聲明:本文來自于微信公眾號 新智元（ID:AI_era），作者:新智元，授權(quán)站長之家轉(zhuǎn)載發(fā)布。
【新智元導讀】全世界最有「料」的平臺來了!Amazon Bedrock基礎(chǔ)模型上新，商用Agents加快應(yīng)用開發(fā)，矢量引擎賦予大模型記憶，亞馬遜云科技憑借技術(shù)創(chuàng)新成為端到端的生成式AI領(lǐng)導者。
(資料圖)
最近，AI圈依然是大事頻發(fā)，幾天一個爆炸性新聞。
Meta聯(lián)手微軟高調(diào)開源了Llama2，它在2萬億個token上訓練，秒殺許多開源語言模型，并且還能免費商用。
OpenAI科學家Karpathy最近搞的明星項目「Baby Llama」，已經(jīng)可以用C語言跑Llama27B了。
而就在幾天前，Stability AI正式發(fā)布了下一代文生圖模型——Stable Diffusion XL1.0。
這次的1.0版本是Stability AI的旗艦版生圖模型，也是最先進的開源生圖模型。
在目前的開放式圖像模型中，SDXL1.0是參數(shù)數(shù)量最多的。官方表示，這次采用的是全新的架構(gòu)，基礎(chǔ)模型的參數(shù)規(guī)模達到35億，同時還有一個66億參數(shù)大小的細化模型。
而如此強大的生圖模型，已經(jīng)可以在Amazon Bedrock上一鍵訪問了!
基礎(chǔ)模型全面上新
就在上周，亞馬遜云科技發(fā)布了一大波基礎(chǔ)模型上新。
除了剛剛提到的SDXL1.0，Amazon Bedrock還增加了對Cohere基礎(chǔ)模型以及ChatGPT最強競品——Anthropic的Claude2的支持。
Cohere研發(fā)的大語言模型Command，是一個能夠接受用戶個性化命令訓練的模型，專注于提供文本搜索、文本分類和文本生成三大AI能力。
另外，Anthropic推出的Claude2，其處理能力已經(jīng)更新到10萬個token。相較之前版本，Claude2在數(shù)學、代碼、推理能力方面有明顯的提升。
同時，開發(fā)者還可以通過機器學習中心Amazon SageMaker Jumpstart，一鍵開發(fā)各類熱門開源模型。
比如，Meta最新的Llama2、世界最大開源社區(qū)Hugging Face托管的Falcon、Flan等等。
Agents改變游戲規(guī)則
不過，基礎(chǔ)模型雖然在各種任務(wù)上有強大的泛化能力，但隨著應(yīng)用場景的不斷擴展，僅靠模型本身已經(jīng)很難去完成一些復(fù)雜的任務(wù)了。
比如預(yù)定航班或退回購買的商品這種簡單的任務(wù)，開發(fā)者都必須經(jīng)歷多個步驟——通過提供特定的說明和配置、訪問相關(guān)知識源、編寫代碼將任務(wù)分解，然后應(yīng)用才能通過一系列API調(diào)用采取行動。
在這個過程中，開發(fā)者必須配置和管理基礎(chǔ)架構(gòu)，設(shè)置數(shù)據(jù)安全和隱私策略，繁瑣又耗時。
而前段時間AutoGPT的爆火，則給了學界和工業(yè)界一個全新的探索方向——集成了大語言模型的Agents。
Karpathy曾將AutoGPT稱為快速工程的下一個前沿
概括來說，AI智能體可以通過最簡單的形式運行循環(huán)，并且在每一次的迭代中，都會生成自主指令和操作。因此，它們既無需依賴人類來引導對話，還具有高度的可擴展性。
以AutoGPT為例，我們每分配一個任務(wù)，它都會給出一個相應(yīng)的解決計劃。
比如，需要瀏覽互聯(lián)網(wǎng)或使用新數(shù)據(jù)，它便會調(diào)整其策略，直到任務(wù)完成。這就像擁有一個能處理各種任務(wù)的私人助手，如市場分析、客戶服務(wù)、市場營銷、財務(wù)等。
正如今年加入OpenAI的大牛、前特斯拉AI總監(jiān)Karpathy所說:「Agents代表著AI的一種未來。」
亞馬遜云科技也在這個領(lǐng)域進行了自己的探索，并且創(chuàng)新性地提出了全新的Amazon Bedrock Agents。
基于Amazon Bedrock提供的Agents功能，開發(fā)者可以輕松創(chuàng)建各種生成式AI應(yīng)用，來完成復(fù)雜任務(wù)，并根據(jù)專有知識源提供最新答案。
以往得耗費幾個小時編碼來實現(xiàn)的過程，現(xiàn)在無需任何手動編碼，只要單擊幾下，Agents就能自動分解任務(wù)，創(chuàng)建計劃。
這樣一來，生成式AI應(yīng)用程序分分鐘就搞出來了。
那么，Amazon Bedrock Agents是如何讓基礎(chǔ)模型加速工作流的呢?具體可分為以下四個步驟:
第一步:定義指令和編排，將復(fù)雜任務(wù)分解為多個步驟
第二步:檢索增強生成（RAG），配置FM與公司數(shù)據(jù)互動
第三步:完成交互，執(zhí)行API調(diào)用以滿足用戶請求
第四步:在云中安全托管
Amazon Bedrock Agents可以通過簡單的API鏈接到公司數(shù)據(jù)，將其轉(zhuǎn)換為機器可讀的格式，就能生成準確響應(yīng)。然后自動調(diào)用API，滿足用戶請求。
基于Amazon Bedrock，用戶可以任意選擇適合自己用例的基礎(chǔ)模型，然后用自然語言給它下指令。
比如告訴它，「你現(xiàn)在是一個智能體，需要幫助處理保險索賠和管理待處理文書的工作」。
然后，對Agents發(fā)出命令「向所有有未結(jié)索賠和待處理文書工作的保單持有人發(fā)送提醒」，它馬上理解了我們的請求，把任務(wù)分成多個步驟——收集未結(jié)保險索賠、查找索賠 ID、發(fā)送提醒，然后執(zhí)行了相應(yīng)的操作。
而且，有了Amazon Bedrock Agents的功能，用于電商的AI程序不僅可以回答簡單的問題，還能完成復(fù)雜的任務(wù)，比如更新訂單、管理交易。
比如，客戶發(fā)出想要退回一雙鞋，可以直接說:「我想把這雙黑色鞋換成棕色的」。
Agents收到信息后，就會連接到公司數(shù)據(jù)，自動將文本轉(zhuǎn)換成機器可讀格式，向模型提供相關(guān)信息，然后調(diào)用正確的API來滿足這一請求。
英偉達H100最強加持
然而，基礎(chǔ)模型性能不斷提升，所帶來的是動輒幾百萬億的參數(shù)。
這種復(fù)雜性的暴漲，也極大地增加了模型訓練和微調(diào)的時間——最新的LLM需要數(shù)月的時間來進行訓練。
與此同時，HPC領(lǐng)域也呈現(xiàn)出了類似的趨勢。隨著精度的提高，用戶收集的數(shù)據(jù)集已經(jīng)達到了Exabyte級別。
為了滿足高性能和可擴展性的算力需求，亞馬遜云科技全新推出了搭載英偉達最強GPU——H100的Amazon Elastic Compute Cloud（EC2）P5實例。
相較于上一代，Amazon EC2P5實例不僅可以將訓練時間縮短高達6倍（從幾天縮短到幾小時），而且還能使訓練成本降低高達40%。
具體來說，Amazon EC2P5實例共搭載了8個NVIDIA H100Tensor Core GPU，配備640GB高帶寬GPU顯存，同時還有第三代AMD EPYC處理器、2TB系統(tǒng)內(nèi)存、30TB本地NVMe存儲，以及高達3200Gbps的總網(wǎng)絡(luò)帶寬。
堪稱配置拉滿的性能，為最苛刻、計算密集的生成式AI應(yīng)用提供了支持，包括問答系統(tǒng)、代碼生成、視頻和圖像生成、語音識別等，非常適合訓練和運行日益復(fù)雜的LLM和CV模型。
基于全新的Amazon EC2P5實例，用戶可以探索此前難以觸及的問題，并且更快地迭代出解決方案。
此外，為了滿足用戶對大規(guī)模和低延遲的需求，亞馬遜云科技還推出了搭載有Amazon EC2P5實例的第二代EC2UltraClusters。
作為云中規(guī)模最大的ML基礎(chǔ)設(shè)施，EC2UltraClusters可提供高達20exaflops的總計算能力，以及跨20，000多個NVIDIA H100GPU的低延遲。
給模型插入「外接大腦」
從智能體的構(gòu)建中我們不難看到，所有基于大模型搭建好的應(yīng)用，想要獲取實時數(shù)據(jù)，都需要建立在檢索增強生成（RAG）之上。
而這一技術(shù)是向量數(shù)據(jù)庫能夠在AI應(yīng)用中發(fā)揮重要作用的根本。
為什么這樣說?那就得看看，檢索增強生成能實現(xiàn)什么。
比如，當你問ChatGPT「芭比」電影好看嗎?
顯然，ChatGPT是無法及時回復(fù)最新的相關(guān)信息。這對于企業(yè)來講，用戶咨詢最新內(nèi)容時，應(yīng)用無法做出回應(yīng)，大大降低了生產(chǎn)力。
有了檢索增強生成，便能夠補充特定領(lǐng)域的知識。大模型參數(shù)雖大，但無法記住許多長尾數(shù)據(jù)，還需要通過搜索召回相關(guān)領(lǐng)域的知識。
這里，對專業(yè)領(lǐng)域知識的補充就離不開，向量數(shù)據(jù)庫、搜索引擎等。
另一方面，大模型的知識很容易過時，僅靠微調(diào)模型，讓知識更新是行不通的。
微調(diào)模型需要耗費大量算力、時間，關(guān)鍵是天天微調(diào)根本不現(xiàn)實。
要知道，對于企業(yè)來講，業(yè)務(wù)數(shù)據(jù)必須是實時的。因此向量數(shù)據(jù)庫、搜索引擎都能夠幫助模型，獲得新數(shù)據(jù)，同時重訓模型周期也被拉長。
由于向量數(shù)據(jù)庫對「高維嵌入」有強大的檢索能力，與大模型結(jié)合較為簡單，因此成為RAG最常用的數(shù)據(jù)存儲形式。
微軟Build大會上，曾介紹了其產(chǎn)品如何將較少的上下文感知LLM與向量搜索結(jié)合起來，來創(chuàng)造更有吸引力的體驗。
這其中基本的想法，也就是在LLM中，添加向量搜索，以進行檢索增強生成。
而向量化，就是將數(shù)據(jù)轉(zhuǎn)化為維度，如下你可以看到兩種維度:大小，和類型。
其中大小有兩個值（大和小），類型有2個值(樹和動物)。這只是一個概念例子，還可以擴展到更多的值。
除了圖片，還可以進行單詞/句子向量搜索，向量搜索能夠捕捉到語義表示。
假設(shè)你有數(shù)百個，甚至數(shù)萬個文檔數(shù)據(jù)庫作為背景，是無法放在ChatGPT提示框中，但可以通過向量搜索來縮小最有可能的包含答案的上下文。
對于數(shù)據(jù)庫，既可以儲存文檔和嵌入，也可以用來存儲查詢，并根據(jù)相關(guān)查詢來找到最相關(guān)文檔，這樣就可以通過?檔檢索增強LLM。
今年英偉達GTC大會上，黃仁勛首提向量數(shù)據(jù)庫，并推出了新庫RAFT，用于加速索引、數(shù)據(jù)加載和近鄰檢索。
其重要意義在于，向量數(shù)據(jù)庫是大模型的「海馬體」，能夠讓LLM實時進行信息召回。
通過把實時資訊、市場行情等實時變化的信息置入模型中，就能使其提供更精準的結(jié)果。
Amazon OpenSearch Serverless向量引擎
同樣在亞馬遜云科技峰會上，首次推出了——Amazon OpenSearch Serverless向量引擎。
開發(fā)者們通過這個工具，就可以輕松使用向量數(shù)據(jù)庫，快速構(gòu)建基于大模型的搜索體驗。
總的來說，Amazon OpenSearch Serverless向量引擎引入了簡單、可擴展和高性能的向量存儲和搜索功能。
開發(fā)者可以快速存儲和查詢各種ML模型（包括Amazon BedRock提供的模型）生成的數(shù)十億個向量嵌入，響應(yīng)時間僅為毫秒級。
當前，生成式AI大爆發(fā)，所有垂直領(lǐng)域的企業(yè)都在轉(zhuǎn)向這一熱潮，并探索通過集成高級對話生成AI應(yīng)用程序，以改變用戶體驗，以及和數(shù)字平臺交互的方法。
亞馬遜云科技推出的這項工具，通過使用向量嵌入，能夠增強ML搜索和生成式AI。
向量嵌入在用戶私有數(shù)據(jù)上進行訓練，并能表示信息的語義和上下文屬性。
這樣做的優(yōu)勢在于，能夠及時處理用戶的查詢，以查找最接近的向量，并將其與其他元數(shù)據(jù)組合在一起，進而無需依賴外部數(shù)據(jù)源或其他應(yīng)用程序代碼集成結(jié)果。
值得一提的是，向量引擎是基于Amazon OpenSearch Serverless構(gòu)建，因此無需擔心后端基礎(chǔ)架構(gòu)的大小、調(diào)整和擴展。
所有數(shù)據(jù)都持久保存在Amazon Simple Storage Service （Amazon S3） 中。
當向量數(shù)量從原型開發(fā)時的幾千個增長到生產(chǎn)時的上億個甚至更多，向量引擎將無縫擴展，無需重新索引或重新加載數(shù)據(jù)來擴展基礎(chǔ)架構(gòu)。
此外，向量引擎還為索引和搜索工作負載提供獨立計算，因此開發(fā)者可以實時無縫地攝取、更新和刪除向量，同時確保用戶體驗不受查詢性能的影響。
借助對Amazon OpenSearch Serverless的向量引擎支持，開發(fā)人員將擁有一個簡單、可擴展和高性能的解決方案，來構(gòu)建機器學習增強的搜索體驗和生成性人工智能應(yīng)用程序，而無需管理向量數(shù)據(jù)庫基礎(chǔ)設(shè)施。
全球生成式AI領(lǐng)導者
隨著數(shù)據(jù)量大爆發(fā)、可高度擴展算力的可用性、以及機器學習技術(shù)的進步，讓生成式AI足以改變每個行業(yè)。
因此，越來越多的企業(yè)希望快速采用最新技術(shù)，創(chuàng)造價值。
選擇正確的模型，使用公司數(shù)據(jù)安全定制模型，并將其集成到應(yīng)用程序中是一個復(fù)雜的過程，都需要花費大量時間、和高度專業(yè)化的知識。
恰恰，亞馬遜云科技Amazon Bedrock簡化了這一流程，通過簡單的API訪問一流的基礎(chǔ)模型。
通過Amazon Bedrock Agents這一完全托管的服務(wù)，開發(fā)者能夠輕松創(chuàng)建基于生成式AI的應(yīng)用程序，以完成各種用例的復(fù)雜任務(wù)。
其中Vector Database，能夠幫助開發(fā)者的應(yīng)用程序?qū)崟r存儲數(shù)據(jù)，及時召回信息，提供更好的用戶體驗。
Amazon EC2P5實例更是為模型訓練節(jié)省大量時間和算力。
基于以上的創(chuàng)新，真正詮釋了亞馬遜云科技是端到端的生成式AI領(lǐng)導者，幫助企業(yè)開發(fā)者釋放生成式AI的潛力，創(chuàng)造價值。
同時，亞馬遜云科技不斷降低生成式AI的門檻，更是致力于GenAI普惠的領(lǐng)導者。
前段時間，亞馬遜云科技剛剛宣布了編程助手Amazon CodeWhisperer可用，能夠使用底層基礎(chǔ)模型幫助開發(fā)人員提高工作效率。
它可以根據(jù)開發(fā)人員使用自然語言留下的注釋和IDE（集成開發(fā)環(huán)境）中的歷史代碼實時生成代碼建議。
這次，Amazon CodeWhisperer首次與Amazon Glue Studio Notebooks實現(xiàn)集成，能夠幫助用戶優(yōu)化使用體驗，提高開發(fā)效率。
通過Amazon Glue Studio Notebooks，開發(fā)人員用特定語言來編寫任務(wù)，然后Amazon CodeWhisperer會推薦一個或多個可以完成此任務(wù)的代碼片段。
Amazon CodeWhisperer針對最常用的API進行了優(yōu)化，例如Amazon Lambda或Amazon Simple Storage Service（Amazon S3），使其成為構(gòu)建應(yīng)用程序開發(fā)者們的絕佳編碼伴侶。
除此之外，亞馬遜云科技還提供了7門免費的技能培訓課程，幫助開發(fā)者以使用生成式AI。
其中，還聯(lián)手吳恩達推出了「用大型語言模型構(gòu)建生成式AI」新課程。
醫(yī)療領(lǐng)域已有落地應(yīng)用
今年這波AI大模型的浪潮，也激發(fā)了人們對生成式AI在醫(yī)療行業(yè)的應(yīng)用的探索。
比如前幾天，谷歌發(fā)布了一個「通才生物醫(yī)學AI」——Med-PaLM M多模態(tài)模型。這個多模態(tài)生成模型能夠利用醫(yī)學的豐富數(shù)據(jù)，使用相同的模型權(quán)重集解釋臨床語言、醫(yī)學圖像和基因組學。
同樣，對于AI在醫(yī)療行業(yè)的應(yīng)用，亞馬遜云科技也同樣有所行動，發(fā)布了一款面向醫(yī)療保健軟件提供商的全新服務(wù)——Amazon HealthScribe。
Amazon HealthScribe通過使用使用生成式AI的機器學習模型和語音識別，能自動起草臨床文檔，幫助臨床醫(yī)生轉(zhuǎn)錄和分析他們與患者的對話。
它的自然語言處理功能，還可以從對話中提取復(fù)雜的醫(yī)學術(shù)語，比如藥物和醫(yī)學狀況。病史、要點、就診原因，一應(yīng)俱全。
Amazon HealthScribe中的AI功能，正是由Amazon Bedrock提供支持的，通過預(yù)訓練模型，用戶就可以從初創(chuàng)公司以及亞馬遜自身構(gòu)建生成式AI了。
可以說，作為全球云計算的開創(chuàng)者，亞馬遜云科技看到了AI浪潮當下，生成式人工智能的潛力和重要性。
生成式AI能夠有改變每一個應(yīng)用程序、每一個業(yè)務(wù)、甚至每一個行業(yè)。
數(shù)據(jù)處理、算力和機器學習的進步，正在加速許多企業(yè)從實驗到部署的轉(zhuǎn)變。
通過提供Amazon Bedrock等服務(wù)，以及與行業(yè)領(lǐng)導者的合作，這家公司正在普及對生成性人工智能的訪問。
在不斷創(chuàng)新的基礎(chǔ)上，亞馬遜云科技正在讓開發(fā)者，讓世界重新構(gòu)想體驗，把最好的產(chǎn)品帶入生活。
