AWS为公司带来了简单的AI应用开发 | ENBLE
AWS简化了AI应用开发 | ENBLE
人工智能的未来正在迅速成为一种可以根据公司特定需求进行定制的开箱即用体验。优化的聊天体验不仅仅局限于问答功能，还有创建AI应用程序的工具，无需数月的编码开发，这可能是引入新插件和扩展之外的下一步。
更常见的工具，如ChatGPT用于信息和Midjourney用于图像，依赖于公共数据和一致的开发者编码来创建最终产品。与此同时，亚马逊网络服务（AWS）致力于开发生成式AI，既更高效易用，又能确保对部署其工具的公司的数据独特性和数据安全性。
该品牌正在利用亚马逊Bedrock等平台，在新的AI市场中开辟出独特的空间。自4月以来，其旗舰中心已经投入使用，其中容纳了几个所谓的基础模型（FMs）。AWS最初训练了这些基础级别的API，并为组织提供了所需的标准AI功能。组织可以混合匹配其首选的FMs，然后继续开发应用程序，为其独特需求添加自己的专有数据。
“作为供应商，我们基本上是在大量数据的基础上训练这些模型。一旦模型训练完成，就会有一个截止点。例如，2023年1月，之后模型就没有任何信息了，但公司需要数据，这是私有的，”亚马逊Bedrock产品和工程总经理Atul Deo告诉ENBLE。
每家公司及其使用的基础模型各不相同，因此每个生成的应用程序都将基于组织输入到模型的信息而独特。FMs已经是基础模板。然后使用开源信息来填充模型，可能会使应用程序在各个公司之间重复。AWS的策略为公司提供了通过引入自己的数据使其应用程序独特的机会。
“你还希望能够向模型提出一些问题并得到答案，但如果它只能回答一些过时的公共数据的问题，那就没有什么帮助。你希望能够将相关信息传递给模型，并实时得到相关答案。这是它解决的核心问题之一，”Deo补充道。
基础模型
亚马逊Bedrock支持的几个基础模型包括Amazon Titan，以及来自Anthropic、AI21Labs和StabilityAI等供应商的模型，每个模型都处理AI领域的重要功能，包括文本分析、图像生成和多语言生成等任务。Bedrock是AWS已经在其Stagemaker Jumpstart平台上开发的预训练模型的延续，该平台已经成为许多公共FM的基础，包括Meta AI、Hugging Face、LightOn、Databricks和Alexa。
亚马逊还在纽约举办的AWS峰会上宣布了来自Cohere品牌的新Bedrock模型。这些模型包括Command，能够执行摘要、文案、对话、文本提取和问答等业务应用，以及Embed，可以完成超过100种语言的聚类搜索和分类任务。
亚马逊机器学习副总裁Swami Sivasubramanian在峰会主题演讲中表示，FMs具有低成本、低延迟，旨在私下定制，数据加密，并且不用于训练AWS开发的原始基础模型。
该品牌与众多公司合作使用Amazon Bedrock，包括Chegg、Lonely Planet、Cimpress、Philips、IBM、Nexxiot、Neiman Marcus、Ryanair、Hellmann、WPS Office、Twilio、Bridgewater＆Associates、Showpad、Coda和Booking.com。
Amazon Bedrock的辅助工具
亚马逊还在峰会上推出了辅助工具Agents for Amazon Bedrock，扩展了基础模型的功能。该工具面向各种用例的公司，是一种增强的聊天体验，能够在标准的聊天机器人问答之外主动执行任务，根据其精细调整的信息。
AWS给出了一个商业空间中它如何良好运作的例子。假设一位零售客户想要换一双鞋子。用户可以通过与Agent的互动详细说明他们想要从8号尺码换到9号尺码的鞋子。Agent将会要求他们的订单号。一旦输入完成，Agent将能够在幕后访问零售库存，告知客户他们所请求的尺码有现货，并询问他们是否希望继续换货。一旦用户确认，Agent将确认订单已经更新。
“传统上，要做到这一点需要很多工作。旧的聊天机器人非常死板。如果你在这里说了一些话，而它没有起作用，你会说让我跟人类代理人谈谈，”Deo说。“现在，因为大型语言模型对人类说话方式有更丰富的理解，它们可以采取行动并利用公司的专有数据。”
该品牌还举了一个保险公司如何利用代理人来提交和组织保险索赔的例子。代理人甚至可以协助企业员工进行诸如查阅有关PTO的公司政策或主动安排休假时间等任务，采用了一种现在常见的AI提示样式，例如“你能帮我请假吗？”
代理人特别捕捉到了基础模型如何使用户专注于对他们最重要的AI方面。公司无需花费数月时间开发和训练一个语言模型，而是可以在代理人中花更多时间调整对他们组织重要的信息，确保其保持最新。
“你可以使用你的专有数据来微调模型。在提出请求的同时，你希望得到最新和最好的结果，”Deo说。
随着许多公司整体上转向以商业为中心的AI战略，AWS的目标似乎只是帮助品牌和组织更快地推出集成AI的应用程序和服务。缩短应用程序开发时间可能会导致市场上涌现出大量新的AI应用程序，但也可能会看到许多常用工具得到急需的更新。
