نحوه استفاده USPS از هوش مصنوعی در Edge برای بهبود نامه الکترونیکی

اگر به انتخابات ریاست جمهوری آمریکا در سال 2020 توجه کرده باشید ، احتمالاً رسوایی خدمات پستی ایالات متحده با صفحه نمایش شما روبرو شده است. منابع آژانس به قدری نازک و کشیده شده بود که ترس از آن وجود داشت که به گلوگاهی در انتخاباتی تبدیل شود که تعداد بی سابقه ای از طریق پست رای دهند.

اگر این تصور را داشته باشید که بودجه USPS نزدیک به بودجه است ، اگر نه قرمز است ، ممکن است وقتی می خوانید که به عنوان یک شرکت ، اختلاف نظر شناختی ایجاد کنید ، این یکی از معدود داستان های موفقیت در مورد استفاده از هوش مصنوعی توسط دولت فدرال است .

آنتونی رابینز ، مدیر بخش تجارت فدرال در انویدیا ، گفت: “کار نوآوری که در خدمات پستی دیده ام به عنوان یک سازمان دولتی بی نظیر بوده است.” رابینز در پنج سال گذشته در انویدیا بوده است ، اما بیش از سه دهه صرف فروش فناوری فروشندگان بزرگ به دولت فدرال کرده است.

وی روز چهارشنبه با خبرنگاران صحبت کرد تا در مورد استقرار زیرساخت های هوش مصنوعی در USPS به روز شود. انویدیا اولین بار قبل از استقرار سیستم ها ، قرارداد را با آژانس در سال 2019 اعلام کرد.

خدمات پستی ایالات متحدهUSPS روزانه 20 میلیون بسته را در بیش از 1000 دستگاه مانند این سیستم مرتب سازی بسته های کوچک پردازش می کند.

USPS روزانه 20 میلیون بسته را در بیش از 1000 دستگاه مانند این سیستم مرتب سازی بسته های کوچک پردازش می کند.

USPS اکنون دارای سیستم های استنباط AI است که در مراکز پردازشی 190 به علاوه در سراسر کشور کار می کند. این نمونه ای از موارد استفاده از زیرساخت رایانش لبه ای برای هوش مصنوعی است که ما اغلب در مورد آن می شنویم ، جایی که شبکه ای از رایانه های مستقر در لبه یک مدل یادگیری ماشین آموزش دیده را برای تشخیص تصویر اعمال می کند.

تعداد کمی از شرکت ها موفق به استفاده از AI و همچنین USPS شده اند

دولت ریاست جمهوری دونالد ترامپ توسعه هوش مصنوعی را به عنوان یک اولویت استراتژیک برای دولت قرار داد. رابینز گفت: “دولت فدرال برای مدت طولانی روی هوش مصنوعی کار کرده است.”

با این حال ، به گفته وی ، استقرار هوش مصنوعی به روشی که USPS دارد هنوز برای سازمان های دولتی یک چالش است. “بسیاری از پروژه های بینایی رایانه ای AI / ML در کل شرکت وجود ندارد که در این مقیاس ، در کل شرکت بخصوص در مورد دولت استفاده نشده باشد.”

USPS هزاران دستگاه اسکن و دوربین دارد که در پردازش بسته ها استفاده می شود. در سال 2020 بیش از 129 میلیارد قطعه نامه پردازش کرد.

خدمات پستی ایالات متحدهدوربین های نصب شده بر روی ماشین های مرتب سازی آدرس ، بارکد و سایر داده ها مانند نمادهای مواد خطرناک را ضبط می کنند.

دوربین های نصب شده بر روی ماشین های مرتب سازی آدرس ، بارکد و سایر داده ها مانند نمادهای مواد خطرناک را ضبط می کنند.

رابینز گفت ، بیش از 20 ترابایت داده تصویری هر روز فقط از طریق پردازش بسته تولید می شود. هدف در پشت پروژه هوش مصنوعی ایجاد پایگاه داده ای از تصاویر بسته برای بهبود کارایی پردازش با گذشت زمان است. USPS سال گذشته حدود 7.3 میلیارد بسته را پردازش کرد.

وی گفت: “آنها طبقه بندی تصویر و تشخیص اشیا را روی بسته های خود انجام می دهند.” به عنوان مثال این سیستم به تعیین نیازهای پستی یک بسته کمک می کند. این آدرس راستی آزمایی می کند و بررسی می کند که آیا هزینه پست پرداخت شده است. وقتی بارکد آسیب دیده و ناخوانا است ، به شناسایی یک بسته کمک می کند. با استفاده از این سیستم ، کارگران USPS اکنون می توانند بسته های گمشده را بسیار سریعتر پیدا کنند.

مدل های AI USPS آموزش دیده در هسته ، مستقر در لبه

این پروژه (که اکنون Edge Compute Infrastructure Program یا ECIP نامیده می شود) توسط یک دانشمند واحد داده در سازمان مهندسی خدمات پستی آغاز شد. رابینز گفت ، آژانس بعداً 10 پیمانکار تمام وقت دیگر از خدمات فدرال Accenture اضافه کرد.

سرویس پستی سرورهای Nvidia EGX را توسط HPE در مراکز پردازش خود مستقر کرد. EGX یک معماری مرجع توسط انویدیا برای فروشندگانی است که با GPU های خود سرور می سازند. USPS از نرم افزار Triton Inference Server انویدیا برای انجام استنتاج استفاده می کند.

انویدیاالگوریتم های هوش مصنوعی در سرورهای NVIDIA DGX در مراکز داده خدمات پستی ایالات متحده ساخته شده اند.

الگوریتم های هوش مصنوعی در سرورهای NVIDIA DGX در مراکز داده خدمات پستی ایالات متحده ساخته شده اند.

به گفته رابینز ، این آژانس همچنین 13 سیستم Nvidia DGX را در دو مرکز داده خود مستقر کرده تا مدل هوش مصنوعی را که در لبه قرار دارد آموزش دهد. وی افزود که USPS اکنون هفت الگوریتم ساخته و آنها را در شبکه محاسباتی لبه خود مستقر کرده است.

رابینز گفت ، در حالی که ECIP در حال حاضر فقط روی بسته ها متمرکز است ، تیم “چارچوبی” را برای گسترش آن در آینده در نظر گرفته است.