新加坡科技局与 AWS 生成式人工智能创新中心合作，扩展生成式人工智能在公共部门的机构中的应用范围

新加坡科技局将生成式人工智能视为推动创新、提升公共服务质量以及改善社区生活的一种方式。但对该机构来说，在政府层面运行大型语言模型的高昂成本是关键考虑因素。

为了解决成本问题并挖掘生成式人工智能的潜力，新加坡科技局与 AWS 生成式人工智能创新中心合作，共同开发了生成式人工智能解决方案，这使得政府机构能够以经济高效的方式采用这项变革性技术。

为了构建和部署 MAESTRO 平台，新加坡科技局与 AWS 进行了合作，其中包括与 AWS 生成式人工智能创新中心（一个将机构与在人工智能/机器学习以及生成式人工智能技术方面经验丰富的 AWS 科学和战略专家配对的项目）的合作。现在，公共部门的机构能够利用 MAESTRO 创建既符合成本效益又能满足特定使用案例需求的生成式人工智能工具。自推出 9 个月以来，已有 20 个公共部门的机构采用了 MAESTRO 平台，这覆盖了新加坡全国超过 45 个项目团队以及 300 多名数据科学家和机器学习工程师。

新加坡人力部负责制定和执行劳动力政策，该部门通过使用 MAESTRO 平台来推动更快的运作和政策干预。该部门开发了一种基于生成式人工智能的感知器工具，该工具运用聚类算法和大型语言模型来从文档中提取见解。在三个月内，新加坡人力部使用该工具处理了 100 多万份文档，将见解提取率提高了 60%，并将感知时间缩短了 50%，相当于节省了 2000 多个工作小时。

新加坡人力部还提升了员工与求职者之间的工作匹配度。该部门开发了新加坡标准职业分类 (SSOC) 自动编码器，它能够根据职业代码自动对招聘信息进行排序。在推出后的三个月内，SSOC 自动编码器处理了 1000 万条招聘信息，准确率高达 92％。

新加坡公积金局是一个法定机构，其使命是通过终身收入、医疗融资和房屋融资，确保新加坡人享有一个有保障的退休生活。该部门利用通过 MAESTRO 部署的开源、量化的生成式人工智能模型，对每年平均接到的约 60 万个电话的通话记录进行汇总分析。这一分析结果对于跟进、调查和快速发现新问题至关重要。

新加坡科技局 MAESTRO 利用 Amazon Bedrock 和 Amazon SageMaker JumpStart 整合了生成式人工智能功能，其中，Amazon Bedrock 是一项完全托管的服务，可提供来自领先人工智能公司的高性能基础模型 (FM)，而 Amazon SageMaker JumpStart 则是一个包含基础模型、内置算法和预建机器学习解决方案的机器学习中心。利用现成的模型，公共部门的机构能够构建和部署人工智能解决方案，无需投入大量时间和资源从头开始训练模型。

此外，借助量化技术，团队可以部署多个规模较小、大小合适的模型，而不是单个大型通用模型。总体而言，通过与 AWS 生成式人工智能创新中心合作，MAESTRO 将生成式人工智能工作负载的成本性能提高了 75％。

为了简化机器学习工作流程的创建、协作和管理，新加坡科技局利用 Amazon SageMaker Studio（用于端到端机器学习开发的单一网络接口）和 Amazon SageMaker Canvas（无代码机器学习接口）构建了 MAESTRO。MAESTRO 采用统一、基于网络的无代码接口，降低了复杂性，简化了机器学习模型的构建、培训和部署，即使是非技术人员也能轻松胜任。MAESTRO 通过降低技术门槛，使得各级政府机构能够快速采用和利用经济高效、生产就绪型生成式人工智能解决方案，从而加快各种使用案例的实施进度。

“领先的机构意识到，经济高效地扩展生成式人工智能至关重要。我们很荣幸能与新加坡科技局合作，使新加坡公共部门能够使用生成人工智能。” AWS 生成式人工智能创新中心亚太地区、日本和大中华区战略主管 Nieves Garcia 说道。