Как сообщает AWS Machine Learning Blog, подразделение Amazon Health Services существенно улучшило функциональность поиска в своих сервисах, используя комбинацию традиционного машинного обучения и генеративного искусственного интеллекта.
Технологический подход
Команда разработчиков реализовала многоуровневую архитектуру, которая включает:
- Традиционные ML-модели для классификации и ранжирования результатов
- Генеративные ИИ-модели для понимания контекста запросов
- Семантический поиск для обработки медицинской терминологии
- Систему ретрайваля и ранжирования (RAG архитектура)
Ключевые улучшения
Внедрение новой системы позволило достичь значительных улучшений в точности поиска и релевантности результатов. Особенно важно, что система научилась лучше понимать медицинские термины и их вариации, что критически важно для healthcare-сектора.
Интеграция генеративного ИИ с традиционными ML-методами демонстрирует зрелость подхода Amazon к сложным поисковым задачам. Особенно впечатляет работа с медицинской терминологией, где точность имеет первостепенное значение.
Система использует AWS-инфраструктуру, включая Amazon SageMaker для обучения моделей и AWS Inferentia для эффективного инференса.
Практические результаты
Реализованное решение показало:
- Улучшение точности поисковых результатов на 25-30%
- Снижение времени обработки сложных запросов
- Лучшее понимание контекстных медицинских запросов
- Улучшение пользовательского опыта за счет более релевантных подсказок
Разработчики подчеркивают, что комбинация подходов позволила overcome limitations традиционных поисковых систем в специализированной медицинской domain.
Оставить комментарий