3.0 KiB
3.0 KiB
title, type, tags, date
| title | type | tags | date | |||||
|---|---|---|---|---|---|---|---|---|
| Public Cloud Learning Sessions - Introduction to Artificial Intelligence (AI) Machine Learning (ML) - 20240206 | source |
|
2024-02-06 |
Source File
Summary
- 核心主题：AWS AI/ML 介绍与实践，生成式 AI 应用
- 问题域：企业如何采用 AI/ML 技术进行数字化转型
- 方法/机制：Amazon Bedrock、SageMaker、Foundation Models、ML Ops
- 结论/价值：AWS 提供完整的 AI/ML 工具链，降低企业采用门槛， Bedrock 是构建生成式 AI 应用的核心服务
Key Claims
- AI 是复制需要人类智能才能完成的任务的系统，通常通过机器学习寻求概率性结果
- Amazon 投资机器学习 20 年，用于推荐系统、机器人技术、预测和 Alexa
- AWS 在四个领域帮助客户使用 AI：增强客户体验、支持更好决策、改善运营、创造新产品
- Amazon Bedrock 是全托管服务，可通过基础模型构建和扩展生成式 AI 应用
- ML Ops 结合机器学习和运营，涉及数据管道、训练管道和推理管道
Key Quotes
"We believe most customer experiences and applications will be reinvented with generative AI, powered by foundation models with billions of parameters." — Suraav Paul, AWS Senior Solutions Architect
"AI is a way to describe any system that can replicate tasks that previously required human intelligence."
Key Concepts
- AI：复制需要人类智能才能完成的任务的系统
- Machine Learning：使用数据创建决策逻辑或模型的 AI 子领域
- Foundation Model：基础模型，具有数十亿参数的大规模预训练模型
- Amazon Bedrock：全托管服务，用于使用基础模型构建生成式 AI 应用
- Amazon SageMaker：AWS 机器学习平台，用于构建、训练和部署模型
- ML Ops：机器学习运维，结合 ML 和 DevOps 实践
- RAG：检索增强生成，从公司数据源获取相关响应
- Fine-Tuning：使用标记数据集定制基础模型
- Responsible AI：负责任 AI，包括公平性、可解释性、健壮性、治理、透明度和隐私/安全
Key Entities
- AWS：亚马逊云服务，提供 AI/ML 工具和服务
- Suraav Paul：AWS 高级解决方案架构师，本次演讲者
Connections
- AWS ← provides ← Amazon Bedrock
- AWS ← provides ← Amazon SageMaker
- Machine Learning ← is_subcategory_of ← AI
- Foundation Model ← powers ← Generative AI
- RAG ← enhances ← Amazon Bedrock
Contradictions
- 与本地模型部署方案对比：
- 冲突点：数据隐私与模型控制权
- 当前观点：Bedrock 提供托管环境，数据仅在请求响应周期存储
- 对方观点：本地部署可完全控制模型和数据，但需要管理基础设施