AWS为实现生成式AI的落地提供了全面解答

哈喽！大家好，很高兴又见面了，我是golang学习网的一名作者，今天由我给大家带来一篇《AWS为实现生成式AI的落地提供了全面解答》，本文主要会讲到等等知识点，希望大家一起学习进步，也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧！

在不改变原意的情况下，需要重新写成中文：我们之前已经向大家介绍了亚马逊云科技（Amazon Web Services, AWS）在re:Invent 2023上刚刚宣布的一系列旨在加速生成式人工智能相关技术实际应用的举措

其中包括但不限于与NVIDIA确立更深入的战略合作关系、首发基于GH200超级芯片的计算集群，以及全新的自研通用处理器和AI推理芯片等等。

不过众所周知的是，生成式AI靠的不仅仅是硬件方面的强大算力，它对于良好的AI模型更是高度依赖。特别是在当前的技术背景下，开发者和企业用户往往面临着诸多的选择，由于不同的模型擅长不同的生成式类别，这就导致模型的合理选择、参数设定，乃至效果的评估，实际上在很多用户看来变成了非常麻烦的事情，也大幅提高了生成式AI运用到实际应用场景中的难度。

那么如何解决生成式AI在实际应用中的难点，真正解放新技术的生产力呢？就在北京时间2023年11月30日凌晨，AWS方面给出了一系列的解答。

目前，更多的模型选择都汇聚在一起了

首先，AWS今天宣布了对Amazon Bedrock服务的进一步扩展。在此之前，该服务已经包含了多个行业领先的大语言模型来源，包括AI21 Labs、Anthropic、Cohere、Meta、Stability AI和Amazon。通过这个托管服务，用户可以在一个平台上方便地选择使用各种大语言模型，无需访问其他平台

在今天的主题演讲中，AI安全和研究公司Anthropic宣布他们已经将最新版本的Claude 2.1模型引入了Amazon Bedrock。Claude 2.1擅长对大容量文本进行总结、执行问答和对比，因此它特别适用于处理财务报表和内部数据集。据Anthropic称，与之前的模型相比，Claude 2.1在诚实性方面取得了显着进步，虚假陈述减少了2倍

与此同时，知名的大语言模型Llama 2也将高达700亿参数规模的新版本引入了Amazon Bedrock。作为Meta的下一代大语言模型，Llama 2的训练数据比前代多40%，上下文长度增长了1倍。在最新版本中，它通过指令数据集和超过100万条人工注释进行微调，并针对对话用例进行了优化。

更未重要的是，AWS此前也已成功地开发出了他们自有的AI大语言模型Titan。除了此前已经发布，用于文本生成的Amazon Titan Text Embeddings和Amazon Titan Text模型之外，主打图像生成的Amazon Titan Image Generator和Amazon Titan Multimodal Embeddings今天也已正式公布。与传统的生成式图像模型相比，AWS自有模型还植入了对版权保护的独特技术，并支持将图像和文本信息嵌入数据库，以生成后期更准确的搜索结果。

此外，AWS方面还创新性地提出了大模型生成内容的版权赔偿政策，即对于普遍可用的Amazon Titan模型或其输出侵犯第三方版权的指控，将由AWS对客户进行赔偿。

更准确、更安全地使用大语言模型，如今变得很简单

在传统用例中，企业可能需要花费很长时间来确定基准、设置评估工具，并基于丰富的专业知识对不同的模型进行评估，然后才能选择最适合自己的模型

但是现在有了Amazon Bedrock上的模型评估功能，以上的麻烦全部都可以免除。用户只需要在控制台里选择预先设定好的评估标准（比如准确性、鲁棒性），然后上传自己的测试数据集、或是从预设的数据量里进行选择，就能运行完全自动化的大模型评估流程。

即便是需要人工评估，AWS的专家队伍也可以基于客户定义的指标（比如相关性、风格、品牌形象），来提供详细的评估报告。在大幅节约时间的同时，也显著降低了企业使用生成式AI的技术门槛。

不仅如此，在Amazon Bedrock里，包括Cohere Command、Meta Llama 2、Amazon Titan，以及未来即将适配的Anthropic Claude 2.1在内，多款大语言模型都将支持用户根据自己的需要进行微调。除此之外，Amazon Bedrock知识库功能也将允许大模型连接到企业的专有数据源，从而为聊天机器人和问答系统等用例，提供更准确、也更具企业自身“个性化”的响应方式。

同时针对生成式AI使用当中的保护机制，Guardrails for Amazon Bedrock现在将允许企业自定义生成式AI的语言原则。他们可以设定哪些主题会被拒绝、配置仇恨言论，侮辱、性语言和暴力的阈值，以将有害内容过滤到他们想要的水平。未来Guardrails for Amazon Bedrock还将引入单词过滤器功能，并在多个不同的模型用例中使用相同或不同的防护级别。

收获大量用户的信赖后，AWS正全面推动生成式AI落地

除了通过新技术大幅简化生成式AI的选择和使用流程之外，AWS备受好评的Amazon SageMaker服务如今也正在被Hugging Face、Perplexity、Salesforce、Stability AI和Vanguard 等客户所使用，用于持续地训练和强化他们的大语言模型。相比于使用企业自己的算力设备，AWS巨大的硬件优势和灵活的业务模式，则使得“大模型”的进化也将得更快、更简单。

不仅如此，我们可以看到包括Alida、Automation Anywhere、Blueshift、宝马集团、科莱恩、Coinbase、Cox Automotive、dentsu、Druva、Genesys、Gilead、GoDaddy、Hellmann Worldwide Logistics、KONE、LexisNexis Legal & Professional、Lonely Planet、NatWest等一系列企业都选择将他们的数据放在AWS上，并且基于这些数据来对自身生成式AI服务进行私有化“定制”，而完全不必担心这些数据遭到泄露或被其他竞争对手使用。而因为“不会使用Amazon Bedrock的任何输入或输出来训练其基本模型，这不仅仅是AWS的自我保证，更是他们对第三方大模型提供商所做出的技术约束

事实上，列举今日这场主题演讲中出现的、AWS的相关合作伙伴，就会发现他们几乎包含了当今生成式AI的全部产业链环节，例如基础模型选择在AWS上加速训练和迭代；模型服务商则将自身的服务托管到AWS，以触及更多用户；并且大模型的用户也偏好AWS的相关付，因为该平台使得他们大幅简化了使用AI技术提升服务品质和企业运营效率的门槛，还具备出色的性价比和极高的可靠性。

几个月前大家或许还在思考，如何让“生成式人工智能”真正应用于实际企业和用户，并为他们带来利益。然而，在今天举行的AWS re:Invent 2023主题演讲后，答案显而易见

本篇关于《AWS为实现生成式AI的落地提供了全面解答》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于科技周边的相关知识，请关注golang学习网公众号！