Machine Learning - eBook (TC)

結合 您的使用案例、 需求和目標 運行 在效能良好、可擴展且 成本最佳化的基礎設施上 遵守 法規和負責任的 AI 最佳實務 利用 AWS 幫助您的新創公司充分發揮 生成式 AI 的強大能力 © 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 Amazon EC2 Trn1 執行個體採用 AWS Trainium 技術，能夠節省訓練成本達 50%，遠超越任何其他 Amazon EC2 執行個體。 4 Amazon EC2 Inf2 執行個體採用 AWS Inferentia2 技術，能提高性價比達 40% (高於其他 Amazon EC2 執行個體)。 5 在一場由 AWS 在預覽期間舉辦的生產力挑戰中，使用 Amazon CodeWhisperer 的參加者完成任務的 速度比其他未使用 Amazon CodeWhisperer 的參加者快了 57%。 Amazon Web Services (AWS) 擁有經濟效益最高的雲端基礎設施、豐富 而深入的 AI 解決方案產品組合，以及多年的負責任 AI 專業知識，可協 助您立即充分發揮生成式 AI 的商業價值。 進一步了解 AWS 生成式 AI 如何幫助新創公司 聯絡我們 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。 新創公司創辦人無不搶先利用這項技術的無窮潛力來推動創新、增強 客戶體驗，以及大幅提高生產力。但是，實現這些優勢的途徑卻仍朦 朧不明。 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 如何幫助新創公司轉型 新創公司創辦人對 生成式 AI 的 6 項提問 生成式 AI 是人工智慧 (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 問題 3 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 4 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 使用 FM 進行建置的最簡單方式 Amazon Bedrock 是新創公司使用 FM 建置和擴展生成式 AI 型應用程式最簡單的 方式，而且普遍提供給所有建置人員使用。Amazon Bedrock 從 Amazon 和包括 AI21 Labs、Anthropic、Cohere 及 Stability AI 在內的領先 AI 新創公司建立 FM， 可透過 API 獲得其支援。Bedrock 可支援安全自訂，能夠讓客戶的資料保持隱私且 安全無虞。您可以使用熟悉的控制項及 Amazon SageMaker 和 Amazon Simple Storage Service (Amazon S3) 等服務的功能，加時务 FM 劢劣並部劤到您的應用 程式和工劥負劦中。 對於機器學習來說性價比最高的基礎設施 AWS 劧能讓新創公司动容助實現生成式 AI 所需的高努劫量，同時仍讓成本 保持在劬控劭中。過劮劯年劰以來，AWS 一励持劲劳労自有劵片，以劶獲 得劷劸的效能和性價比來應効 ML 工劥負劦。劺果： AWS Trainium 和 AWS Inferentia，它們能夠提供突破性的效能，並以最低成本 在劻劼中訓練模型和 執行推劽。採用這些劵片技術的 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體能夠 節省訓練成本達 50% 3 ，以及 提高推論的性價比達 40%。 4 享有使用開放原始碼模型或建置自有 FM 的靈活性 劾了 Bedrock 中的模型劭势， Amazon SageMaker JumpStart 勀是提 供勁勂法、模型及機器學習勃勄方案的機器學習中勅。新創公司可利用 SageMaker JumpStart 労勆、勇勈及部劤 Bedrock 未提供的開勉勊始勋 FM，而 AWS 勌持劲不斷勍加勎动劰模型。對於想要自行建立 FM 的新創公 司，Amazon SageMaker 提供了勏勐基礎設施和工具，可加速建置、訓練 和部劤可擴展、可勑且安全的模型。 開創新局的生成式 AI 應用程式 新創公司能夠勒勓 AWS 持劲推動生成式 AI 創新，勔向擴及自有服務、勃 勄方案和技術的目標前進。Amazon CodeWhisperer 是一種 AI 動勋勖勗， 勘使用務勊勚的 FM 讓 開發人員的生產力提高達 57%。 5 勘勛勜勝自勞募 勠開労人員勡勃和先前動勢的程式勋來產生智慧型即時程式勋建勣，勤務 實現這個目標。 領先的新創公司選擇 AWS 來建置生成式 AI 的理由何在？ 生成式 AI 可以在勥劰產業勦勧的使用案例中改善成果。 以下有勨個勩例： 哪些領域可以使用生成式 AI？ 問題 5 媒體娛樂領域 • 加速內容創劥 • 改進音樂動勪 • 勫勬、勭勎和勮勯圖勰和影片 金融科技領域 • 改善體驗 • 增強勱勲工劥者的效勳 • 勴勵勶場勷勸 • 創新並自動化業務勹程 生命科學領域 • 加速勺勻勇勈 • 設勼新的勽勾勿和劣成基匀匁匂 • 建立匃劣匄者資料 醫療保健領域 • 生成包匆匇匈 • 匉勖匊驗匄者 • 勴勵劰模匋資料 • 勃匌匍學影勰 教育領域 • 匎劺匇匏內容 • 自動化匐匊和評勴 • 個人化和創匑新的學習體驗 匒期在機器學習領匓的新進展匔生了包匕化北匘個參化 (匙化) 的模型，匚勨年前最匛匜的 模型匝比，化量大幅增加。生成式 AI 模型使用匞匟規模的資料匠進行訓練，可在各種不同的 勷匡中學習並應用勘匢的勱勲。 生成式 AI 與前代 AI 有什麼不同？ 問題 2 基礎模型 2 增加 160,000% 7 兆億美元 1 在未來 10 年， 生成式 AI 有可能 使全球 GDP 增加： 如何藉由生成式 AI 增加商業價值？ 問題 6 3.3 億個 參化 2019 超過 5000 億個 參化 2023 產生內容 匣助創劥匇匤、匥匦、匧匨匩匈、匪匫匬術及 設勼。 回答問題 使用從大量資料 (例匭匞匮匞匟) 中得到的自 勞募勠提匯，匰速匱找並劣成資訊。 個人化 利用高度匝關的內容和產品推匲，匳匑匴匒 個人的客戶體驗。 搜尋 匱找匇匈中的資訊以改善匵匱匶匷性，並匰 速獲得匸勎匹勃以区出資料医動的勄匼。 聊天機器人 建立以自勞募勠匽基礎的對話式匾匿，以提 供區人化的十動服務。 對話式 AI 讓卂天機器人和千區助勚的對話內容动人性化， 並利用募音卄匇匏和卅卆功能。 軟體開發 使用自勞募勠努勎內容產生程式勋片升、 勡勃和匇匈，以提勫效勳和匶匷性。 等等 電子商務領域 • 強化客戶支援 • 自動化訂單午勚和卉半勐勚 • 個人化客戶劭卋和產品推匲 • 創匑千區卌勻助勚 在美國， 生成式 AI 被預測能夠賦能 3 分之 2 的職業 1 50% 57% 節省訓練成本 3 生產力提高 5

• Cover