聪明的东西。
作者 | zer0
编辑 |沙漠之影
如何应用人工智能（AI）进行创新，提升企业竞争力？这是很多企业现在都在思考的方向。 在生成式AI和大模型热潮的推动下，云计算巨头们正准备为企业生成式AI的训练和部署提供多种选择，从计算层、平台层和工具层，到应用层。
AWS Re：Invent 是每年举办的云计算盛会，是科技行业的参考“风向标”之一。 在今年11月底召开的Re：Invent大会上，全球最大的公有云巨头亚马逊云科技（AWS）全面披露了其生成式AI技术栈，并公布了多款新的生成式AI服务和工具，尤其是企业级生成式AI助手Amazon Q，改变了用户构建、部署、 操作和维护应用程序和工作负载。
在此期间，AWS生成式AI全球副总裁Vasi Philomin博士接受了志东等少数**的采访。 他告诉智东，亚马逊Q是以007系列电影中著名的军需官Q的名字命名的，他给了詹姆斯·邦德各种技术工具Amazon Q 不是单一模型，而是多种模型的组合，使客户能够更轻松地探索新服务和功能、学习不熟悉的技术、构建解决方案、识别问题和升级应用程序。
在过去五年中，Vasi Philomin 负责启动和管理多项 AWS AI 服务，包括语言、视觉、工业 AI 服务和开发人员工具。 在采访中，他谈到了AWS围绕生成式AI实施、监管等话题的见解，强调AWS擅长让AI技术在现实世界的商业环境中真正有用，并让客户可以使用其所有的AI能力，使企业在竞争中脱颖而出。
早在 20 世纪 90 年代，当 Vasi Philomin 还是一名博士生时，电子商务平台亚马逊就已经大规模应用机器学习算法向客户推荐书籍。 如今，亚马逊拥有大量的AI落地用例，比如Alexa，一款拥有超过1亿安装基数的智能语音助手，每周与用户的语音交互超过10亿次在订单履行中心，人类和机器人每天协作移动数百万个包裹。
我们知道如何利用这些东西并将其应用于现实世界的业务问题和规模，这就是我们在通用人工智能方面所做的。 Vasi Philomin 表示，在最终客户能够真正购买您的服务之前，需要端到端的思维，在不同的堆栈层上进行创新。
在他看来，AWS 在提供生成式 AI 服务方面具有三项功能，使 AWS 与众不同：
首先AWS 提供了多种模型，以非常简单的方式为客户提供适合其业务工作负载的最佳模型组合。
其次云计算公司将向所有客户提供相同的功能，那么企业如何利用这些功能将自己与竞争对手区分开来呢？企业拥有的数据是关键。 Amazon Bedrock 平台提供对托管基础模型的访问，提供自定义功能，使企业能够使用自己的数据构建差异化的生成式 AI 应用程序，并安全地自定义模型。
第三Amazon Titan 是 Amazon 自主研发的基础模型，实现了多项升级，包括新增 Amazon Titan Text Lite 和 Amazon Titan Text Express 大型语言模型、Amazon Titan 多模态嵌入模型、Amazon Titan 图像生成器模型，均可进行微调。
其中，Amazon Titan 图像生成器的独特之处在于它从实际用例向后工作，不考虑对最佳图像生成技术的需求，而是首先了解它的用途（广告或营销行业的创意人员定义新产品，想要创建品牌徽标的新公司， 等），然后确定模型是什么以及应用程序如何工作。AWS 投入了大量精力来确保现实世界的偏差不会影响生成的图像。
在瓦西·菲洛明看来，999%的客户不应该尝试建立一个新的大模型，这没有商业意义，只有当你重新考虑一个非常具体的业务时才有意义。 构建大型模型需要大量的资金和人才，而现有的定制功能可以使构建生成式人工智能应用程序的过程更便宜、更容易，将事情从几个月减少到几小时，从 1 亿美元减少到不到 100 万美元。
在获得客户信任方面，AWS始终牢记企业客户的隐私和安全需求，多年来建立了一系列安全管控措施，在通往负责任的AI的道路上做了五件事：
一、护栏功能。 企业可以根据自己的用例和负责任的 AI 策略来定义模型必须避免的主题，并通过自动评估最终用户的输入和底层模型的响应来提高模型如何响应应用程序中不适当内容的一致性，并促进最终用户与生成式 AI 应用程序之间的安全交互。
二是模型评价功能。 Amazon Bedrock 的模型评估包括自动化评估和人工评估，以帮助客户在构建应用程序或使用代理执行自动化工作时评估、比较和选择更适合他们的模型。
第三，版权补偿。 如果客户对 Amazon Titan 模型的使用或其输出侵犯了第三方版权，AWS 将对客户进行赔偿。 客户无需担心版权诉讼。
第四，水印。 Amazon Titan 模型生成的所有图像都包含不可见的水印，这些水印旨在“拒绝更改”并防止图像篡改，有助于减少错误信息的传播并确保 AI 技术的安全性和透明度。
五、服务卡。 这比模型卡更有意义，模型卡记录了模型的模型文件，为安全和道德提供了参考，但是在使用模型之前和之后通常有一些工作要做，因此需要从系统的角度来看待它。 去年，AWS定义了超越模型功能的AI服务卡的概念，解释了模型的目的、实践、限制、原则、隐私、偏见和公平性等，以帮助客户决定如何负责任地使用模型。
我认为我们今天所拥有的足以让客户真正开始使用这个东西，并追求一些真正具有颠覆性的用例，这些用例将改变他们今天所拥有的创新潜力。 瓦西·菲洛明说。
Vasi Philomin 还分享了他对代理概念的理解。 在他看来，GPT只是一个模型，而Agent更像是一个工作流程。 代理是基础模型之上的抽象，本质上是一个可以同时做两件事的数字工作者
首先，它可以帮助您快速创建了解特定业务知识的数字工作者。
您可以通过工作流快速了解您的业务，例如AWS今年推出的Agents for Amazon Bedrock功能，该功能允许您通过几个简单的步骤创建和部署完全托管的代理，并借助特定于业务的知识库私有数据动态调用API来执行复杂的业务任务。 这样做可以让代理立即成为特定业务知识的专家。
其次，它可以帮助您自动化工作。
企业内部有很多 API，需要调用每个 API 来连接业务逻辑。 比如你在亚马逊电商上买了东西**，收到货后想换一双同品牌、不同颜色的鞋子，亚马逊做的幕后工作是用一个代理来实现的，它的方法是创建一个代理，把文件中所有内部的API和知识都教给代理， 例如，一个 API 可以检查品牌是否有这种颜色的鞋子，一个 API 可以检查该颜色是否有可用，一个 API 可以交换订单。
现在，代理分解任务，首先使用了解业务所需的知识，然后了解所有内部 API，收集调用 API 所需的信息，并决定何时调用它们。 Agents for Amazon Bedrock 功能使生成式 AI 应用程序能够跨企业系统和数据源执行多步骤任务。
瓦西菲洛明告诉智东，为了加速AI智能体的应用，需要解决以下几个问题：
第一步是创建企业级代理框架，制定数据安全和隐私政策，并确保 API 调用具有正确的权限，并且为特定应用程序创建的代理可以访问相应的信息。
下一步不是创建一个可以教它 100 个 API 并期望它知道要调用哪些 API 的代理，因为它背后的模型并没有那么强大，如果你想做更复杂的事情，还需要更多的科学进步。
目前的解决方案是将问题分解成更小的部分，创建多个具有不同功能的代理，然后将这些代理所做的工作结合起来完成任务。 这需要开发人员做一些软件开发工作，并编写**来解决每个较小的部分，然后进行组装。
AWS的目标群体是企业开发人员，他们总是在思考客户面临的挑战以及技术如何帮助他们解决这些问题，希望为不同的企业客户提供解决方案，使他们尝试做的事情更容易或更具成本效益，或者让他们有机会做以前不可能的事情。
围绕生成式 AI 模型的创新正在重塑人们在工作和家庭中互动的许多应用，从而提高人类生产力。 随着生成式人工智能的日益普及，越来越多的公司开始关注如何在同等资源下获得竞争优势，以及如何以具有成本效益的方式将人工智能大规模应用于现实世界。 AWS 认为，对于企业来说，使用私有数据来构建生成式 AI 应用程序以更好地了解自己的业务和客户至关重要。
展望未来，Vasi Philomin 总结了他所关注的生成式 AI 的关键挑战：一是企业就绪，必须真正关心企业的数据和数据治理，关心谁可以访问这些东西，并与通用 AI 紧密结合，这是许多客户选择 AWS 的真正原因;第二是获得客户的信任并负责任地解决一些挑战，这仍然需要大量的工作，随着时间的推移，底层模型将变得更加健壮，并在未来实现更复杂任务的自动化。