亚马逊推出了DeepComposer，这是一种支持AI的钢琴键盘

 
亚马逊在拉斯维加斯举行的re：Invent 2019大会隆重开幕-或更确切地说，在威尼斯人午夜主题演讲中发布了产品公告。西雅图公司的亚马逊网络服务(AWS)部门推出了亚马逊Transcribe Medical，这是其Transcribe语音识别服务的新版本，可让开发人员在其应用程序中添加医疗语音到文本功能，并首次推出DeepComposer，使AWS客户可以撰写使用AI和物理(或虚拟)MIDI控制器的音乐。
转录医学
在等式的转录方面，Amazon Transcribe Medical提供了一个API，该API与支持语音的应用程序集成并且可以与大多数配备麦克风的设备一起使用。亚马逊表示，它的目的是转录基层医疗的医疗演讲，并在“成千上万”的医疗机构中“大规模”部署，为临床人员提供安全的笔记。它支持医学听写和会话转录，并且像标准的Amazon Transcribe一样，Transcribe Medical具有自动标点和“智能”标点等便利功能。
Transcribe Medical受到完全管理，因为它不需要配置或管理服务-它可以实时发送回文本流。此外，它已包含在AWS的HIPAA资格和业务伙伴附录(BAA)中，这意味着与AWS签订BAA的任何客户都可以使用Transcribe Medical处理和存储个人个人健康信息(PHI)。
亚马逊表示，Amgen和SoundLines已经在使用Transcribe Medical从记录的笔记中生成文本记录，并将记录提供给下游分析。 SoundLines技术总裁瓦迪姆·卡赞(Vadim Khazan)在一份声明中说：“在过去15年中，对于依靠我们的护理团队优化策略的3500家医疗保健合作伙伴而言，我们已大大减少了获取洞察力数据所需的时间和精力。
Transcribe Medical在美国东部(北弗吉尼亚州)和美国西部(俄勒冈州)AWS地区的可用性是在亚马逊生产其三种基于人工智能的云托管产品(翻译，理解和转录)的几个月之后的，该产品符合健康保险可移植性和1996年的《责任法案》或HIPAA。这是在美国为医疗信息提供数据隐私和安全条款的主要法律。
值得注意的是，亚马逊并不是唯一一家针对医疗保健领域提供语音识别产品的科技巨头。微软今年表示将与Nuance合作，共同托管后者的AI软件，该软件可以了解患者与临床医生的对话，并将其与病历集成。就其本身而言，竞争对手飞利浦一直为公立医院和小型诊所的医疗保健专业人员提供量身定制的自动转录解决方案。
在今天上午的一次相关披露中，AWS详细介绍了DeepComposer，它将其称为“世界上第一个启用了机器学习的音乐键盘”。这是一个32键，两个八度音阶的键盘，供开发人员在预训练或定制的AI模型上尝试使用。
发芽作曲家首先录制短音乐声(或使用预先录制的音乐)，然后再选择模型以选择自己喜欢的音乐类型，以及模型的体系结构参数和损失函数(在训练过程中用于测量算法输出与输出之间的差异)。期望值)。接下来，他们选择超参数(在学习过程开始之前已设置其值的参数)和验证样本，之后DeepComposer生成可在AWS控制台中播放或在SoundCloud上导出或共享的合成。
正如AWS AI和机器学习传播者Julien Simon在博客文章中解释的那样，DeepComposer利用生成对抗网络(GAN)来填补歌曲中的创作空白。生成器组件利用随机数据来创建样本，然后将其转发给鉴别器位，该鉴别器位将学习区分真实样本和伪样本。随着鉴别器的改进，生成器也随之改进，以便生成器逐步学习如何创建更接近真实样本的样本。
这类似于Google，OpenAI和其他公司为产生具有音调和旋律一致性的音乐所做的努力。去年底，Google Brain的“ Magenta项目”致力于“探索机器学习在创作过程中的作用”，提出了Musical Transformer，该模型能够产生具有可识别重复性的歌曲。 4月，OpenAI推出了MuseNet，这是一个AI系统，可以使用10种不同乐器制作从不同国家到莫扎特，甲壳虫乐队的新颖4分钟歌曲。
开发人员可以申请使用DeepComposer键盘，一旦它可用，或在AWS控制台中使用新的虚拟键盘。
适用于Kubernetes的SageMaker运营商
最后，AWS启动了适用于Kubernetes的Amazon SageMaker Operators，该服务使使用Kubernetes的数据科学家可以在Amazon SageMaker机器学习开发平台中训练，调整和部署AI模型。 AWS客户可以在Kubernetes集群上安装SageMaker Operators，以使用Kubernetes API和命令行Kubernetes工具本地创建Amazon SageMaker作业。
具体来说，用户可以致电SageMaker，启动诸如Managed Spot Training之类的服务，该服务分发模型训练以通过将图形芯片扩展到多个节点来减少训练时间。计算资源是预先配置和优化的，仅在需要时进行配置，根据需要进行扩展，并在作业完成后自动关闭。此外，超参数会自动优化，并且将经过全面培训的模型部署到分布在多个数据中心的完全托管的自动伸缩群集中。
“如今，借助适用于Kubernetes的Amazon SageMaker Operators，客户可以继续享受Kubernetes的可移植性和标准化优势……以及将现成的许多其他优势与Amazon SageMaker集成在一起，而无需自定义代码，” AWS写道。深度学习高级产品经理Aditya Bindal在新闻稿中。
适用于Kubernetes的Amazon SageMaker Operators通常可在AWS服务器区域中使用，包括美国东部(俄亥俄州)，美国东部(弗吉尼亚北部)，美国西部(俄勒冈)和欧盟(爱尔兰)。