Utiliser Amazon Augmented AI avec des types de tâches personnalisés - Amazon SageMaker

Utiliser Amazon Augmented AI avec des types de tâches personnalisés

Vous pouvez utiliser Amazon Augmented AI (Amazon A2I) pour incorporer une vérification humaine (boucle humaine) dans n’importe quel flux de machine learning en utilisant le type de tâche personnalisé. Ces options vous offrent la flexibilité optimale pour personnaliser les conditions dans lesquelles vos objets de données sont envoyés aux humains pour vérification, ainsi que l'apparence de votre interface utilisateur d’employé.

Lorsque vous utilisez un type de tâche personnalisé, vous créez un flux de vérification humaine personnalisé et vous spécifiez les conditions dans lesquelles un objet de données est envoyé pour vérification humaine directement dans votre application.

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 requise, les prédictions peuvent être transmises directement à l'application client.


            Utiliser Amazon Augmented AI avec des types de tâches personnalisés

Utilisez les procédures de cette page pour savoir comment intégrer Amazon A2I à n'importe quel flux de machine learning à l'aide du type de tâche personnalisé.

Pour créer une boucle humaine à l'aide d'une définition de flux, intégrez-la dans votre application et contrôlez les résultats

  1. Complétez les Conditions préalables à l'utilisation d’Augmented AI Amazon A2I. Remarques :

    • Chemin d'accès au(x) compartiment(s) Amazon Simple Storage Service (Amazon S3) stockant vos données d'entrée et de sortie.

    • L’Amazon Resource Name (ARN) d'un rôle AWS Identity and Access Management (IAM) auquel les autorisations requises sont attachées.

    • (Facultatif) L'ARN de votre main-d'œuvre privée, si vous envisagez d'en utiliser une.

  2. À l'aide d'éléments HTML, créez un modèle d’employé personnalisé qui sera utilisé par Amazon A2I pour générer votre UI de tâche d’employé. Pour savoir comment créer un modèle personnalisé, veuillez consulter Créer des modèles de tâches d’employé personnalisés.

  3. Utilisez le modèle d’employé personnalisé de l'étape 2 pour générer un modèle de tâche d'employé dans la console Amazon SageMaker. Pour savoir comment procéder, consultez Créer un modèle de tâche d'employé.

    À l'étape suivante, vous allez créer une définition de flux :

    • Si vous souhaitez créer une définition de flux à l'aide de l'API SageMaker, notez l'ARN de ce modèle de tâche d'employé pour l'étape suivante.

    • Si vous créez une définition de flux à l'aide de la console, votre modèle apparaîtra automatiquement dans la section Worker task template (Modèle de tâche d'employé) lorsque vous choisissez Create human review flux (Créer un flux de vérification humaine).

  4. Lors de la création de votre définition de flux, indiquez le chemin d'accès à vos compartiments S3, à l'ARN de votre rôle IAM et à votre modèle d'employé.

  5. Configurez votre boucle humaine à l'aide de l'API d'exécution Amazon A2I. Pour savoir comment procéder, consultez Créer et démarrer une boucle humaine.

  6. Pour contrôler le moment où les vérifications humaines sont lancées dans votre application, spécifiez les conditions dans lesquelles StartHumanLoop est appelé dans votre application. Les conditions d'activation d’une boucle humaine, par exemple les seuils de fiabilité qui initient la boucle humaine, ne sont pas disponibles lors de l'utilisation de Amazon A2I avec des types de tâches personnalisés. Chaque appel StartHumanLoop entraîne une vérification humaine.

Une fois que vous avez démarré une boucle humaine, vous pouvez gérer et contrôler vos boucles à l'aide de l'API d'exécution Amazon Augmented AI et d’Amazon EventBridge (également appelé Amazon CloudWatch Events). Pour en savoir plus, consultez la section Surveillance et gestion de votre boucle humaine.

Didacticiel de bout en bout sur l’utilisation de types de tâches personnalisés Amazon A2I

Pour obtenir des exemples de bout en bout illustrant l’intégration d’Amazon A2I à une variété de flux ML, consultez le tableau de Cas d'utilisation et exemples d’utilisation d'Amazon A2I. Pour commencer à utiliser l'un de ces bloc-notes, veuillez consulter Utiliser l'instance de bloc-notes SageMaker avec un bloc-notes Jupyter Amazon A2I.