Amazon Web Services （AWS） 今天宣布了新的 Amazon Bedrock 创新，为客户提供最简单、最快速、最安全的方式来开发先进的生成式人工智能 （AI） 应用程序和体验。让我们用其中一项创新创建的插图来分解它们：亚马逊泰坦图像生成器（当然来自土星最大的卫星泰坦的表面）。新的自定义模型导入功能可帮助组织将自己的模型引入 Amazon Bedrock在 AI 中，两个（甚至三个）模型通常比一个更好。这是复合智力效应。Amazon Bedrock 客户越来越多地通过为其特定领域的使用案例定制公开可用的模型来将自己的数据投入使用。这是因为当客户将 Bedrock 中可用的不同基础模型 （FM） 和大型语言模型 （LLM） 的智能与他们自己的数据相结合时，就会产生复合智能效应。可以将其视为生成式人工智能版本的“两个头（或更多）比一个头好”。这种增加的智能还意味着由此产生的应用程序能够更好地满足更广泛的用例。那么客户一直在要求什么呢？一种将自己的自定义模型添加到 Bedrock 的简单而安全的方法。基于 Amazon Bedrock 构建的新虚拟 AI 助手可以减少商业建筑的碳足迹。就是这样。认识一下 ARIA，它是 BrainBox AI 的虚拟建筑助手，可以执行调节建筑物温度或识别故障设备等任务，以优化能源效率。借助 Amazon Bedrock 自定义模型导入，组织现在可以在 Bedrock 中将自己的自定义模型作为完全托管的应用程序编程接口 （API） 导入和访问，从而在构建生成式 AI 应用程序时为他们提供前所未有的选择。首先，组织可以轻松地将他们在 Amazon SageMaker 上或通过其他第三方工具或云提供商自定义的模型添加到 Amazon Bedrock。完成自动验证过程后，他们可以无缝访问他们的自定义模型，就像 Amazon Bedrock 上的任何其他模型一样。借助这项新功能，AWS 使组织能够通过同一 API 轻松选择 Amazon Bedrock 模型和他们自己的自定义模型的组合。Amazon Bedrock 自定义模型导入现已推出预览版，支持三种最流行的开放模型架构（Flan-T5、Llama 和 Mistral），并计划在未来推出更多架构。模型评估可帮助客户评估、比较和选择最佳模型来构建和部署生成式 AI 应用程序在选择 AI 模型时，模型准确性和模型性能之间的微妙平衡是关键。当然，在组合模型以获得更多智能之前，客户希望更敏锐地了解哪些模型最适合他们的特定应用。为特定用例选择最佳模型需要在模型准确性和模型性能之间取得微妙的平衡。到目前为止，组织需要为每个新模型和用例进行这种通常费力且耗时的平衡行为。结果是向客户开发和交付生成式 AI 体验的速度变慢。模型评估现已全面推出，是组织在 Amazon Bedrock 上分析和比较模型的最快方式，减少了评估模型所花费的时间，从而可以更快地将新的应用程序和体验推向市场。客户可以通过选择预定义的评估标准（例如，准确性和稳健性）并上传自己的提示库或从内置的公开可用数据集中进行选择来快速入门。对于主观标准或需要细致判断的内容，客户可以轻松设置基于人工的评估工作流程。客户完成设置过程后，Amazon Bedrock 会运行评估并生成报告，以便客户了解模型在其关键标准中的表现，并快速为其使用案例选择最佳模型。Amazon Titan 系列 AI 模型刚刚增长了两个只需简单的文本即可使用 Amazon Titan Image Generator 制作精美的图像。AWS 很高兴地宣布 Amazon Titan Image Generator（现在具有不可见水印）和最新版本的 Amazon Titan Text Embeddings 全面上市，两者均在 Amazon Bedrock 上独家提供。我是亚马逊通用人工智能副总裁。以下是我对人工智能的未来感到兴奋的 4 个原因。Vishal Sharma 分享了他对生成式 AI 创新将如何帮助地球上的每个人（和一切）的见解。广告、电子商务、媒体和娱乐等行业的人现在可以访问 Amazon Titan Image Generator，以低成本从头开始生成高质量的图像，或增强和编辑现有图像。只需在提示字段中输入文本描述，Amazon Titan 就会将该文本转换为您描述的任何图像和样式。例如，上面显示的图像的提示是，“从土星为背景的卫星土卫六表面，现代字体的文字”花“从一个非常友好的机器人嘴里出现，然后文字变成月球表面阳光明媚的花朵的图像。Amazon Titan 对其生成的所有图像应用隐形水印，帮助识别 AI 生成的图像，以促进 AI 技术的安全、可靠和透明的发展，减少虚假信息的传播。该模型还可以检查水印的存在，帮助客户确定图像是否是由 Amazon Titan Image Generator 生成的。今天宣布的该系列的第二个成员是 Amazon Titan Text Embeddings V2，它针对检索增强生成 （RAG） 用例进行了优化，使其非常适合各种用例，例如信息检索、 问答聊天机器人和个性化推荐。RAG 是一种流行的模型定制技术，其中 FM 连接到它可以引用的其他知识源来剔除更准确的响应。虽然结果很理想，但运行这些作可能会占用大量计算和存储。随着本月晚些时候推出的 Amazon Titan Text Embeddings V2，客户可以选择利用灵活的嵌入大小来满足不同的应用程序需求，从低延迟移动部署到高精度异步工作流程，从而将总存储量减少多达四倍，同时保留 RAG 用例 97% 的准确性。借助 Amazon Bedrock 的护栏，客户可以轻松实施保护措施，以删除个人和敏感信息、亵渎性语言、特定词语，以及阻止有害内容Amazon Bedrock 的内置护栏可确保 AI 应用程序对每个人的安全。为了使生成式人工智能在每个行业中普遍存在，组织必须确保以安全、值得信赖和负责任的方式实施它。许多模型使用内置控件来过滤不良和有害内容，但组织希望进一步策划模型，以便响应保持相关性、符合公司策略并遵守负责任的 AI 原则。Guardrails for Bedrock 现已全面上市，提供行业领先的安全保护，帮助客户阻止高达 85% 的有害内容。我们对负责任地使用 AIAmazon 的承诺承诺与白宫、政策制定者、技术组织和 AI 社区继续合作，以推进负责任和安全的使用 AI.To 创建护栏，客户只需提供自然语言描述，定义其应用程序上下文中被拒绝的主题。客户还可以配置阈值，以过滤掉仇恨言论、侮辱、性语言和暴力等领域的内容。这是对删除亵渎或特定阻止词的过滤器的补充。Guardrails 是顶级云提供商提供的唯一解决方案，它允许客户在单个产品中拥有内置和自定义保护措施，它适用于 Amazon Bedrock 中的所有大型语言模型以及微调模型。
