انحصاری: آمازون AWS قصد دارد با ارائه‌های هوش مصنوعی ژنرال در Re:Invent از مایکروسافت پیشی بگیرد

آمازون AWS، غول محاسبات ابری، بوده است به عنوان بازی با رقبای خود تلقی می شود Microsoft Azure و Google Cloud در زمینه نوظهور و هیجان انگیز هوش مصنوعی مولد.

اما این هفته، در سالانه آن کنفرانس AWS Re:Inventآمازون قصد دارد چشم انداز بلندپروازانه خود را برای هوش مصنوعی مولد به نمایش بگذارد و اینکه چگونه می تواند به شرکت ها در ساخت برنامه های کاربردی نوآورانه و متمایز با استفاده از انواع مدل ها و منابع داده کمک کند.

در مصاحبه ای با VentureBeat در روز دوشنبه، سوامی سیواسوبرامانیان، معاون داده و هوش مصنوعی آمازون AWS، که بر تمام پایگاه داده AWS، تجزیه و تحلیل، یادگیری ماشینی و خدمات هوش مصنوعی مولد نظارت دارد، پیش نمایشی از آنچه از سخنرانی اصلی خود در صبح چهارشنبه و AWS انتظار داریم ارائه داد. سخنرانی آدام سلیپسکی مدیر عامل شرکت در صبح سه شنبه.

او گفت که موضوع اصلی در مورد هوش مصنوعی مولد این است که شرکت‌ها می‌خواهند انعطاف‌پذیری و انتخابی برای کار با مدل‌های مختلف ارائه‌دهندگان مختلف داشته باشند، نه اینکه در یک فروشنده یا پلتفرم قفل شوند. با این حال، او افزود، خود مدل‌ها ممکن است برای ایجاد مزیت رقابتی کافی نباشند، زیرا ممکن است در طول زمان کالایی شوند. بنابراین، تمایز کلیدی برای کسب‌وکارها، داده‌های اختصاصی خودشان خواهد بود و اینکه چگونه می‌توانند آن را با مدل‌ها برای ایجاد برنامه‌های کاربردی منحصربه‌فرد ادغام کنند.

برای حمایت از این دیدگاه، سیواسوبرامانیان گفت که آمازون بر روی دو چیز در Re:Invent تمرکز کرده است: ارائه طیف گسترده ای از مدل های هوش مصنوعی مولد که مشتریان می توانند از طریق سرویس Bedrock به آن دسترسی داشته باشند، و ابزارهای بهتر و یکپارچه مدیریت داده که مشتریان می توانند از آنها استفاده کنند. برنامه های کاربردی هوش مصنوعی مولد خود را بسازند و به کار گیرند

او گفت که سخنرانی اصلی او “رابطه همزیستی ذاتی” بین داده ها و هوش مصنوعی مولد را پوشش می دهد و اینکه چگونه هوش مصنوعی مولد نه تنها می تواند از داده ها بهره مند شود، بلکه پایگاه های داده و سیستم های داده را در ازای آن تقویت و بهبود می بخشد.

در اینجا برخی از نکات برجسته ای است که سیواسوبرامانیان برای Re:Invent اشاره کرد که تنها دو هفته بعد منتشر شد. مایکروسافت در کنفرانس رقیب خود Ignite نشان داد که در حال استفاده از نسل هوش مصنوعی است:

برنامه های بستر را در کمتر از یک دقیقه: Bedrock AWS که در ماه آوریل رونمایی شد، یک سرویس کاملاً مدیریت شده است که به مشتریان اجازه می دهد از مدل های هوش مصنوعی پایه که از طریق یک API در دسترس هستند استفاده کنند. سیواسوبرامانیان گفت که استفاده از Bedrock حتی آسان تر می شود. سیواسوبرامانیان گفت که او برخی از داستان‌های مشتری را ارائه می‌کند که نشان می‌دهد ساخت برنامه‌های کاربردی بر روی Bedrock چقدر آسان و سریع است و برخی از نمونه‌ها کمتر از یک دقیقه زمان می‌برند. او گفت مشتریانی مانند Booking.com، Intuit، LexusNexis و Bridgewater Associates از جمله مشتریانی هستند که از Bedrock برای ایجاد اپلیکیشن های تاثیرگذار استفاده می کنند.

انتخاب های بیشتر LLM: از طریق بستر، آمازون دارد در حال حاضر دسترسی مشتریان سازمانی به مدل ها را فراهم کرده است مانند مدل پایه از پیش آموزش دیده خود، Titan، و همچنین مدل های پایه از اشخاص ثالث، مانند Jurassic AI21، Anthropic’s Claude، Meta’s Llama 2 و Stable Diffusion. اما انتظار می رود اقدامات بیشتری را در اینجا مشاهده کنید، از جمله بیشتر در مورد مشارکت آمازون با رقیب OpenAI Anthropic، پس از سرمایه گذاری قابل توجه آمازون در آن شرکت در سپتامبر. سیواسوبرامانیان گفت: “ما به سرمایه گذاری عمیق در انتخاب مدل به شکلی بزرگ ادامه خواهیم داد.”

بسط های پایگاه داده برداری: حوزه دیگری که مدل‌های هوش مصنوعی مولد می‌توانند تفاوت ایجاد کنند، پایگاه‌های داده برداری است که جستجوی معنایی را در میان داده‌های بدون ساختار مانند تصاویر، متن و ویدیو امکان‌پذیر می‌سازد. با استفاده از مدل‌های هوش مصنوعی مولد، پایگاه‌های داده برداری می‌توانند مرتبط‌ترین و مشابه‌ترین داده‌ها را به یک جستار داده شده، به جای تکیه بر کلمات کلیدی یا ابرداده‌ها، بیابند. در ماه جولای، آمازون یک قابلیت پایگاه داده برداری، Vector Engine را راه اندازی کرد، برای OpenSearch Serverless آن، در حالت پیش نمایش. سیواسوبرامانیان گفت که Vector Engine از زمان راه اندازی خود “کشش شگفت انگیز” را دیده است و اشاره کرد که ممکن است به زودی در دسترس عموم قرار گیرد. او همچنین پیشنهاد کرد که آمازون ممکن است قابلیت های جستجوی برداری را به سایر پایگاه های داده موجود در مجموعه خود گسترش دهد. او گفت: “شما خواهید دید که ما این کار را به عنوان بخشی از Bedrock و همچنین در بسیاری از زمینه های دیگر بسیار آسان تر و بهتر می کنیم.”

برنامه های کاربردی هوش مصنوعی ژنرال: سیواسوبرامانیان همچنین به برخی از اطلاعیه های مربوط به لایه کاربردی پشته هوش مصنوعی مولد سازمانی اشاره کرد. وی به چند نمونه از اپلیکیشن هایی اشاره کرد که در حال حاضر در دسترس بوده و با مدل های هوش مصنوعی مولد ادغام شده اند، مانند آمازون QuickSiteابزاری بدون سرور که به مشتریان امکان می دهد داشبوردها و گزارش های تعاملی ایجاد و به اشتراک بگذارند و Amazon HealthScribe، که به طور خودکار یادداشت های بالینی را با تجزیه و تحلیل مکالمات بیمار و پزشک ایجاد می کند. او گفت که این برنامه‌ها به گونه‌ای طراحی شده‌اند که برای کاربرانی که ممکن است دانش یا تجربه‌ای در زمینه هوش مصنوعی یا کدنویسی تولیدی نداشته باشند، آسان و در دسترس باشد.

صفر ETL: یک چالش کلیدی برای شرکت‌هایی با نیازهای پیچیده داده، یکپارچه‌سازی داده‌ها از منابع و فرمت‌های مختلف است، بدون نیاز به گذراندن فرآیند سنگین و پرهزینه استخراج، تبدیل و بارگذاری (ETL). این فرآیند شامل انتقال داده ها از یک پایگاه داده به پایگاه داده دیگر است که اغلب به تبدیل و تبدیل داده ها نیاز دارد. برای جلوگیری از این اصطکاک، برخی از ارائه دهندگان ابر در حال توسعه فناوری های “فابریک” هستند که از فرمت های باز و استاندارد برای تبادل داده و قابلیت همکاری استفاده می کنند. مایکروسافت بوده است ابتکار فابریک خود را تبلیغ می کندو برخی از تحلیلگران می گویند که برتری نسبت به آمازون و گوگل دارد. اما Sivasubramanian گفت آمازون همیشه سعی کرده است تا به توسعه دهندگان گزینه هایی برای پایگاه داده بدهد و به سرمایه گذاری در چشم انداز صفر ETL خود ادامه می دهد، که شروع به پیاده سازی کرد. سال گذشته با ادغام برخی از پایگاه های داده خود مانند Aurora و Redshift. شرکت‌ها همچنین می‌خواهند داده‌های برداری خود را همراه با سایر داده‌های تجاری خود در پایگاه داده‌های خود ذخیره و پرس و جو کنند. او با اشاره به اضافه شدن اخیر این خدمات گفت: “شما همچنان شاهد بهبود این خدمات خواهید بود.” پشتیبانی جستجوی برداری از Aurora MySQL آمازون، یک پایگاه داده رابطه‌ای مبتنی بر ابر. “شما خواهید دید که پیشرفت بیشتری در ETL صفر به شکلی بزرگ و معنادار داریم.

سفارشی‌سازی هوش مصنوعی مولد ایمن، با ماندن داده‌ها در ابر خود مشتری: برخی از مشتریان AWS داستان‌های خود را در طول سخنرانی‌های Selipsky و Sivasubramanian درباره نحوه سفارشی‌سازی مدل‌های هوش مصنوعی مولد با Bedrock با آموزش بیشتر یا تنظیم دقیق آن‌ها مطابق با نیازها و دامنه‌های خاص خود به اشتراک می‌گذارند. اما آنها این کار را بدون به خطر انداختن امنیت داده‌ها و حریم خصوصی خود انجام می‌دهند، زیرا داده‌های آنها در فضای ابر خصوصی مجازی خودشان (VPC) باقی می‌ماند، بخش ایمن و ایزوله از ابر AWS. Sivasubramanian گفت که این یک “تمایز بزرگ” است که AWS را از سایر ارائه دهندگان ابر متمایز می کند.

نوآوری های مولد تراشه هوش مصنوعی: اخیراً آمازون در حال توسعه راه حل های سیلیکونی خود برای تقویت هوش مصنوعی مولد است. سیواسوبرامانیان گفت AWS به‌روزرسانی‌هایی را در مورد عملکرد و پذیرش هایپروایزر Nitro و خانواده تراشه‌های Graviton خود ارائه می‌کند که برای ارائه عملکرد بالا و هزینه کم برای محاسبات ابری طراحی شده‌اند. او همچنین در مورد تراشه های Trainium و Inferentia خود که به ترتیب برای آموزش هوش مصنوعی و استنتاج تخصصی هستند صحبت خواهد کرد.