61 lines
3.0 KiB
Markdown
61 lines
3.0 KiB
Markdown
---
|
||
title: "Public Cloud Learning Sessions - Introduction to Artificial Intelligence (AI) Machine Learning (ML) - 20240206"
|
||
type: source
|
||
tags:
|
||
- AI
|
||
- ML
|
||
- AWS
|
||
- Machine-Learning
|
||
- Serverless
|
||
date: 2024-02-06
|
||
---
|
||
|
||
## Source File
|
||
- [[raw/Cloud & DevOps/Public-Cloud-Learning-Sessions/09_Serverless_AI/public-cloud-learning-sessions-introduction-to-artificial-intelligence-ai-machin.md]]
|
||
|
||
## 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 |