הזרעים של שינוי פרדיגמת למידת מכונה (ML) קיימים כבר עשרות שנים, אך עם הזמינות המוכנה של יכולת מחשוב ניתנת להרחבה, ריבוי עצום של נתונים וההתקדמות המהירה של טכנולוגיות ML, לקוחות על פני תעשיות שונות משנים את העסקים שלהם.
רק לאחרונה, יישומי בינה מלאכותית יוצרת, כמו ChatGPT תפסו תשומת לב ודמיון נרחבים. אנחנו באמת בצומת דרכים מרגשת באימוץ הנרחב של ML, ואנו מאמינים שרוב חוויות הלקוחות והיישומים יומצאו מחדש עם בינה מלאכותית יוצרת.
AI ו-ML היו מוקד עבור אמזון במשך יותר מ-20 שנה, ורבות מהיכולות שהלקוחות משתמשים בהן עם אמזון מונעות על ידי ML. מנוע המלצות המסחר האלקטרוני של אמזון מונע על ידי ML; הנתיבים המייעלים את מסלולי האיסוף הרובוטיים במרכזי האיסוף מונעים על ידי ML; ושרשרת האספקה, החיזוי ותכנון הקיבולתמבוססים על ידי ML. Prime Air (המל"טים של אמזון) וטכנולוגיית הראייה הממוחשבת באמזון גו (חוויית הקמעונאות הפיזית שלנו המאפשרת לצרכנים לבחור פריטים מהמדף ולצאת מהחנות מבלי צורך לבצע צ'ק-אאוט רשמי) משתמשות בלמידה עמוקה. Alexa, המופעלת על ידי יותר מ-30 מערכות ML שונות, עוזרת ללקוחות מיליארדי פעמים בכל שבוע לנהל בתים חכמים, לקנות, לקבל מידע ובידור ועוד. יש לנו אלפי מהנדסים באמזון המחויבים ל-ML, וזה חלק גדול מהמורשת שלנו, מהאתוס הנוכחי ומהעתיד שלנו.
ב-AWS, מילאנו תפקיד מפתח בדמוקרטיזציה של ML והנגשתו לכל מי שרוצה להשתמש בו, כולל יותר מ-100,000 לקוחות מכל הגדלים והענפים. ל-AWS יש את הפורטפוליו הרחב והעמוק ביותר של שירותי AI ו-ML בכל שלוש השכבות של הערימה. השקענו וחדשנו כדי להציע את התשתית הניתנת להרחבה הביצועית ביותר לאימון והסקת ML חסכונית; פיתח את Amazon SageMaker, שהיא הדרך הקלה ביותר עבור כל המפתחים לבנות, לאמן ולפרוס מודלים; והשיק מגוון רחב של שירותים המאפשרים ללקוחות להוסיף יכולות בינה מלאכותית כמו זיהוי תמונות, חיזוי וחיפוש מושכל לאפליקציות באמצעות קריאת API פשוטה. זו הסיבה שלקוחות כמו Intuit, Thomson Reuters, AstraZeneca, Ferrari, Bundesliga, 3M ו-BMW, כמו גם אלפי סטארט-אפים וסוכנויות ממשלתיות ברחבי העולם, משנים את עצמם, את התעשיות שלהם ואת המשימות שלהם עם ML. אנו נוקטים באותה גישה דמוקרטית לבינה מלאכותית: אנו פועלים להוציא את הטכנולוגיות הללו מתחום המחקר והניסויים ולהרחיב את זמינותן הרבה מעבר לקומץ של סטארט-אפים וחברות טכנולוגיה גדולות וממומנות היטב. זו הסיבה שאנו נרגשים להכריז על מספר חידושים חדשים שיקלו ומעשי על הלקוחות שלנו להשתמש בבינה מלאכותית יוצרת בעסקיהם.
מודלים של בינה מלאכותית יוצרת
בינה מלאכותית יוצרת היא סוג של AI שיכול ליצור תוכן ורעיונות חדשים, כולל שיחות, סיפורים, תמונות, סרטונים ומוזיקה. כמו כל בינה מלאכותית, בינה מלאכותית יוצרת מופעלת על ידי מודלים של ML - מודלים גדולים מאוד שהוכשרו מראש על כמויות עצומות של נתונים ומכונה בדרך כלל מודלים יסודיים (FMs). ההתקדמות האחרונה ב-ML (במיוחד ההמצאה של ארכיטקטורת הרשת העצבית המבוססת על שנאים) הובילה לעליית מודלים המכילים מיליארדי פרמטרים או משתנים. כדי לתת תחושה לשינוי בקנה מידה, הדגם הגדול ביותר שהוכשר מראש בשנת 2019 היה 330 מיליון פרמטרים. כעת, הדגמים הגדולים ביותר הם יותר מ-500B פרמטרים - גידול פי 1,600 בגודל תוך שנים ספורות. ה-FM של היום, כגון מודלים של שפה גדולה (LLMs) GPT3.5 או BLOOM, ומודל הטקסט לתמונה Stable Diffusion מ-Stability AI, יכולים לבצע מגוון רחב של משימות המשתרעות על פני מספר תחומים, כמו כתיבת פוסטים בבלוג, הפקת תמונות, פתרון בעיות מתמטיות, עיסוק בדיאלוג ומענה על שאלות על סמך מסמך. הגודל והאופי הכללי של מכשירי FM עושים אותם שונים ממודלים מסורתיים של ML, שבדרך כלל מבצעים משימות ספציפיות, כמו ניתוח טקסט לסנטימנט, סיווג תמונות וחיזוי מגמות.
הכרזה על דגמי Amazon Bedrock ו- Amazon Titan, הדרך הקלה ביותר לבנות ולהרחיב יישומי AI מחוללים עם FMs
לקוחות אמרו לנו שיש כמה דברים גדולים שעומדים בדרכם היום. ראשית, הם זקוקים לדרך פשוטה למצוא ולגשת למכשירי FM בעלי ביצועים גבוהים שנותנים תוצאות יוצאות דופן ומתאימים ביותר למטרותיהם. שנית, לקוחות רוצים שהשילוב באפליקציות יהיה חלק, ללא צורך בניהול אשכולות עצומים של תשתיות או בהוצאות גדולות. לבסוף, לקוחות רוצים שיהיה קל לקחת את ה-FM הבסיסי, ולבנות אפליקציות מובחנות תוך שימוש בנתונים משלהם (מעט נתונים או הרבה). מכיוון שהנתונים שלקוחות רוצים להשתמש בהם להתאמה אישית הם IP יקרי ערך להפליא, הם צריכים שזה יישאר מוגן, מאובטח ופרטי לחלוטין במהלך התהליך הזה, והם רוצים שליטה על אופן השיתוף והשימוש בנתונים שלהם.
לקחנו את כל המשוב הזה מלקוחות, והיום אנחנו נרגשים להכריז על Amazon Bedrock, שירות חדש שמנגיש FM ממעבדות AI21, Anthropic, Stability AI ואמזון באמצעות API. Bedrock היא הדרך הקלה ביותר עבור לקוחות לבנות ולהרחיב יישומים מבוססי בינה מלאכותית באמצעות FM, תוך דמוקרטיזציה של גישה לכל הבונים. Bedrock תציע את היכולת לגשת למגוון של FMs עוצמתיים עבור טקסט ותמונות - כולל Titan FMs של אמזון, המורכבים משני LLMs חדשים שאנו מכריזים גם על היום - באמצעות שירות מנוהל AWS ניתן להרחבה, אמין ומאובטח. עם החוויה ללא שרתים של Bedrock, לקוחות יכולים למצוא בקלות את המודל המתאים למה שהם מנסים לעשות, להתחיל במהירות, להתאים אישית את מכשירי ה-FM עם הנתונים שלהם, ולשלב ולפרוס אותם בקלות באפליקציות שלהם באמצעות הכלים והיכולות של AWS. מכירים (כולל אינטגרציות עם תכונות Amazon SageMaker ML כמו ניסויים לבדיקת דגמים שונים ו-Pipelines לניהול ה-FM שלהם בקנה מידה) ללא צורך בניהול תשתית כלשהי.
לקוחות Bedrock יכולים לבחור מבין כמה ממכשירי ה-FM החדשניים ביותר הקיימים כיום. זה כולל את משפחת Jurassic-2 של לימודי LLM רב לשוניים ממעבדות AI21, העוקבות אחר הוראות השפה הטבעית ליצירת טקסט בספרדית, צרפתית, גרמנית, פורטוגזית, איטלקית והולנדית. קלוד, ה-LLM של Anthropic, יכול לבצע מגוון רחב של משימות שיחה ועיבוד טקסט והוא מבוסס על המחקר המקיף של Anthropic לאימון מערכות AI כנות ואחראיות. Bedrock גם מקל על הגישה לחבילת המודלים של בסיס טקסט לתמונה של Stability AI, כולל Stable Diffusion (הפופולרי ביותר מסוגו), המסוגל ליצור תמונות ייחודיות, מציאותיות ואיכותיות, אמנות, לוגו ו עיצובים.
אחת היכולות החשובות ביותר של Bedrock היא כמה קל להתאים מודל. לקוחות פשוט מכוונים את Bedrock לכמה דוגמאות מסומנות באמזון S3, והשירות יכול לכוונן את המודל עבור משימה מסוימת מבלי צורך להעיר כמויות גדולות של נתונים (מספיקות עד 20 דוגמאות). דמיינו לעצמכם מנהל שיווק תוכן שעובד בקמעונאי אופנה מוביל וצריך לפתח עותק ממוקד של מודעה ומסע פרסום עבור ליין חדש של תיקים. לשם כך, הם מספקים ל-Bedrock כמה דוגמאות מתויגות לקווי התג המניבים את הביצועים הטובים ביותר שלהם ממסעות פרסום קודמים, יחד עם תיאורי המוצרים המשויכים, ובדרוק יתחיל ליצור מדיה חברתית יעילה, מודעה לתצוגה ועותק אינטרנט עבור התיקים החדשים. אף אחד מהנתונים של הלקוח לא משמש להכשרת המודלים הבסיסיים, ומכיוון שכל הנתונים מוצפנים ואינם עוזבים את הענן הווירטואלי הפרטי (VPC) של הלקוח, הלקוחות יכולים לסמוך על כך שהנתונים שלהם יישארו פרטיים וסודיים.
הכרזה על הזמינות הכללית של מופעי Amazon EC2 Trn1n המופעלים על ידי AWS Trainium ומופעי Amazon EC2 Inf2 המופעלים על ידי AWS Inferentia2, תשתית הענן החסכונית ביותר עבור בינה מלאכותית יוצרת
כל מה שלקוחות מנסים לעשות עם FMs - להפעיל אותם, לבנות אותם, להתאים אותם - הם צריכים את התשתית הביצועית והחסכונית ביותר שנבנתה עבור ML. במהלך חמש השנים האחרונות, AWS השקיעה בסיליקון משלנו כדי לדחוף את המעטפת של ביצועים וביצועי מחיר עבור עומסי עבודה תובעניים כמו אימון ML והסקת מסקנות, ושבבי AWS Trainium ו-AWS Inferentia שלנו מציעים את העלות הנמוכה ביותר לאימון מודלים והסקת ריצה בענן. היכולת הזו למקסם את הביצועים ולשלוט בעלויות על ידי בחירת תשתית ה-ML האופטימלית היא הסיבה לכך שחברות סטארט-אפ מובילות בינה מלאכותית, כמו AI21 Labs, Anthropic, Cohere, Grammarly, Hugging Face, Runway ו-Stability AI פועלות על AWS.
הכרזה על הזמינות הכללית של Amazon CodeWhisperer, בחינם למפתחים בודדים
אנו יודעים שבנייה עם ה-FMs הנכונים והפעלת יישומי בינה מלאכותית יוצרת בקנה מידה על תשתית הענן הביצועית ביותר תהיה מהפכה עבור הלקוחות. גל החוויות החדש יהפוך גם למשתמשים. עם בינה מלאכותית יוצרת מובנת, המשתמשים יוכלו לקיים אינטראקציות טבעיות וחלקות יותר עם יישומים ומערכות. תחשוב על איך אנחנו יכולים לפתוח את הטלפונים הניידים שלנו רק על ידי התבוננות בהם, מבלי שנצטרך לדעת דבר על דגמי ה-ML החזקים שמאפשרים את התכונה הזו.
תחום אחד שבו אנו צופים שהשימוש בבינה מלאכותית יוצרת גדל במהירות הוא בקידוד. מפתחי תוכנה כיום מבלים חלק ניכר מזמנם בכתיבת קוד שהוא די פשוט ולא מובחן. הם גם מבלים זמן רב בניסיון לעמוד בקצב של כלים ונוף טכנולוגי מורכב ומשתנה ללא הרף. כל זה משאיר למפתחים פחות זמן לפתח יכולות ושירותים חדשים וחדשניים. מפתחים מנסים להתגבר על כך על ידי העתקה ושינוי של קטעי קוד מהאינטרנט, מה שעלול לגרום להעתקת קוד שלא בכוונה שלא עובד, מכיל פרצות אבטחה או לא עוקב אחר שימוש בתוכנת קוד פתוח. ובסופו של דבר, חיפוש והעתקה עדיין לוקחים זמן מהדברים הטובים.
בינה מלאכותית גנרית יכולה להוציא את המשימה הכבדה הזאת מהמשוואה על ידי "כתיבת" הרבה מהקוד הבלתי מובחן, מה שמאפשר למפתחים לבנות מהר יותר תוך שחרור מהם להתמקד בהיבטים היצירתיים יותר של הקידוד. זו הסיבה שבשנה שעברה הכרזנו על התצוגה המקדימה של Amazon CodeWhisperer, מלווה קידוד AI שמשתמש ב-FM מתחת למכסה המנוע כדי לשפר באופן קיצוני את פרודוקטיביות המפתחים על ידי יצירת הצעות קוד בזמן אמת על סמך הערות מפתחים בשפה טבעית וקוד קודם. בסביבת הפיתוח המשולבת שלהם (IDE). מפתחים יכולים פשוט לומר ל-CodeWhisperer לבצע משימה, כגון "נתח מחרוזת CSV של שירים" ולבקש ממנו להחזיר רשימה מובנית המבוססת על ערכים כמו אמן, כותרת ודירוג התרשים הגבוה ביותר. CodeWhisperer מספק הגברת פרודוקטיביות על ידי יצירת פונקציה שלמה המנתחת את המחרוזת ומחזירה את הרשימה כפי שצוין. תגובת המפתחים לתצוגה המקדימה הייתה חיובית באופן גורף, ואנחנו ממשיכים להאמין שעזרה לקוד למפתחים עשויה להיות אחד השימושים החזקים ביותר של בינה מלאכותית יוצרת שנראה בשנים הקרובות. במהלך התצוגה המקדימה, הרצנו אתגר פרודוקטיביות, ומשתתפים שהשתמשו ב-CodeWhisperer השלימו משימות ב-57% מהר יותר, בממוצע, והיה להם סיכוי גבוה ב-27% להשלים אותן בהצלחה מאשר אלה שלא השתמשו ב-CodeWhisperer. זוהי קפיצת מדרגה ענקית בפרודוקטיביות המפתחים, ואנו מאמינים שזו רק ההתחלה.
המקור: חברת אמזון בכתובת הזאת.