春天的诗句 祝福语大全 个性签名 如何表白 搞笑图片 幽默笑话 英语句子 情书 幸福 离别

情感的句子

您现在的位置: 主页> 情感的句子>

亚马逊押注未来的出行,打破了对旅行安全体验的"差评"的障碍2u3

时间: 2021-10-26

在亚马逊的旅行地图中,我们还看到了WenyuanZhixing,Tucson,Momenta,Volkswagen,Toyota,Lyft等公司。

文本丨AutoRZhijiaNuoyi

安全性是未来旅行领域升级的非常关键的因素。

从出租车到在线汽车叫车,从在线汽车叫车到自动驾驶汽车,目标是创造更安全的移动旅行体验。

随着大数据,人工智能和自动驾驶技术的飞速发展,是否存在更智能,更有效的解决方案来"增强用户安全体验"?

云服务公司亚马逊给出了答案。

最近,AmazonWebServices,Inc.(AWS)和ShouqiCar-hailing共同宣布了基于AWS机器学习服务AmazonSageMaker和AmazonTranscribe的旅游行业中第一个定制的智能语音解决方案。正式启动。

基于此解决方案,首奇汽车叫车服务可以从行程记录中高效地进行音频降噪和导航声音分离,提取清晰的驾驶员和乘客对话内容,并将语音转换为文本以通过基于场景的关键词识别分析触发安全预警,实现实时出行安全监控。

进一步巩固了旅行安全的基础。

此解决方案还可用于协助处理乘客的投诉,从而帮助寿奇汽车服务公司进一步提高服务效率并降低运营成本。寿奇汽车租赁公司还计划将其构建为行业通用解决方案,以服务其他在线汽车租赁平台,传统出租车公司和货运公司在交通领域构建智能解决方案。

第一批蒸汽汽车首席执行官魏冬说:"在线汽车租赁公司有责任确保驾驶员和乘客的安全。寿奇打车公司一直在通过技术增强安全性。一方面,它增强了自身的技术研发能力,另一方面,它与具有技术优势的知名公司加强了合作,以实现尖端技术能力的落地和应用。我希望与AWS一起为用户带来更好的旅行体验,并为行业的智能转型和发展创造价值。"

我们知道,在线汽车租赁行业中,该国通常使用行程记录辅助安全监控来处理用户投诉。

但是,现有的语音解决买链接方案是往往是由于录音质量问题,很难达到实际目标,为了进一步提高驾驶员的体验和服务效率并降低成本,首奇决定采用人工智能和机器学习技术来创建智能语音解决方案可以有效消除噪声,音乐和导航声音等干扰,并快速,准确地将语音转换为文本。

基于在线打车,AWS数据实验室和解决方案研究所面临的痛点和开发中心对行程记录的特性和技术要求有深入的了解,开发了语音降噪和导航声音分离算法,并使用了AmazonSageMake机器学习服务,用于模型训练,部署和调整,以实现快速的模型迭代。

AmazonSageMaker机器学习服务大大减少了第一步。自动叫车使用机器学习的门槛。通过这种全面管理的服务,寿奇自动召集数据科学家和算法工程师只需要专注于数据和业务逻辑,而无需操作和管理复杂的机器学习系统。

此外,首汽汽车还使用AmazonTranscribe人工智能语音服务将行程记录自动转换为文本,从而通过基于场景的关键字识别和分析并结合后端安全监控人员的手动判断来触发安全警告,这样的实时行程安全监视已从可能变为现实。

在应用此智能语音解决方案时,它保留了用户数据的所有所有权,可以随时确定数据的存储和访问权限,并确保符合所有访问行为。

在处理用户投诉方面,客户服务人员可以全面使用文本和语音信息做出及时准确的判断,提高工作效率,并提高驾驶员满意度。

通过使用智能语音解决方案,首汽乘车公司将客户手册审核的工作量减少了35%25,将客户手册审核的工作时间缩短了20%25,并确保了智能客户投诉处理的准确率高达90%。25%或更多,可有效改善驾驶员体验和满意度,并提高企业运营效率。同时,通过明智的判断来替代劳动力也可以有效地降低成本。

可以看出,亚马逊在与寿奇的合作中扮演着推动者的角色。

亚马逊如何准确地赋予客户权力?

Amazon将客户分为三类:顶级,中级和底层。顶层是即插即用的所谓AISaaS服务。顶级服务的最大特点是您完全不需要机器学习专家。您需要的只是场景和您自己的数据的一部分。这些模型实际上是经过培训的,因此您可以快速使用这些服务推向市场。

最底层是机器学习框架和基础结构服务。对于客户而言,他们必须拥有一支超级强大的机器学习团队,甚至愿意投资一个专门的团队来管理机器学习的硬件层。

对于中间层,亚马逊认为其拥有最多的用户。

对于中级用户,Amazon希望释放这部分人的核心生产力,并希望通过AmazonSageMaker服务提供端到端的完全集成的软件开发环境,从而使用户能够建模建立对后续参数进行培训的方法,然后进行后续部署,使用一组最简单的IT环境来帮助公司的数据科学家和数据开发工程师将效率提高一倍。

AWS大中华区产品部总经理顾凡说:"除了成为一名从业人员,我们还将实现服务的最终广度和深度。当今领先的服务非常重要。原因是开放。"

谷梵首先分享了一组数字。在用于机器学习的Tensorflow,PyTorch和MXNet这三个流行的框架中,全球25个Tensorflow工作负载中有85%位于AWS上,而83%位于云中。25个PyTorch工作负载都在AWS上。

值得注意的是,Amazon与每个框架都非常兼容。无论您选择哪种框架,都必须在此基础上调整Amazon的硬件。尽力而为。

当然,除了框架支持的性能外,从模型的建立到培训再到开发的过程,打开模块化的AmazonSageMaker产品也非常重要。调整。您只能选择其中一个部署模块。

顾凡说:"过去,Amazon不再是上游和下游供应商之间的简单数据共享。现在甚至可以收集工厂中的数据和工厂中机器上的IoT中的数据,还可以收集这些数据,然后将其与供应链的数据联系起来,这可以为您提供不同的视角并实现供需双方获得更好的情报。和平衡。"

在亚马逊的旅行环境中,我们还看到了文远之星,图森,蒙蒙塔,大众,丰田,Lyft等公司。

对于自动驾驶公司而言,文远Zhixing使用AWS计算,存储,大数据分析和其他服务来快速构建高级自动驾驶培训系统,从而将模型培训时间通常从1-2周缩短到12小时。通过云技术,文渊之星系统的总拥有成本(TCO)节省了1/3。在将运维效率提高50%的情况下,还可以保证系统的整体安全性和可靠性。

对于在整车制造方面,大众汽车使用AWS的IoT,机器学习,分析和计算服务来构建工业云,并构建可重塑汽车制造,供应链和物流的数字化生产平台。

通过机器学习,大众汽车消除了过时且效率低下的制造流程,并将连接122家工厂的机器,工厂和系统,以及来自全球1,500多个供应商和30,000个地点的数据。

对于车辆互联网服务,AWS最近宣布扩展丰田移动服务平台(MSPF),该平台主要帮助丰田工程师开发,部署和管理丰田联网汽车中的数据,MSPF及其API使丰田能够从联网汽车数据中收集数据,然后应用这些数据包括车辆设计和开发,车辆共享,拼车和车辆租赁等服务,以及新的公司和消费者服务,例如有效的车辆维护通知和驾驶行为保险。

最后,针对最终用户,Lyft在AWS中使用了非常有特色的AmazonEC2Spot拍卖实例,该实例可以最大程度地获取片段,从而以最低的成本计算资源最大程度地利用和使用您的计算。Lyft使用了AmazonEC2Spot拍卖实例。据报道,Lyft仅更改了四行代码,最终将其计算成本节省了75%。

作为云服务公司,亚马逊已经在发展。完整的布局。对于现在和将来,亚马逊可以提供一套完整的解决方案。

在从传统旅行到智能旅行的过渡时期,这是值得认可的。

分享到:
更多
上一篇: 唯美图片带字女生图片 下一篇:没有了

深度阅读