Amazon ingin menjadi tuan rumah bagi perusahaan-perusahaan yang didukung AI

AWS, bisnis komputasi awan Amazon, menginginkan hal tersebut Dan mereka berusaha keras untuk menjadi tuan rumah bagi perusahaan dan meningkatkan model AI mereka.

Hari ini, AWS mengumumkan peluncuran Impor Model Kustom (dalam pratinjau), sebuah fitur baru di Bedrock, tim AWS yang berfokus pada model bisnis AI. Fitur ini memungkinkan organisasi untuk mengimpor dan mengakses model AI internal mereka serta API yang dikelola dengan baik.

Model perusahaan, setelah diimpor, mendapatkan manfaat dari arsitektur yang sama dengan model AI lainnya dari perpustakaan Bedrock (misalnya, Llama 3 dari Meta atau Claude 3 dari Anthropic). Mereka juga akan mendapatkan alat untuk meningkatkan pengetahuan mereka, memperbaikinya dan menggunakan teknik pertahanan diri untuk mengurangi bias mereka.

“Ada pelanggan AWS yang telah mengembangkan atau membangun model mereka di luar Bedrock menggunakan alat lain,” Vasi Philomin, VP AI generatif di AWS, mengatakan kepada TechCrunch dalam sebuah wawancara. “Kemampuan Impor Model Kustom ini memungkinkan mereka membawa model mereka ke Bedrock dan melihatnya di samping semua model lain yang sudah ada di Bedrock – dan juga menggunakannya dengan semua model yang sudah ada di Bedrock.”

Pesan sampel khusus

Menurut studi terbaru yang dilakukan oleh Cnvrg, yang disponsori oleh Intel yang berfokus pada AI, banyak bisnis yang mendekati keluaran AI dengan membuat model mereka sendiri dan mengelola aplikasi mereka. Para pelaku bisnis mengatakan bahwa mereka melihat infrastruktur, termasuk infrastruktur cloud, sebagai hambatan terbesar dalam penerapannya, menurut jajak pendapat.

Dengan Impor Model Kustom, AWS bertujuan untuk memenuhi kebutuhan tersebut dan bersaing dengan pesaing cloud-nya. (CEO Amazon Andy Jassy mengisyaratkan lebih banyak hal dalam surat tahunan terbarunya kepada pemegang saham.)

Sejak lama, Vertex AI, analog Google dengan Bedrock, telah memungkinkan pelanggan untuk meningkatkan model AI, memodifikasinya, dan mendukungnya melalui API. Databricks, pada gilirannya, telah menawarkan alat untuk bekerja dengan model, termasuk DBRX yang baru dirilis.

Ketika ditanya apa yang membedakan Impor Model Kustom, Philomin menegaskan bahwa itu – dan selain Bedrock – menawarkan lebih banyak opsi penyesuaian daripada pesaing, menambahkan bahwa “ribuan” pelanggan saat ini menggunakan Bedrock.

“Nomor satu, Bedrock menawarkan berbagai cara bagi pelanggan untuk berinteraksi dengan model layanan,” kata Philomin. “Yang kedua, masih banyak pekerjaan yang harus kita lakukan untuk mengatasi spesies ini – dan sekarang pelanggan bisa berdiri di samping semua warna lain yang sudah kita miliki. Hal utama yang disukai banyak orang tentang hal ini adalah dapat menguji beberapa model berbeda dengan menggunakan metode yang sama, dan kemudian membuatnya di satu tempat. “

Baca juga:  Sebuah penelitian menemukan bahwa sejumlah besar 'iPad Kids' ada di X

Jadi metode manakah yang disebut sebagai personalisasi?

Philomin menunjuk ke Guardrails, yang memungkinkan pengguna Bedrock memfilter — atau mencoba memfilter — profil rasial untuk hal-hal seperti perkataan yang mendorong kebencian, kekerasan, dan informasi pribadi atau perusahaan. (Model AI generatif terkenal sering gagal dalam cara yang rumit, termasuk menghasilkan data yang sangat mudah diprediksi; model AWS tidak terkecuali.) Dia mengulas Model Evaluation, sebuah alat Batuan Dasar yang dapat digunakan pelanggan untuk menguji sebuah model — atau beberapa model. – Bertindak sesuai prosedur yang diberikan.

Pagar Pembatas dan Evaluasi Model kini tersedia setelah pratinjau berbulan-bulan.

Saya merasa terdorong untuk mencatat di sini bahwa Impor Model Kustom hanya mendukung tiga build saat ini: Flan-T5 dari Hugging Face, model Llama dan Mistral dari Meta. Selain itu, Vertex AI dan layanan anti-Bedrock lainnya, termasuk alat pengembangan AI Microsoft di Azure, memberikan perlindungan atau pemantauan serupa (lihat Keamanan Konten Azure AI, contoh pemantauan di Vertex, dll.).

Apa Dan Namun, uniknya Bedrock adalah keluarga model kecerdasan buatan Titan dari AWS. Dan, bersamaan dengan dirilisnya Custom Model Import, ada sejumlah perkembangan menarik yang akan terjadi.

Versi Titan yang ditingkatkan

Titan Image Generator, versi text-to-image AWS, kini tersedia setelah meluncurkan pratinjau pada November lalu. Seperti sebelumnya, Titan Image Generator dapat membuat gambar baru dari keterangan atau memodifikasi gambar yang sudah ada – misalnya, mengganti gambar latar belakang dan menyimpan konten gambar.

Dibandingkan mode preview, Titan Image Generator di GA mampu menghasilkan gambar dengan lebih “cerdas”, kata Philomin tanpa menjelaskan lebih lanjut. (Gagasan Anda tentang maknanya sama bagusnya dengan gagasan saya.)

Saya bertanya kepada Philomin apakah dia ingin mengatakan lebih banyak tentang bagaimana Titan Image Generator dilatih.

Pada awal versi November lalu, AWS tidak menjelaskan secara jelas tentang data apa sebenarnya yang digunakan untuk melatih Titan Image Generator. Hanya sedikit vendor yang bersedia mengungkapkan informasi tersebut; mereka melihat data pelatihan sebagai keunggulan kompetitif dan oleh karena itu menyimpan informasi yang relevan di dekat mereka.

Rincian data pelatihan juga merupakan sumber litigasi terkait kekayaan intelektual, yang juga merupakan penghambat pengungkapan. Sejumlah tuntutan hukum yang diajukan ke pengadilan menolak perlindungan penggunaan wajar bagi vendor, mengklaim bahwa alat pengeditan audio dan video menyalin gaya seniman tanpa izin seniman, dan memungkinkan pengguna membuat karya seni asli yang tidak diterima seniman. pembayaran.

Philomin hanya memberi tahu saya bahwa AWS menggunakan kombinasi data pihak pertama dan resmi.

“Kami memiliki sumber data yang terintegrasi, dan kami mengizinkan lebih banyak informasi,” katanya. “Kami membayar biaya kepada pemilik data untuk menggunakan data mereka, dan kami memiliki kontrak dengan beberapa dari mereka. “

Baca juga:  Thoma Bravo telah menjadikan perusahaan keamanan siber Inggris Darktrace sebagai perusahaan swasta dalam kesepakatan senilai $5 miliar

Itu lebih dari apa yang kami dapatkan di bulan November. Namun saya merasa jawaban Philomin tidak akan memuaskan semua orang, terutama para pembuat konten dan pakar AI yang memperjuangkan transparansi lebih dalam bidang pendidikan AI.

Sebagai pengganti transparansi, AWS mengatakan akan terus menawarkan kebijakan pengembalian dana yang mencakup pelanggan jika Titan Image Generator memuntahkan (yaitu, mengeluarkan salinan cermin) sampel pelatihan yang dilindungi hak cipta. (Beberapa penentang, termasuk Microsoft dan Google, memberikan argumen serupa tentang model pemrosesan gambar mereka.)

Untuk memerangi ancaman lain yang sangat penting – deepfake – AWS mengatakan bahwa gambar yang dibuat oleh Titan Image Generator, seperti yang terlihat, akan dilengkapi dengan “tanda air” yang tidak terlihat. Philomin mengatakan tanda air telah dibuat lebih kuat dalam pelepasan GA dari kompresi dan manipulasi serta pengeditan gambar lainnya.

Berada di bidang yang tidak terkait, saya bertanya kepada Philomin apakah AWS, seperti Google, OpenAI, dan lainnya, mempertimbangkan video game karena kegembiraan seputar (dan investasi dalam) teknologi tersebut. Philomin tidak menyebutkan AWS dia tidak …tapi dia tidak mengatakan apa pun lebih dari itu.

“Tentu saja, kami selalu mencari apa yang diinginkan pelanggan, dan produksi video berasal dari percakapan dengan pelanggan,” kata Philomin. “Saya meminta Anda untuk berhati-hati.”

Dalam beberapa berita terakhir terkait Titan, AWS merilis generasi kedua versi Titan Embeddings, Titan Text Embeddings V2. Model ini mengubah teks menjadi representasi numerik, yang disebut embeddings, untuk tujuan pencarian dan pemrosesan. Embeddings generasi pertama juga melakukan hal yang sama, tetapi AWS mengatakan Titan Text Embeddings V2 lebih efisien, hemat biaya, dan akurat.

“Apa yang dilakukan model Embeddings V2 adalah mengurangi penyimpanan (yang diperlukan untuk menggunakan model) hingga empat kali lipat dan mempertahankan akurasi 97%,” kata Philomin, “dibandingkan model lain yang sebanding.”

Kami akan melihat apakah pengujian sebenarnya mengkonfirmasi hal ini.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *