人工智能机器学习美国邮政服务使用人工智能帮助分拣包裹

陷入困境的美国邮政局在 2019 年采取了第一个尝试性的步骤来拥抱人工智能技术，并决定部署一个图像分析系统，使用 GPU 支持的服务器和深度学习软件来训练包裹分类算法。

实施机器人流程自动化的要求非常高：USPS 每年处理全球 40% 的邮件，其中包括 73 亿个包裹。被称为边缘计算基础设施计划 (ECIP) 的人工智能计划的目标之一是在邮政服务的 195 个邮件处理中心部署边缘人工智能服务器，以扫描、跟踪和交付估计每秒处理的 231 个包裹。

USPS 与 Accenture Federal Services 和 Hewlett Packard Enterprise 签订合同，提供 ECIP 基础设施。人工智能项目的供应商英伟达本周将新的机器视觉应用程序吹捧为政府机构独有的企业级人工智能部署。GPU 领导者正在提供其EGX 平台，每个平台由四个 V100 GPU 组成，运行在用于训练包裹分类算法的 HPE 服务器上。

结合向 USPS 处理中心提供模型的 Nvidia 推理服务器，这些算法可用于图像分类和对象检测应用。例如，可以训练一个模型来发现损坏的条形码。

这些模型将有助于加快确定包裹的尺寸、重量和邮资要求以及追踪丢失包裹等步骤。

ECIP原定于去年春天开始运行。USPS 发言人表示，一个可运行的 ECIP 系统于 2020 年 8 月下旬上线。

Nvidia 估计，庞大的 USPS 分销网络需要一个需要 800 个 CPU 的服务器网络来实现传统的计算机视觉平台——相当于数据中心。该实施也将受限于其访问云资源的能力。

“这绝对不是首发，”英伟达联邦业务部门副总裁安东尼·罗宾斯 (Anthony Robbins) 说。

USPS 计划改为使用 Hewlett Packard 6500 服务器，每台服务器配备四个 Nvidia V100 Tensor Core GPU。英伟达称，该组合用于训练算法在 20 分钟内执行等效的扫描任务。

可操作的 ECIP 平台目前每天处理由 1,000 多台处理机器收集的约 20 TB 的图像数据。

“这里的总体设计是继续增强和建立一个包裹数据库，以便 [USPS] 可以随着时间的推移提高包裹处理和效率，并从这个模型构建 [for] 全方位的邮件处理，即 1290 亿件一年的邮件，”罗宾斯说。

针对我们对 ECIP 错误率的询问，USPS 发言人表示：“系统的当前使用不会产生构成‘错误率’的数据。” 相反，发言人补充说，“该系统的主要用途是对包裹分拣和处理中的异常进行故障排除。”

根据 Nvidia 的博客文章，USPS 发布了 ECIP 光学字符识别 (OCR) 功能的要求，这将简化其成像工作流程。目标是用基于人工智能的机器视觉系统取代硬件和软件基础设施以及低效的云访问。

新的 OCR 工作流程作为基于容器的深度学习模型运行，由 Kubernetes 集群编排器管理并由 Nvidia 的Triton 推理平台提供服务。Triton 旨在自动将不同的 AI 模型交付给因支持深度学习框架的 GPU 和 CPU 版本而异的系统。

“我们组织中的人们正在考虑将机器学习应用到机器人技术、数据处理和图像处理的新方面的新方法，”美国邮政总局 ECIP 经理 Todd Schimmel 说。

英伟达强调了人工智能项目的规模。“以这种规模部署的企业级人工智能、[机器学习]、计算机视觉项目并不多，尤其是在政府方面，”罗宾斯断言。

ECIP 等基于人工智能的部署促使人们对如何最好地监督自动化系统的扩展进行了新的评估。毕马威数据工程和创新驱动型 AI 负责人Sreekar Krishna表示，随着 AI 算法部署在现实世界的应用中，“我们设计一种方法来确保 AI 系统不会对决策系统产生失控影响非常重要。”转换单元。

管理顾问吹捧“人工智能育儿”框架，作为传统“人在环”管道的延伸。“虽然培训过程历来需要技能较低的劳动力，但实施一个更具体的框架以将因果关系纳入培训过程将有助于将人工智能系统提升到一个新的水平，”克里希纳补充道。