 위해서는 수백만 개의 이미지에 레이블을 지정하여 필요한 훈련 데이터 세트를 생성해야 합니다. Pinterest는 Amazon Mechanical Turk와 같은 Amazon 서비스를 통합한 기존 레이블링 플랫폼을 보유하고 있습니다. SageMaker Ground Truth를 사용하여 경계 상자 레이블링 작업을 지원하도록 이 플랫폼을 확장하는 방법을 모색하게 되어 매우 기뻤습니다. 우리는 SageMaker Ground Truth가 레이블링 작업을 시작할 수 있는 간단하고 간소화된 인터페이스를 제공한다는 사실을 알게 되었습니다. 우리는 AWS 팀과 긴밀히 협력하여 SageMaker Ground Truth를 고유한 데이터세트에 맞게 조정했으며 SageMaker Ground Truth를 데이터 레이블링 플랫폼과 통합할 수 있기를 기대합니다.

선도적인 의료 기술 회사인 Change Healthcare는 의료 생태계가 기능할 뿐만 아니라 더 스마트하게 작동하도록 돕는 데 중요한 역할을 합니다. AI 팀은 이전에는 모델링할 수 없었던 건강 관련 고도의 비정형 데이터에 주석을 달 수 있도록 텍스트 단락에 효율적으로 레이블을 지정할 수 있는 솔루션을 찾고 있습니다. SageMaker Ground Truth와 SageMaker와의 통합을 통해 신속한 인력 배치에 쉽게 사용할 수 있으며 매우 적은 노력으로 레이블링 작업을 시작할 수 있어 궁극적으로 의료 시스템의 효율성을 높이는 데 도움이 됩니다.

AWS는 모든 개발자를 위한 기계 학습을 지원하기 위해 계속해서 엄청난 노력을 기울이고 있습니다. SageMaker Ground Truth는 파편화된 데이터 레이블링 서비스 환경을 단순하고 잘 실행되는 레이블링 솔루션으로 통합합니다. 우리는 이 도구를 훈련 파이프라인에 빠르게 통합할 수 있었고, 그 발전이 우리 비즈니스에 어떤 영향을 미칠지 기대가 됩니다.

우리는 AI 솔루션을 구축하고 이를 고객에게 제공하여 비즈니스 문제를 해결하는 것을 전문으로 합니다. SageMaker Ground Truth가 고객에게 최첨단 AI 솔루션을 제공하기 위한 노력의 핵심 부분이 될 것이라고 믿습니다. 이 제품은 정확한 훈련 데이터 세트를 생성하는 데 도움이 되는 여러 가지 강력한 기능을 제공합니다. 레이블링 템플릿을 선택할 수 있는 “자체 레이블링 인력 투입”을 통해 간편하고 대규모로 팀을 안전하게 온보딩할 수 있습니다. AI 솔루션 포트폴리오 전반에 SageMaker Ground Truth를 사용할 수 있기를 기대하고 있습니다.

AI의 등장으로 고용주가 인재를 채용하고 구직자가 일자리를 찾는 방식이 변화했습니다. ZipRecruiter의 AI 기반 알고리즘은 각 고용주가 무엇을 찾고 있는지 학습하고 관련성이 높은 개인화되고 선별된 후보자 세트를 제공합니다. 마켓플레이스의 다른 쪽, 즉 구직자와 관련해서는 회사의 기술을 통해 가장 관련성이 높은 일자리를 구직자와 연결합니다. 이 모든 작업을 효율적으로 수행하려면 업로드된 이력서에서 관련 데이터를 자동으로 추출하는 기계 학습 모델이 필요했습니다. 가장 중요한 정보를 식별할 수 있도록 기계 학습 모델을 훈련시키려면 먼저 상당한 규모의 데이터 세트가 필요합니다. 이러한 데이터를 생성하는 프로세스는 비용이 많이 들고 수작업으로 진행되며 시간 소모도 심한 경우가 많습니다. Amazon SageMaker Ground Truth는 훈련용 데이터 세트를 생성하는 데 필요한 시간과 수고를 크게 줄여줍니다. 데이터의 기밀적인 성격 상 처음에는 사내 팀 인력을 활용하는 방안을 고려했지만 일상 업무를 병행할 수 없고 필요한 데이터를 수집하는 데 몇 개월이 소요되는 점 때문에 애로 사항이 있었습니다. Amazon SageMaker Ground Truth를 사용하여 Amazon에서 사전 심사를 거친 전문 레이블링 회사인 iMerit과 협력하여 맞춤형 주석 프로젝트를 지원했습니다. 그들의 도움을 받아 수천 개의 주석을 순식간에 수집할 수 있었습니다. 사내 팀이 작업했더라면 훨씬 오래 걸렸을 것입니다.

Tyson Foods는 식품 생산에 종사하며 진실과 청렴성을 추구하며 주주, 고객, 팀원 및 지역 사회를 위한 가치 창출에 전념하고 있습니다. 이러한 약속을 지키고 고객에게 최고 품질의 제품을 제공하기 위해 브레딩 미완료, 태움 또는 변형을 비롯한 제품 품질 문제를 감지하는 수동 검사와 문제를 조기에 발견하기 위한 컨베이어 벨트 누출과 같은 장비 검사를 실시하고 있습니다. 그러나 이러한 문제는 변칙적이기 때문에 기계 학습 모델 교육을 위한 이미지를 수집하는 것은 매우 어렵거나 불가능합니다. 또한 프로세스 및 환경에 맞는 훈련 데이터에 레이블을 지정하는 데 종종 병목 현상이 발생합니다. 경우에 따라 레이블링 작업이 매우 지루하고 오류가 발생하기 쉬워 기계 학습 모델 성능이 저하될 수 있습니다. Amazon SageMaker Ground Truth는 이러한 모든 문제를 해결할 수 있게 해주기 때문에 우리에게 엄청난 가능성을 안겨줍니다. 합성 데이터를 생성하면 매우 정확한 모델을 훈련시켜 제품 및 장비 검사 지점을 자동화할 수 있습니다. 또한 레이블링된 데이터의 소요 시간을 단축하여 모델을 더 빠르게 훈련하는 동시에 정확도를 개선할 수 있습니다. SageMaker Ground Truth는 예시 데이터의 부족으로 인해 과거에는 컴퓨터 비전으로는 거의 해결할 수 없었던 사용 사례를 해결할 수 있는 길을 열어줍니다.

우리의 고객은 매일 더 많은 일을 자동화해야 합니다. 노동력 부족과 물량 급증에 직면한 이들은 수요를 충족하기 위해 인덕션 및 기타 솔루션을 신속하게 도입하기를 원하는 경우가 많습니다. Plus One Robotics의 기술은 창고에서 처리되는 품목의 가변성을 해결하기 위해 만들어졌습니다. 새 SKU는 처음에는 거의 표시되지 않으며 특정 상황에서만 나타날 수 있습니다. 합성 데이터를 사용하면 결국 직면하게 될 다양한 예상 시나리오를 처리하도록 시스템을 사전 훈련할 수 있습니다. 우리는 Amazon SageMaker Ground Truth를 사용하여 다양한 운송업체의 패키지, 모델링 포즈, 배치는 물론 스티커나 라벨과 같은 표면 변형까지 라벨이 붙은 사실적인 수만 개의 패키지 이미지를 생성합니다. 이러한 이미지는 AI 비전의 개선을 보여주었습니다. 합성 이미지를 사용하면 완전성과 정확성 덕분에 성능이 더 좋은 시스템을 더 빠르게 훈련할 수 있으므로 번거로운 데이터 주석과 정리 단계를 건너뛸 수 있습니다. 이 데이터는 실제 인덕션 애플리케이션에서 사용되어 고객이 하루에 1백만 건 이상의 피킹을 용이하게 할 수 있습니다.

University of Washington과 Amazon은 공개 연구에서 인공 지능과 로봇 공학을 발전시키기 위해 Science Hub라는 협력을 시작했습니다. 프로젝트 중 하나에서는 기계 학습(ML)을 사용하여 단일 카메라 관점을 기반으로 세계의 3D 모델을 구축하고 있습니다. 이를 통해 로봇 시스템이 환경을 이해할 수 있습니다. 하지만 현실 세계에서 수집한 대량의 훈련 데이터에 액세스하는 것은 ML 프로젝트에서 항상 어려운 일입니다. Amazon SageMaker Ground Truth는 시간이 많이 걸리고 오류가 발생하기 쉬운 수동으로 이미지에 레이블을 지정하는 프로세스 없이 수천 개의 레이블이 지정된 사실적인 이미지를 빠르고 쉽게 생성할 수 있게 되어 매우 기대가 큽니다. 연구 초기 단계에서 SageMaker Ground Truth는 우리 연구원들이 데이터세트 큐레이션이 아닌 신기술 개발의 핵심 역량과 주요 연구 목표에 집중할 수 있도록 해줄 것입니다.