Composants principaux d'Amazon A2I

Examinez les termes suivants pour vous familiariser avec les composants principaux d'Amazon A2I.

Types de tâche

Le flux AI/ML dans lequel vous intégrez Amazon A2I définit un Type de tâche Amazon A2I.

Amazon A2I prend en charge :

• Deux types de tâches intégrés :Amazon Textract - Extraction par paire clé-valeur A et Amazon Rekognition - Modération des images.

• Un type de tâche personnalisé : utilisez un type de tâche personnalisé pour intégrer une boucle de vérification humaine dans n'importe quel flux de machine learning. Vous pouvez utiliser un type de tâche personnalisé pour intégrer Amazon A2I à d'autres services AWS tels qu'Amazon Comprehend, Amazon Transcribe et Amazon Translate, ainsi que vos propres flux de machine learning personnalisés. Pour en savoir plus, veuillez consulter la section Cas d'utilisation et exemples d’utilisation d'Amazon A2I.

Sélectionnez un onglet dans le tableau suivant pour voir les diagrammes illustrant le fonctionnement d'Amazon A2I avec chaque type de tâche. Sélectionnez la page Task type (Type de tâche) à l'aide des liens de la liste précédente pour en savoir plus sur ce type de tâche.

Amazon Textract – Key-value pair extraction

Cette image représente le flux intégré à Amazon A2I avec Amazon Textract. Sur la gauche, les ressources nécessaires à la création d'un flux de vérification Amazon Textract sont représentées : un compartiment Amazon S3, des conditions d'activation, un modèle de tâche d'employé et une équipe de travail. Ces ressources sont utilisées pour créer un flux de vérification humaine ou définition de flux. Une flèche pointe à droite, vers l'étape suivante du flux : utiliser Amazon Textract pour configurer une boucle humaine avec le flux de vérification humaine. Une seconde flèche pointe à droite, de cette étape vers l'étape dans laquelle les conditions d'activation spécifiées dans le flux de vérification humaine sont remplies. Cela initie la création d'une boucle humaine. À droite de l'image, la boucle humaine est représentée en trois étapes : 1) l'interface utilisateur d'employé et les outils sont générés, et la tâche est mise à la disposition des employés, 2) les employés vérifient les données d'entrée, et enfin, 3) les résultats sont enregistrés dans Amazon S3.

Amazon Rekognition – Image moderation

Cette image représente le flux intégré à Amazon A2I avec Amazon Rekognition. Sur la gauche, les ressources nécessaires à la création d'un flux de vérification humaine Amazon Rekognition sont représentées : un compartiment Amazon S3, des conditions d'activation, un modèle de tâche d'employé et une équipe de travail. Ces ressources sont utilisées pour créer un flux de vérification humaine ou définition de flux. Une flèche pointe à droite, vers l'étape suivante du flux : utiliser Amazon Rekognition pour configurer une boucle humaine avec le flux de vérification humaine. Une seconde flèche pointe à droite, de cette étape vers l'étape dans laquelle les conditions d'activation spécifiées dans le flux de vérification humaine sont remplies. Cela initie la création d'une boucle humaine. À droite de l'image, la boucle humaine est représentée en trois étapes : 1) l'interface utilisateur d'employé et les outils sont générés, et la tâche est mise à la disposition des employés, 2) les employés vérifient les données d'entrée, et enfin, 3) les résultats sont enregistrés dans Amazon S3.

Custom Task Type

L'image suivante illustre le flux personnalisé Amazon A2I. Un modèle ML personnalisé est utilisé pour générer des prédictions. L'application client filtre ces prédictions à l'aide de critères définis par l'utilisateur et détermine si une vérification humaine est requise. Si c'est le cas, ces prédictions sont envoyées à Amazon A2I pour vérification humaine. Amazon A2I collecte les résultats de la vérification humaine dans Amazon S3, auquel l'application client peut accéder. Si le filtre détermine qu'aucune vérification humaine n'est nécessaire, les prédictions peuvent être transmises directement à l'application client.

Flux de vérification humaine (définition de flux)

Vous utilisez un flux de vérification humaine pour spécifier à votre équipe de travail de configurer votre interface utilisateur d'employé à l'aide d'un modèle de tâche d'employé, et de fournir des informations sur la façon dont les employés doivent effectuer la tâche de vérification.

Pour les types de tâche intégrés, vous utilisez également le flux de vérification humaine pour identifier les conditions dans lesquelles une boucle humaine est initiée. Par exemple, Amazon Rekognition peut procéder à la modération du contenu d'image à l'aide du machine learning. Vous pouvez utiliser le flux de vérification humaine pour spécifier qu'une image sera envoyée à un humain pour vérifier la modération du contenu si la fiabilité d'Amazon Rekognition est trop faible.

Vous pouvez utiliser un flux de vérification humaine pour créer plusieurs boucles humaines.

Vous pouvez créer une définition de flux dans la console SageMaker ou avec l'API SageMaker. Pour en savoir plus sur ces deux options, veuillez consulter Créer un flux de vérification humaine.

Équipe de travail

Une équipe de travail est un groupe d'employés humains à qui vous envoyez vos tâches de vérification humaine.

Lorsque vous créez un flux de vérification humaine, vous spécifiez une équipe de travail unique.

Votre équipe de travail peut venir de la main-d'œuvre Amazon Mechanical Turk, de la main-d'œuvre gérée par le fournisseur, ou de votre propre main-d'œuvre privée. Lorsque vous utilisez la main-d'œuvre privée, vous pouvez créer plusieurs équipes de travail. Chaque équipe de travail peut être utilisée dans plusieurs flux de vérification humaine. Pour savoir comment créer une main-d'œuvre et des équipes de travail, veuillez consulter Création et gestion de mains-d'œuvres.

Modèle de tâche d'employé et interface utilisateur de tâche humaine

Vous utilisez un modèle de tâche d'employé pour créer une interface utilisateur d'employé (une interface utilisateur de tâche humaine) pour vos tâches de vérification humaine.

L'interface utilisateur de tâche humaine affiche vos données d'entrée, telles que des documents ou des images, et des instructions destinées aux employés. Elle fournit également des outils interactifs que l'employé utilise pour effectuer vos tâches.

Pour les types de tâches intégrés, vous devez utiliser le modèle de tâche d'employé Amazon A2I fourni pour ce type de tâche.

Boucles humaines

Une boucle humaine est utilisée pour créer une seule tâche de vérification humaine. Pour chaque tâche de vérification humaine, vous pouvez choisir le nombre d'employés qui reçoivent une tâchede vérifier un seul objet de données. Par exemple, si vous définissez le nombre d'employés par objet sur 3 pour une tâche de labélisation de classification d'image, trois employés classent chaque image d'entrée. L'augmentation du nombre d'employés par objet peut améliorer la précision de labélisation.

Une boucle humaine est créée à l'aide d'un flux de vérification humaine, de la façon suivante :

• Pour les types de tâches intégrés, les conditions spécifiées dans le flux de vérification humaine déterminent le moment de la création de la boucle humaine.

• Les tâches de vérification humaine sont envoyées à l'équipe de travail spécifiée dans le flux de vérification humaine.

• Le modèle de tâche d'employé spécifié dans le flux de vérification humaine est utilisé pour rendre l'interface utilisateur de tâche humaine.

Quand les boucles humaines sont-elles créées ?

Lorsque vous utilisez l'un des types de tâche intégrés, le service AWS correspondant crée et démarre une boucle humaine en votre nom lorsque les conditions spécifiées dans votre définition de flux sont remplies. Par exemple :

• Lorsque vous utilisez Augmented AI avec Amazon Textract, vous pouvez intégrer Amazon A2I dans une tâche de vérification de document à l'aide de l'opération d'API AnalyzeDocument. Une boucle humaine est créée chaque fois qu'Amazon Textract renvoie des inférences sur des paires clé-valeur qui répondent aux conditions que vous spécifiez dans votre flux de vérification humaine.

• Lorsque vous utilisez Augmented AI avec Amazon Rekognition, vous pouvez intégrer Amazon A2I dans une tâche de modération des images à l'aide de l'opération d'API DetectModerationLabels. Une boucle humaine est créée chaque fois qu'Amazon Rekognition renvoie des inférences sur le contenu d'image qui répondent aux conditions que vous spécifiez dans votre flux de vérification humaine.

Lorsque vous utilisez un type de tâche personnalisé, vous démarrez une boucle humaine à l'aide de l'API d'exécution Amazon Augmented AI. Lorsque vous appelez StartHumanLoop dans votre application personnalisée, une tâche est soumise à vérification humaine.

Pour savoir comment créer et démarrer une boucle humaine, veuillez consulter Créer et démarrer une boucle humaine.

Pour générer ces ressources et créer un flux de vérification humaine, Amazon A2I intègre plusieurs API, notamment le modèle d'exécution Amazon Augmented AI, les API SageMaker et les API associées à votre type de tâche. Pour en savoir plus, veuillez consulter la section Utilisation des API dans Amazon Augmented AI.