人工智能的未来正在迅速成为一种开箱即用的体验，公司可以根据自己的具体需求进行定制。除了引入新的插件和扩展之外，下一步可能是优化的聊天体验，其功能远远超出问答功能，以及无需数月的编码开发即可创建人工智能应用程序的工具。
更常见的工具（例如用于信息的ChatGPT和用于图像的Midjourney）依赖于公共数据和一致的开发人员编码来创建最终产品。与此同时，亚马逊网络服务 (AWS) 致力于打造生成式人工智能，不仅提高生产力、更易于导航，而且对于部署其工具的公司来说，数据具有独特性和安全性。
该品牌正在利用 Amazon Bedrock 等平台在新的人工智能市场中为自己开辟独特的空间。其旗舰中心已于 4 月份投入使用，并容纳了多个所谓的基础模型 (FM)。 AWS 最初训练了这些基础级 API，并为组织提供了他们所需的标准 AI 功能。组织可以混合搭配他们喜欢的 FM，然后继续开发应用程序，添加自己的专有数据以满足他们的独特需求。
“作为提供商，我们基本上是在大量数据上训练这些模型。模型训练完成后，就会出现一个截止点。例如，2023 年 1 月，该模型在此之后没有任何信息，但公司需要数据，这是私有的，”Amazon Bedrock 产品和工程总经理 Atul Deo 告诉 Digital Trends。
每个公司及其使用的基础模型都会有所不同，因此根据组织提供给模型的信息，每个最终的应用程序都将是唯一的。 FM 已经是基本模板。然后使用开源信息来填充模型可以使应用程序在公司之间重复。 AWS 的战略使公司有机会通过引入自己的数据来使其应用程序独一无二。
“你还希望能够向模型提出一些问题并获得答案，但如果它只能回答一些陈旧的公共数据的问题，那就没有多大帮助。您希望能够将相关信息传递给模型并实时获得相关答案。这是它解决的核心问题之一，”Deo 补充道。
基础模型
Amazon Bedrock 支持的多个基础模型包括 Amazon Titan，以及来自提供商 Anthropic、AI21Labs 和 StabilityAI 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 在其 Stagemaker Jumpstart 平台上开发的预训练模型的延续，该平台已成为许多公共 FM 的底层，包括Meta AI 、Hugging Face、LightOn、Databricks 和 Alexa。
AWS 最近还在 7 月底于纽约举行的 AWS 峰会上宣布了 Cohere 品牌的新 Bedrock 型号。这些模型包括Command（能够为业务应用程序执行摘要、文案、对话、文本提取和问答）和Embed（可以完成100多种语言的集群搜索和分类任务）。
AWS机器学习副总裁Swami Sivasubramanian在峰会主题演讲中表示，FM成本低、延迟低、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。
该品牌与许多使用 Amazon Bedrock 的公司合作，包括 Chegg、Lonely Planet、Cimpress、Philips、IBM、Nexxiot、Neiman Marcus、Ryanair、Hellmann、WPS Office、Twilio、Bridgewater & Associates、Showpad、Coda 和 Booking.com 。
亚马逊基岩代理
AWS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。 Agents 针对多种用例的公司，是一种增强的聊天体验，可以为用户提供超出标准聊天机器人问答的帮助。它能够根据其微调的信息主动执行任务。
AWS 举例说明了它如何在商业领域发挥良好作用。假设一位零售顾客想换一双鞋。在与代理交互时，用户可以详细说明他们想要将鞋子从 8 号换成 9 号。代理将询问他们的订单 ID。输入后，代理商将能够在后台访问零售库存，告诉客户他们要求的尺寸有库存，并询问他们是否愿意继续进行换货。一旦用户同意，代理商将确认订单已更新。
“传统上要做到这一点需要做很多工作。旧的聊天机器人非常僵化。如果你到处说了些什么但不起作用——你会说让我和人工代理谈谈，”迪奥说。 “现在，由于大型语言模型对人类如何说话有了更丰富的理解，因此它们可以采取行动并利用公司的专有数据。”
该品牌还举例说明了保险公司如何使用代理来提交和组织保险索赔。客服人员甚至可以协助公司员工完成一些任务，例如查找公司关于 PTO 的政策或主动安排休假时间，并使用现在众所周知的人工智能提示风格，例如“您可以为我提交 PTO 吗？ ”
代理特别捕捉了基础模型如何让用户专注于对他们来说最重要的人工智能方面。公司无需花费数月时间开发和训练一种语言模型，而是可以花更多时间在代理中调整对其组织重要的信息，确保其是最新的。
“您可以使用您的专有数据微调模型。当提出请求时，你想要的是最新、最好的，”Deo 说。
随着许多公司总体上继续转向更加以业务为中心的人工智能战略，AWS 的目标似乎只是帮助品牌和组织更快地启动和运行其人工智能集成应用程序和服务。缩短应用程序开发时间可能会导致市场上出现大量新的人工智能应用程序，但也可能会看到许多常用工具获得急需的更新。