原標(biāo)題：挖掘生成式AI價值，亞馬遜云科技Amazon Bedrock進(jìn)一步擴(kuò)大可選模型范圍

　　Amazon Bedrock正式可用，幫助更多客戶構(gòu)建和擴(kuò)展生成式AI應(yīng)用程序

　　Amazon Bedrock是一項完全托管的服務(wù)，提供了來自眾多領(lǐng)先AI公司(包括AI21 Labs、Anthropic、Cohere、Meta、Stability AI和亞馬遜)面向海外業(yè)務(wù)的的高性能基礎(chǔ)模型，以及企業(yè)構(gòu)建生成式AI應(yīng)用程序所需的一系列功能，能夠在實現(xiàn)簡化開發(fā)的同時確保隱私性和安全性�；�礎(chǔ)模型具有良好的適用性，可為信息搜索、內(nèi)容創(chuàng)建及藥物發(fā)現(xiàn)等諸多領(lǐng)域提供支持。但是對于許多希望利用生成式AI的企業(yè)來說，尚有一些問題需要解決。首先，它們需要簡單直觀的選取和訪問高性能基礎(chǔ)模型，滿足其場景需求且表現(xiàn)優(yōu)異;其次，客戶希望應(yīng)用程序?qū)崿F(xiàn)無縫集成，無需管理龐大的基礎(chǔ)設(shè)施集群或花費(fèi)大量成本;最后，客戶希望借助基礎(chǔ)模型并結(jié)合自身數(shù)據(jù)來輕松構(gòu)建差異化的應(yīng)用程序，而這些客戶用于定制的數(shù)據(jù)無疑是非常寶貴的資產(chǎn)，具有知識產(chǎn)權(quán)，因此在使用過程中必須做到全面保護(hù)，在確保安全和隱私的同時，保證客戶對數(shù)據(jù)共享和使用方式擁有控制權(quán)。

　　借助Amazon Bedrock的完善功能，企業(yè)能夠更方便、輕松地嘗試多種領(lǐng)先的基礎(chǔ)模型，使用自己的專有數(shù)據(jù)定制模型。此外，Amazon Bedrock還提供差異化能力，例如無需再編寫任何代碼便可創(chuàng)建的托管代理(AI agent)，它可以執(zhí)行復(fù)雜任務(wù)，如旅行預(yù)訂、處理保險索賠、策劃廣告活動和管理庫存等。由于Amazon Bedrock采用無服務(wù)器(serverless)技術(shù)，客戶不必管理任何基礎(chǔ)設(shè)施，就可以使用已經(jīng)熟悉的亞馬遜云科技服務(wù)將生成式AI能力安全地集成和部署到應(yīng)用程序中。

　　Amazon Bedrock在開發(fā)之初就考慮到安全性和隱私保護(hù)，幫助客戶保護(hù)敏感數(shù)據(jù)�？蛻艨梢允褂肁mazon PrivateLink，在Amazon Bedrock與虛擬私有網(wǎng)絡(luò)(VPC)之間建立專門的安全連接，確保任何數(shù)據(jù)傳輸都不會暴露在公共網(wǎng)絡(luò)。對于存在高度監(jiān)管需求的客戶，Amazon Bedrock符合HIPAA(《健康保險流通與責(zé)任法案》)要求，并且可以在GDPR(歐盟《通用數(shù)據(jù)保護(hù)條例》)合規(guī)標(biāo)準(zhǔn)下使用，讓更多的客戶從生成式AI中獲益。

　　Amazon Bedrock通過Amazon Titan Embeddings和Llama 2進(jìn)一步擴(kuò)大可選模型范圍，

　　幫助每個客戶找到適合應(yīng)用場景的模型

　　事實上，沒有任何一個單一模型可以適用于所有的應(yīng)用場景。因此，為了挖掘生成式AI的價值，企業(yè)往往需要訪問多個模型，根據(jù)自己的要求尋找最適合的那一個。為此，Amazon Bedrock讓出�？蛻糁恍柰ㄟ^單一API就能找到和測試AI21 Labs、Anthropic、Cohere、Meta、Stability AI和亞馬遜提供的領(lǐng)先的基礎(chǔ)模型。此外，亞馬遜云科技近日還宣布了Anthropic未來的所有基礎(chǔ)模型都將在Amazon Bedrock上可用，并為亞馬遜云科技出�？蛻籼峁┠Ｐ投ㄖ坪臀⒄{(diào)等特殊功能的優(yōu)先訪問。而現(xiàn)在起，Amazon Bedrock再次引入新的基礎(chǔ)模型帶來更多選擇：

　　Amazon Titan Embeddings現(xiàn)正式可用：Amazon Titan基礎(chǔ)模型是由亞馬遜云科技在大型數(shù)據(jù)集上創(chuàng)建和預(yù)訓(xùn)練的一系列模型，可以支持各種應(yīng)用場景。作為這些模型中第一個正式可用的模型，Amazon Titan Embeddings是一種大語言模型(LLM)，它將文本轉(zhuǎn)換成被稱為嵌入向量(embeddings)的數(shù)值表示，以支持檢索增強(qiáng)生成(RAG)的應(yīng)用場景�；�礎(chǔ)模型雖然適用于多種任務(wù)，但卻只能根據(jù)從訓(xùn)練數(shù)據(jù)和提示詞上下文中學(xué)到的信息來回答問題。一旦這些回答需要利用高時效性的知識或?qū)Ｓ袛?shù)據(jù)時，其有效性就會受限。為了能通過擴(kuò)展數(shù)據(jù)來改進(jìn)基礎(chǔ)模型的回答，許多企業(yè)將目光轉(zhuǎn)向RAG——這一流行的模型定制技術(shù)能將基礎(chǔ)模型連接到可被引用的知識庫，從而改進(jìn)響應(yīng)效果。要開始使用RAG，客戶必須先訪問一個嵌入模型，將數(shù)據(jù)轉(zhuǎn)換成嵌入向量，使基礎(chǔ)模型更容易理解數(shù)據(jù)之間的語義和關(guān)系。然而，構(gòu)建嵌入模型需要大量的數(shù)據(jù)和資源，以及深厚的機(jī)器學(xué)習(xí)專業(yè)知識，因此很多客戶很難完成自行構(gòu)建，也就無法實現(xiàn)RAG。Amazon Titan Embeddings使客戶能夠更簡單地啟用RAG，以便利用專有數(shù)據(jù)擴(kuò)展各種基礎(chǔ)模型的能力。Amazon Titan Embeddings支持超過25種語言和多達(dá)8192個token的上下文長度，非常適合基于企業(yè)的應(yīng)用場景處理單個單詞、短語或整個文檔。該模型可返回1536個維度的輸出向量，確保高度準(zhǔn)確性的同時還專為實現(xiàn)更低延遲和更優(yōu)性價比進(jìn)行了優(yōu)化。

　　Llama 2即將在未來幾周推出：Amazon Bedrock是業(yè)界 通過托管API提供Meta下一代大語言模型Llama 2的完全托管的生成式AI服務(wù)。Llama 2模型比之前的Llama模型有了顯著改進(jìn)，包括使用了比原始訓(xùn)練多40%的訓(xùn)練數(shù)據(jù)，并具有更長的上下文長度(4000個token)，以處理更大的文檔。Amazon Bedrock提供的Llama 2模型已經(jīng)過優(yōu)化，可以在亞馬遜云科技基礎(chǔ)設(shè)施上提供快速響應(yīng)，非常適合對話式應(yīng)用場景�？蛻艨梢詷�(gòu)建由130億和700億個參數(shù)的Llama 2模型驅(qū)動的生成式AI應(yīng)用程序，且無需設(shè)置和管理任何基礎(chǔ)設(shè)施。

　　Amazon CodeWhisperer新功能將允許客戶使用私有代碼庫安全地定制CodeWhisperer代碼建議，

　　進(jìn)一步提升開發(fā)人員效率

　　Amazon CodeWhisperer是一款基于AI的編程助手，它通過對數(shù)十億行來自亞馬遜和公開可用的代碼進(jìn)行訓(xùn)練，提高開發(fā)人員的生產(chǎn)力。雖然開發(fā)人員在日常工作中頻繁使用CodeWhisperer，但有時他們需要將其企業(yè)內(nèi)部私有代碼庫(例如內(nèi)部API、代碼庫、軟件包和類)整合到應(yīng)用程序中，而這些代碼都不屬于CodeWhisperer的訓(xùn)練數(shù)據(jù)。內(nèi)部代碼的使用也是一個難題，因為說明文檔有限，并且沒有開發(fā)人員可以求助的公共資源或論壇。

　　例如，要編寫一個用于從購物車中移除商品的函數(shù)，開發(fā)人員必須首先了解用于與應(yīng)用程序交互的API、集合和其他內(nèi)部代碼。以前，開發(fā)人員可能需要花費(fèi)數(shù)小時來檢查以前編寫的內(nèi)部代碼，從而找到所需信息并理解其工作原理。即使找到了正確的資源，他們?nèi)孕枳屑?xì)檢查代碼，以確保其符合公司編碼的 實踐，并且不會重復(fù)引用代碼中的任何缺陷或漏洞。

　　Amazon CodeWhisperer新定制功能將解鎖生成式AI編程的全部潛力，通過安全地利用客戶的內(nèi)部代碼庫和資源提供定制化建議。這使得開發(fā)人員在各種任務(wù)中能夠更準(zhǔn)確地獲得代碼建議，從而節(jié)省時間。首先，管理員需要從源(例如GitLab或Amazon S3)連接到他們的私有代碼存儲庫，并調(diào)度一個作業(yè)來創(chuàng)建自己的定制內(nèi)容。在創(chuàng)建定制內(nèi)容時，CodeWhisperer利用各種模型和上下文定制技術(shù)，學(xué)習(xí)客戶的代碼庫并改進(jìn)實時代碼建議，從而使開發(fā)人員花更少的時間去尋找無差別的問題的正確答案，同時將更多時間投入到創(chuàng)建新的差異化體驗上。管理員可以在亞馬遜云科技控制臺(Amazon Console)集中管理所有定制功能、查看評估指標(biāo)、估算每個定制功能的性能，并有選擇地將它們部署給公司內(nèi)特定的開發(fā)人員，以限制對敏感代碼的訪問。

　　通過選擇高質(zhì)量的存儲庫，管理員可以確保CodeWhisperer提供的定制建議不包含已棄用的代碼，以滿足企業(yè)質(zhì)量與安全標(biāo)準(zhǔn)�？紤]到企業(yè)級安全和隱私，這項功能可以確保定制內(nèi)容完全私密，而支持CodeWhisperer的底層基礎(chǔ)模型在訓(xùn)練過程中不使用定制內(nèi)容，能夠保護(hù)客戶寶貴的知識產(chǎn)權(quán)。該自定義功能將很快作為CodeWhisperer企業(yè)版的一部分在預(yù)覽中提供給客戶使用。此外，CodeWhisperer的自定義設(shè)置默認(rèn)確保了安全性，無論客戶使用Amazon CodeWhisperer專業(yè)版還是企業(yè)版，在處理來自開發(fā)人員 IDE 的請求時，亞馬遜云科技均不會存儲或記錄任何客戶內(nèi)容。

　　Amazon QuickSight的新生成式BI創(chuàng)作功能，

　　可以幫助業(yè)務(wù)分析師使用自然語言命令輕松創(chuàng)建和定制數(shù)據(jù)可視化效果

　　Amazon QuickSight是一個為云端構(gòu)建的統(tǒng)一BI服務(wù)，能夠創(chuàng)建交互式儀表盤、分頁報告以及嵌入式分析，同時具備使用QuickSight Q進(jìn)行自然語言查詢的能力，因此企業(yè)的每位用戶都能以他們偏好的格式獲取所需的洞察。

　　通常情況下，商業(yè)分析師需要花費(fèi)數(shù)小時使用BI工具來探索各種不同的數(shù)據(jù)源，添加計算、創(chuàng)建和完善可視化效果，然后將它們呈現(xiàn)在儀表盤中提供給業(yè)務(wù)利益相關(guān)者。要創(chuàng)建一個簡單的圖表，分析師首先必須找到正確的數(shù)據(jù)源、識別數(shù)據(jù)字段、設(shè)置過濾器，同時進(jìn)行必要的個性化設(shè)置以實現(xiàn)良好的可視化效果。

　　如果進(jìn)行數(shù)據(jù)可視化需要進(jìn)行新的計算(例如年度銷售額)，分析師還必須確定所需的參考數(shù)據(jù)，然后創(chuàng)建、驗證并將視覺效果添加到報告中。如果可以減少商業(yè)分析師手動創(chuàng)建和調(diào)整圖表和計算所花費(fèi)的時間，讓他們將更多時間投入到高價值的任務(wù)中，企業(yè)也能從中獲益。

　　新的生成式BI創(chuàng)作功能擴(kuò)展了QuickSight Q的自然語言查詢功能，使其不僅能夠回答清晰表述的問題(例如，“加利福尼亞州銷售排名前10的產(chǎn)品是什么?”)，還能幫助分析師從問題片段(例如，“銷售排名前10的產(chǎn)品”)快速創(chuàng)建可定制的視覺效果，通過提出后續(xù)問題來澄清查詢意圖，優(yōu)化視覺效果，并完成復(fù)雜的計算。業(yè)務(wù)分析師只需描述想獲得的結(jié)果，QuickSight即可生成具有良好觀感的視覺對象。分析師僅需簡單操作就能將其輕松添加到儀表盤或報告中。

　　例如，分析師可以要求QuickSight Q為“2022年和2023年運(yùn)動鞋銷售額的月度趨勢”創(chuàng)建可視化內(nèi)容，該服務(wù)會自動選擇合適的數(shù)據(jù)，并根據(jù)請求使用最合理的圖表格式(比如線形圖或條形圖)繪制所需信息。QuickSight Q還將提供預(yù)設(shè)的提示問題，幫助分析師澄清在多個數(shù)據(jù)字段與其匹配查詢時可能出現(xiàn)的歧義(比如圖表應(yīng)包括運(yùn)動鞋銷售額的美元總額還是銷售的單位個數(shù))。

　　分析師獲得了最初的可視化內(nèi)容后，還可以使用自然語言添加復(fù)雜的計算，改變圖表類型，或優(yōu)化可視化效果。QuickSight Q中新的生成式BI創(chuàng)作功能使業(yè)務(wù)分析師能夠輕松快捷地創(chuàng)建良好的視覺效果，更快速地為大規(guī)模數(shù)據(jù)驅(qū)動型決策提供寶貴的信息依據(jù)。

   投稿郵箱：chuanbeiol@163.com   詳情請訪問川北在線：http://m.fishbao.com.cn/