AWS นำการพัฒนาแอป AI อย่างง่ายมาสู่บริษัทต่างๆ

อนาคตของปัญญาประดิษฐ์กำลังกลายเป็นประสบการณ์นอกกรอบอย่างรวดเร็ว ซึ่งบริษัทต่างๆ สามารถปรับแต่งได้ตามความต้องการเฉพาะของพวกเขา ปรับให้เหมาะสม ประสบการณ์การแชทที่ใช้งานได้มากกว่าการถามตอบและเครื่องมือในการสร้างแอปพลิเคชัน AI โดยไม่ต้องมีการพัฒนาโค้ดเป็นเวลาหลายเดือน อาจเป็นก้าวต่อไปนอกเหนือจากการแนะนำผลิตภัณฑ์ใหม่ๆ ปลั๊กอิน และ ส่วนขยาย.

เครื่องมือทั่วไปเช่น ChatGPT สำหรับข้อมูลและ กลางการเดินทาง สำหรับรูปภาพต้องอาศัยข้อมูลสาธารณะและการเขียนโค้ดของนักพัฒนาที่สอดคล้องกันเพื่อสร้างผลิตภัณฑ์ขั้นสุดท้าย ในขณะเดียวกัน Amazon Web Services (AWS) มุ่งมั่นที่จะสร้าง AI เชิงสร้างสรรค์ที่ไม่เพียงแต่มากกว่านั้นเท่านั้น มีประสิทธิผลและง่ายต่อการนำทาง แต่ยังรวมถึงข้อมูลที่เป็นเอกลักษณ์และข้อมูลที่ปลอดภัยสำหรับบริษัทที่ปรับใช้ เครื่องมือ

แบรนด์ใช้แพลตฟอร์มเช่น Amazon Bedrock เพื่อสร้างพื้นที่เฉพาะสำหรับตัวเองในตลาด AI ใหม่ ศูนย์กลางเรือธงของตนเปิดให้บริการตั้งแต่เดือนเมษายนและเป็นที่ตั้งของสิ่งที่เรียกว่า Foundation Models (FMs) หลายแห่ง AWS ได้ฝึก API ระดับฐานเหล่านี้ตั้งแต่เริ่มแรก และนำเสนอฟีเจอร์ AI มาตรฐานที่องค์กรต้องการ องค์กรต่างๆ สามารถผสมผสานและจับคู่ FM ที่ต้องการ จากนั้นจึงพัฒนาแอปต่อไป โดยเพิ่มข้อมูลที่เป็นกรรมสิทธิ์ของตนเองเพื่อตอบสนองความต้องการเฉพาะของพวกเขา

“ในฐานะผู้ให้บริการ โดยพื้นฐานแล้วเราจะฝึกโมเดลเหล่านี้กับคลังข้อมูลขนาดใหญ่ เมื่อโมเดลได้รับการฝึกฝนแล้ว ก็จะมีจุดตัด ตัวอย่างเช่น เดือนมกราคมปี 2023 โมเดลไม่มีข้อมูลใดๆ หลังจากจุดนั้น มีแต่บริษัท ต้องการข้อมูลซึ่งเป็นส่วนตัว” Atul Deo ผู้จัดการทั่วไปผลิตภัณฑ์และวิศวกรรมของ Amazon Bedrock กล่าวกับ Digital เทรนด์

แต่ละบริษัทและโมเดลพื้นฐานที่ใช้จะแตกต่างกันไป ดังนั้นแอปพลิเคชันผลลัพธ์แต่ละรายการจะไม่ซ้ำกันตามข้อมูลที่องค์กรป้อนให้กับโมเดล FM เป็นเทมเพลตพื้นฐานอยู่แล้ว หากต้องการใช้ข้อมูลโอเพ่นซอร์สเพื่อเติมโมเดลจะทำให้แอปพลิเคชันซ้ำกันทั่วทั้งบริษัท กลยุทธ์ของ AWS เปิดโอกาสให้บริษัทต่างๆ สร้างแอปของตนให้มีเอกลักษณ์เฉพาะตัวด้วยการแนะนำข้อมูลของตนเอง

“คุณยังต้องการที่จะถามคำถามและรับคำตอบกับโมเดลได้ แต่หากสามารถตอบคำถามได้เฉพาะข้อมูลสาธารณะที่ล้าสมัย นั่นก็ไม่มีประโยชน์มากนัก คุณต้องการที่จะส่งข้อมูลที่เกี่ยวข้องไปยังโมเดลและรับคำตอบที่เกี่ยวข้องแบบเรียลไทม์ นั่นเป็นหนึ่งในปัญหาหลักที่จะแก้ไข” Deo กล่าวเสริม

แบบจำลองมูลนิธิ

โมเดลพื้นฐานหลายรุ่นที่รองรับบน Amazon Bedrock ได้แก่ Amazon Titan รวมถึงโมเดลจากผู้ให้บริการ Anthropic, AI21Labs และ StabilityAI แต่ละรายการจะจัดการกับฟังก์ชันที่สำคัญภายในพื้นที่ AI ตั้งแต่การวิเคราะห์ข้อความ การสร้างภาพ และการสร้างหลายภาษา และอื่นๆ อีกมากมาย งาน Bedrock เป็นการต่อยอดจากโมเดลที่ได้รับการฝึกอบรมล่วงหน้าที่ AWS ได้พัฒนาแล้วบนแพลตฟอร์ม Amazon SageMaker JumpStart ซึ่งอยู่ที่ชั้นล่างของ FM สาธารณะหลายแห่ง รวมถึง เมตาเอไอ, กอดใบหน้า, LightOn, Databricks และ อเล็กซา.

นอกจากนี้ AWS ยังได้ประกาศโมเดล Bedrock ใหม่จากแบรนด์ Cohere ที่งาน AWS Summit ในปลายเดือนกรกฎาคมที่นิวยอร์กซิตี้ โมเดลเหล่านี้ประกอบด้วย Command ซึ่งสามารถดำเนินการสรุป การเขียนคำโฆษณา กล่องโต้ตอบ การแยกข้อความ และ การตอบคำถามสำหรับแอปพลิเคชันทางธุรกิจ และ Embed ซึ่งสามารถดำเนินการค้นหาคลัสเตอร์และจำแนกงานได้มากกว่า 100 รายการ ภาษา

Swami Sivasubramanian รองประธานแมชชีนเลิร์นนิงของ AWS กล่าวระหว่างการปราศรัยการประชุมสุดยอดว่า FM มีต้นทุนต่ำ ต่ำ เวลาแฝง มีจุดมุ่งหมายเพื่อปรับแต่งแบบส่วนตัว มีการเข้ารหัสข้อมูล และไม่ได้ใช้ในการฝึกโมเดลพื้นฐานดั้งเดิมที่พัฒนาขึ้น โดย AWS

แบรนด์ดังกล่าวร่วมมือกับบริษัทต่างๆ ที่ใช้ Amazon Bedrock รวมถึง Chegg, Lonely Planet, Cimpress, Philips, IBM, Nexxiot, Neiman Marcus, Ryanair, Hellmann, WPS Office, Twilio, Bridgewater & Associates, Showpad, Coda และ Booking.com

ตัวแทนของ Amazon Bedrock

AWS ยังได้เปิดตัวเครื่องมือเสริม Agents for Amazon Bedrock ที่การประชุมสุดยอด ซึ่งขยายฟังก์ชันการทำงานของโมเดลพื้นฐาน กำหนดเป้าหมายไปยังบริษัทต่างๆ ในกรณีการใช้งานที่หลากหลาย Agents คือประสบการณ์การแชทเสริมที่ช่วยเหลือผู้ใช้ที่นอกเหนือไปจากคำถามและคำตอบแชทบอตมาตรฐาน สามารถดำเนินงานเชิงรุกโดยอิงตามข้อมูลที่ได้รับการปรับแต่งอย่างละเอียด

AWS ยกตัวอย่างวิธีการทำงานได้ดีในพื้นที่เชิงพาณิชย์ สมมติว่าลูกค้ารายย่อยต้องการเปลี่ยนรองเท้า ในการโต้ตอบกับ Agent ผู้ใช้สามารถระบุรายละเอียดได้ว่าต้องการเปลี่ยนรองเท้าจากขนาด 8 เป็นขนาด 9 ตัวแทนจะขอรหัสคำสั่งซื้อของตน เมื่อเข้ามาแล้ว ตัวแทนจะสามารถเข้าถึงสินค้าคงคลังขายปลีกในเบื้องหลัง แจ้งลูกค้าว่ามีสินค้าที่มีขนาดที่ต้องการอยู่ในสต็อก และถามว่าต้องการดำเนินการเปลี่ยนสินค้าหรือไม่ เมื่อผู้ใช้ตอบว่าใช่ ตัวแทนจะยืนยันว่าคำสั่งซื้อได้รับการอัปเดตแล้ว

“ตามธรรมเนียมแล้วการทำเช่นนี้จะเป็นงานที่หนักมาก แชทบอทแบบเก่านั้นเข้มงวดมาก หากคุณพูดอะไรบางอย่างที่นี่และที่นั่นและมันไม่ได้ผล คุณจะบอกว่าให้ฉันคุยกับตัวแทนที่เป็นมนุษย์” Deo กล่าว “ขณะนี้เนื่องจากโมเดลภาษาขนาดใหญ่มีความเข้าใจมากขึ้นเกี่ยวกับวิธีการพูดคุยของมนุษย์ พวกเขาจึงสามารถดำเนินการและใช้ประโยชน์จากข้อมูลที่เป็นกรรมสิทธิ์ในบริษัทได้”

แบรนด์ยังยกตัวอย่างว่าบริษัทประกันภัยสามารถใช้ตัวแทนในการยื่นและจัดการเคลมประกันได้อย่างไร ตัวแทนยังสามารถช่วยเหลือพนักงานองค์กรในงานต่างๆ เช่น ค้นหานโยบายของบริษัทเกี่ยวกับ PTO หรือจัดตารางวันหยุดอย่างจริงจัง ด้วยรูปแบบการแจ้งเตือน AI ที่รู้จักกันทั่วไปในปัจจุบัน เช่น “Cคุณยื่น PTO ให้ฉัน?”

เจ้าหน้าที่จะรวบรวมวิธีที่โมเดลพื้นฐานช่วยให้ผู้ใช้มุ่งเน้นไปที่แง่มุมของ AI ที่สำคัญที่สุดสำหรับพวกเขาได้อย่างไร บริษัทต่างๆ ก็สามารถใช้เวลาได้โดยไม่ต้องเสียเวลาหลายเดือนในการพัฒนาและฝึกอบรมโมเดลภาษาทีละภาษา มีเวลามากขึ้นในการปรับแต่งข้อมูลที่สำคัญต่อองค์กรในเอเจนต์ เพื่อให้มั่นใจว่าข้อมูลนั้นเป็นไปตามนั้น วันที่.

“คุณสามารถปรับแต่งโมเดลด้วยข้อมูลที่เป็นกรรมสิทธิ์ของคุณได้ เมื่อมีการร้องขอ คุณต้องการสิ่งใหม่ล่าสุดและยิ่งใหญ่ที่สุด” Deo กล่าว

เนื่องจากบริษัทหลายแห่งโดยรวมยังคงเปลี่ยนไปสู่กลยุทธ์ที่เน้นธุรกิจเป็นศูนย์กลางมากขึ้นสำหรับ AI เป้าหมายของ AWS ก็เรียบง่าย ดูเหมือนว่าจะช่วยให้แบรนด์และองค์กรต่างๆ ได้รับแอปและบริการที่ผสานรวม AI และทำงานได้เร็วขึ้น การลดเวลาในการพัฒนาแอปอาจทำให้มีแอป AI ใหม่ ๆ เกิดขึ้นในตลาด แต่ยังอาจเห็นเครื่องมือที่ใช้กันทั่วไปจำนวนมากได้รับการอัปเดตที่จำเป็นมากอีกด้วย

คำแนะนำของบรรณาธิการ

• Amazon ขยายการใช้ Generative AI เพื่อสรุปบทวิจารณ์ผลิตภัณฑ์
• แอป AI ใหม่ของ Meta มีไว้สำหรับผู้ป่วยที่มีความเสียหายต่อสายเสียงและ NPC ในเกม
• เครื่องมือ Photoshop ใหม่นี้สามารถนำความมหัศจรรย์ของ AI มาสู่รูปภาพของคุณได้
• ผู้เชี่ยวชาญด้านสุขภาพทางการแพทย์ล่าสุดส่งเสียงเตือนเกี่ยวกับการพัฒนา AI
• Adobe Firefly นำ AI จากข้อความเป็นรูปภาพมาสู่คนทั่วไป โดยคำนึงถึงจรรยาบรรณของศิลปิน