亚马逊云科技 （AWS） 宣布了五项生成式人工智能（生成式 AI）创新，因此各种规模的组织都可以构建新的生成式 AI 应用程序、提高员工生产力并实现业务转型。为什么这位 AWS 副总裁认为生成式 AI 有潜力改变我们的生活对于我们这些不是数据科学家的人来说，生成式 AI 是如何工作的。在过去的一年里，数据的激增、可扩展计算的访问以及机器学习的进步导致人们对生成式 AI 的兴趣激增，激发了可以改变整个行业并重新构想工作方式的新想法，“AWS 数据和人工智能副总裁 Swami Sivasubramanian 说。“今天的公告是一个重要的里程碑，它使生成式人工智能触手可及，从初创公司到企业，以及从开发人员到数据分析师的每一位员工。凭借强大的新创新，AWS 为客户提供了更大的安全性、选择和性能，同时还帮助他们在整个组织中紧密调整数据战略，以便他们能够充分利用生成式 AI 的变革潜力。这是 AWS 公告的所有新闻。如需更深入的技术了解，请前往 AWS 机器学习博客.1。Amazon Bedrock 现已全面推出，可帮助更多客户构建和扩展生成式 AI 应用程序Amazon Bedrock 于 4 月宣布，是一项完全托管的服务，可通过单个应用程序编程接口 （API） 提供来自领先 AI 公司的基础模型 （FM）。FM 是非常大的机器学习 （ML） 模型，在大量数据上进行了预训练。FM 的灵活性使其适用于广泛的用例，为从搜索到内容创建再到药物发现的一切提供支持。然而，对于大多数希望采用生成式人工智能的企业来说，有几件事阻碍了他们。首先，他们需要一种简单的方法来查找和访问高性能调频，这些调频可提供出色的结果并最适合其目的。其次，客户希望应用程序集成是无缝的，而无需管理庞大的基础设施集群或产生高额成本。最后，客户希望通过简单的方法来使用基本 FM 并使用他们的数据构建差异化应用程序。由于客户想要定制的数据是非常有价值的知识产权，因此在此过程中必须保持完全保护、安全和私密，并且客户希望控制数据的共享和使用方式。亚马逊和 Anthropic 宣布战略合作推进生成式人工智能Anthropic 选择 AWS 作为其主要云提供商，并将利用 AWS 的高性能、低成本机器学习加速器，在 AWS Trainium 和 Inferentia 芯片上训练和部署其未来的基础模型。借助 Amazon Bedrock 的全面功能，客户可以轻松试验各种顶级 FM，并使用其专有数据私下自定义它们。此外，Amazon Bedrock 还提供差异化功能，例如创建托管代理来执行复杂的业务任务（从预订旅行和处理保险索赔到创建广告活动和管理库存），而无需编写任何代码。由于 Amazon Bedrock 是无服务器的，因此客户无需管理任何基础设施，他们可以使用他们已经熟悉的 AWS 服务安全地将生成式 AI 功能集成并部署到他们的应用程序中。Amazon Bedrock 在构建时考虑到了安全性和隐私性，使客户能够轻松保护敏感数据。Amazon Titan Embeddings 现已全面上市Amazon Titan FM 是 AWS 在大型数据集上创建和预训练的一系列模型，使其成为强大的通用功能，可支持各种使用案例。Amazon Titan Embeddings 是这些模型中的第一个，它是一种大型语言模型 （LLM），它将文本转换为称为嵌入的数字表示形式，以支持搜索、个性化和检索增强生成 （RAG） 使用案例。现在，下一个显而易见的问题是，我为什么要这样做？FM 非常适合各种各样的任务，但它们只能根据从训练数据和提示中的上下文信息中学习的问题来回答问题，当响应需要及时的知识或专有数据时，它们的有效性会受到限制。为了通过额外的数据来增强 FM 响应，许多组织转向 RAG，这是一种技术，其中 FM 连接到可以引用的知识源以增强其响应。但是，部署 RAG 需要大量数据和深厚的 ML 专业知识，这使得许多组织无法使用 RAG。进入 Amazon Titan Embeddings。Amazon Titan Embeddings 使客户能够更轻松地从 RAG 开始使用其专有数据扩展任何 FM 的功能。Amazon Titan Embeddings 支持超过 25 种语言，上下文长度高达 8,000 个令牌（上下文长度越长，模型就越能理解对话或文本并生成正确的响应），使其非常适合根据客户的使用案例处理单个单词、短语或整个文档。Meta 的 Llama 2 将于未来几周内推出AWS 加入联合国生成式 AI 峰会以下是生成式 AI 如何加速联合国可持续发展进展的 5 个关键要点 Goals.No 单一模型针对每个用例进行优化，为了释放生成式 AI 的价值，客户需要访问各种模型，以根据他们的需求发现最有效的模型。这就是为什么 Amazon Bedrock 让客户可以轻松找到和测试一系列领先的 FM，包括来自 AI21 Labs、Anthropic、Cohere、Stability AI、Amazon 的模型，以及未来几周内 Meta。Amazon Bedrock 是第一个通过托管 API 提供 Meta 下一代 LLM Llama 2 的完全托管生成式 AI 服务。与原始 Llama 模型相比，Llama 2 模型有了显着改进，包括接受了 40% 以上的数据训练，并具有更长的上下文长度（4,000 个标记）以处理更大的文档。通过 Amazon Bedrock 提供的 Llama 2 模型经过优化，可在 AWS 基础设施上提供快速响应，非常适合对话用例。即将推出的全新 Amazon CodeWhisperer 功能将允许客户使用其私有代码库安全地自定义 CodeWhisperer 建议，从而将开发人员的工作效率提升到新的水平Amazon CodeWhisperer 经过数十亿行 Amazon 代码和公开可用代码的训练，是一款由 AI 驱动的编码伴侣，可提高开发人员的工作效率。虽然开发人员经常使用 CodeWhisperer 进行日常工作，但他们有时需要将组织的内部私有代码库（例如内部 API、库、包和类）合并到应用程序中，而这些代码库都不包含在 CodeWhisperer 的训练数据中。但是，内部代码可能难以使用，因为文档可能有限，并且没有公共资源或论坛可供开发人员寻求帮助。Amazon CodeWhisperer 的新定制功能将安全地利用客户的内部代码库和资源来提供根据其独特需求定制的建议，从而释放生成式 AI 驱动的编码的全部潜力。开发人员通过提高代码建议在一系列任务中的相关性来节省时间。首先，管理员从源（例如 GitLab 或 Amazon Simple Storage Service （Amazon S3））连接到其私有代码存储库，并安排一个作业以创建自己的自定义项。该功能在构建时考虑到了企业级安全性和隐私性，使自定义完全私密，并且为 CodeWhisperer 提供支持的底层 FM 不会使用自定义进行培训，从而保护客户宝贵的知识产权。作为新的 CodeWhisperer Enterprise Tier.5 的一部分，此定制功能将在未来几周内以预览版形式提供给客户。Amazon QuickSight 中的新生成式 BI 创作功能可帮助业务分析师使用自然语言命令轻松创建和自定义视觉对象生成式 AI 对企业意味着什么以及 AWS 如何提供帮助新的 AWS 生成式 AI 创新中心可帮助客户成功构建和部署自定义生成式 AI 产品和服务。Amazon QuickSight 是一项专为云构建的统一商业智能 （BI） 服务，提供交互式控制面板、分页报告和嵌入式分析，以及使用 QuickSight Q 的自然语言查询功能，确保组织中的每个用户都可以以他们喜欢的格式访问他们需要的见解。业务分析师经常花费数小时使用 BI 工具探索不同的数据源、添加计算以及创建和优化可视化效果，然后再在仪表板中将其提供给业务利益相关者。要创建单个图表，分析师必须首先找到正确的数据源、识别数据字段、设置过滤器并进行必要的自定义，以确保视觉对象引人注目。如果视觉对象需要新的计算（例如，年初至今的销售额），分析师必须确定必要的参考数据，然后创建、验证视觉对象并将其添加到报表中。减少业务分析师手动创建和调整图表和计算所花费的时间，使组织能够将更多时间投入到更高价值的任务上。新的生成式 BI 创作功能扩展了 QuickSight Q 的自然语言查询，而不仅仅是回答结构良好的问题（例如，“在加利福尼亚销售的前 10 款产品是什么？”），帮助分析师根据问题片段（例如，“前 10 名产品”）快速创建可自定义的视觉效果，通过提出后续问题来阐明查询的意图，优化可视化效果并完成复杂的计算。业务分析师只需描述所需的结果，QuickSight 就会生成引人注目的视觉效果，只需单击一下即可轻松将其添加到控制面板或报告中。
