Machine Learning - eBook (TC-Hong Kong)

gen ai infographic

Issue link: https://read.uberflip.com/i/1507893

Contents of this Issue

Navigation

Page 0 of 0

讓生成式 AI 發揮作用 © 2023, Amazon Web Services, Inc. 或其關係企業。保留所有權利。 1 「生成式 AI 可能使全球 GDP 增長 7%」(Generative AI could raise global GDP by 7%),Goldman Sachs,2023 年 4 月 2 Sivasubramanian, S.「宣布 AWS 上推出用於建構生成式 AI 的新工具」(Announcing New Tools for Building with Generative AI on AWS), AWS 機器學習部落格,2023 年 4 月 3 根據 Amazon 在 Amazon CodeWhisperer 預覽版期間進行的生產力挑戰結果 每個企業都需要制定一個生成式 AI 策略。AWS 擁有經濟效益最高的 雲端基礎設施、大量 AI 解決方案和多年負責任的 AI 專業知識,可協助 您立即解鎖生成式 AI 的商業價值。 探索 AWS 上的生成式 AI › 生成式 AI 已經出現,而且每天都有新的使用案例、產品和服務湧現, 影響著各產業的企業。 高層人員和技術領導者正在競相發掘這項技術的潛力,以提高生產力、改善客戶體驗、 促進個人化和效率。但是,許多人還不清楚如何將這些優勢變為現實。 以下資訊圖可幫助您找到前進的方向,並立即開始透過生成式 AI 改善業務成果。 探索生成式 AI 的商業價值 高層人員最關注的 5 個生成式 AI 問題 生成式 AI 是 AI 的一種,可以創建各種新內容和想法,包括對話、故事、 圖片、影片和音樂。生成式 AI 採用的是基礎模型 (FM),這些基礎模型都 是使用大量資料進行預先訓練,以適應不同任務需求的機器學習 (ML) 模型。 什麼是生成式 AI 呢? 問題 1 在評估不斷增長的生成式 AI 模型清單時,需要考慮以下事項: 生成式 AI 的商業考慮因素是什麼? 問題 3 未標籤的資料 基礎模型 預先訓練 適應 生成式 AI 各式各樣的特定任務 Amazon 在解鎖人工智慧 (AI) 的商業價值方面有超過 20 年的經驗,能更快速的交付套件、個人化體驗, 並每週為數十億次 Amazon Alexa 的互動提供支援。此外,有超過 10 萬個客戶目前正在使用 Amazon Web Services (AWS) 進行 AI 開發。AWS 擁有豐富的經驗和專業知識,無論您處於 AI 旅程的哪 個階段,都能引導您實現目標。 將人工智慧和機器學習普及化 生成式 AI 可以在許多產業特定的使用案例中改善成果。 以下有幾個範例: 您可以在哪些領域使用生成式 AI? 問題 4 媒體娛樂領域 • 加速內容創作 • 改進音樂編曲 • 曳更、曵曶和曷書圖曹和影片 汽車和製造領域 • 改善曺件設曻 • 開發曼新的曽內體驗 • 曾動化替最和朁朂 • 生成會訓內容 醫療保健領域 • 生成朄朅朆件 • 朇月最驗有者 • 朊朋多模朌資料 • 解服朎學影曹 金融服務領域 • 改善體驗 • 提曳知識工作者的能力 • 朊朋朏朐朑朒 • 創新並曾動化業務朓程 生命科學領域 • 加速朔朕探索 • 設曻新的朖朗朘和朙成基朚望朜 • 建立朝朙有者資料 教育領域 • 朞結朆期內容 • 曾動化替最和評朊 • 個人化和創朠新的學習體驗 朡朢機器學習領朣最新進朤開發的模型可包朥數十億個朦數,朧一年前最木朩的模型相未, 朦數數量大末增加。生成式 AI 模型使用本札更朮的資料术進行預先訓練, 可在各種不同的朑朰中學習並應用朱朲的知識。 它與以前的 AI 有什麼不同? 問題 2 規模最大的預先訓練模型 2 增加 1 , 6 0 0 倍 在 美國, 生成式 A I 被 預測 能夠賦能 3 分 之 2 的職業 1 7 兆億美元 1 在未來 1 0 年, 生成式 A I 有可能 使 全球 G D P 增加: 如何藉由生成式 AI 增加商業價值? 問題 5 3 . 3 億個 朦數 2 0 1 9 超過 5 0 0 0 億個 朦數 2 0 2 3 程式碼生成 使用 Amazon CodeWhisperer 提高開發人員 生產力朳 57朴 3 聯絡中心分析 朵客戶朶朷中朞結並提朸朹机 個人化 改進個人化朻朼並生成定制內容 設計和創意 朽朾建朿、生成杀型並探索創新杁杂 虛擬助手 权杄曹人杅一杆的杇應朶提曳客戶體驗 對話式搜尋 朵企業杈杉中提朸朹机 產生內容 創作朆期內容、圖片、影片和音樂 等等 結合 您的使用案例、 需求和目標 運行 在效能杊杋、 可杌朤且成杍最李化 的基礎設施杏 遵守 法材和負責任的 AI 最 李實務

Articles in this issue

view archives of Machine Learning - eBook (TC-Hong Kong) - gen ai infographic