机器学习如何弥合通信差距

2019年10月，澳大利亚墨尔本的亚马逊员工，在路上骑入另一个人。因为她确保她会帮助的人，她意识到他是聋子和静音，不知道她在说什么。

如果辅助技术随时促进双方之间的沟通，则可能会避免这种尴尬的情况。在该事件之后，由Santanu Dutt领导的团队在亚马逊Web服务的东南亚技术领导，下班。

在10天内左右，Dutt的团队建立了一款机器学习模型，培训了标志语言。使用从摄像机捕获的手语中打手势的人的图像，该模型可以识别并将手势转化为文本。该模型也可以将口语单词转换为聋哑人的文本。

Dutt表示，该模型也可以定制以将演讲转化为标志语言，因为机器学习服务和应用程序编程接口（API）可用并打开 - 虽然他尚未见过该需求。“但是一旦你写了一小部分代码，训练机器学习模型很容易，”他说。

但仍有工作要做。由于培训进行了针对白色背景的迹象进行，模型在其目前形式的功效在实际使用中受到限制。

“我们的团队有限的时间来展示这一点，我们想把一些东西弄向上展示实验目的，”Duttt表示，补充说，这些组织可以使用亚马逊Sagemaker等工具来编辑和培训更多的图像和视频来识别a更大的环境。

随着培训过程密集，Dutt表示，资源有限的组织可以使用亚马逊杰文匠的原声，以便快速为这种机器学习模型构建训练数据集。除了自动标签外，地面真理还可以通过亚马逊机械土耳其众包服务提供对人类标签的访问。

这也有助于提高模型的准确率。“您拥有的数据越多，模型的准确性越准确，”Dutt，添加了开发人员可以设置置信水平并拒绝低于一定程度的准确性的结果。

AWS的公共部门团队表示，澳大利亚的非营利组织在澳大利亚聘请了利用机器学习模型的概念证明，以及通过学分抵消使用AWS服务的费用来培训和部署的费用该模型。