Files
nexus/wiki/sources/public-cloud-learning-sessions-opentext-ai-use-cases-20241126-160106-meeting-rec.md

3.5 KiB
Raw Blame History

title, type, tags, date
title type tags date
Public Cloud Learning Sessions (OpenText) - AI Use Cases - 20241126 160106 source
AI
Use-Cases
OpenText
AWS
Generative-AI
2024-11-26

Source File

Summary用中文描述

  • 核心主题AWS AI 专家 Stephen Frank 分享 Gen2 AI生成式 AI的发展驱动力、企业级应用场景及 AWS 三层产品战略
  • 问题域:企业软件公司如何利用生成式 AI 实现差异化竞争AI 数据策略选择RAG / Fine-tuning / Continued Pre-training
  • 方法/机制AWS 三层产品架构(基础设施 → Amazon Bedrock → AI 应用Amazon Q 企业知识问答;数据与 AI 模型集成的三种方法
  • 结论/价值数据是差异化关键RAG 可在无需重训练的情况下连接自有业务数据;实施 AI 需要培育实验文化、灵活选择模型、重视安全治理与合规

Key Claims用中文描述

  • 自 2000 年代以来数据量爆发式增长,加上算力提升,驱动了 Gen2 AI 的崛起
  • Amazon 在核心产品和服务中应用 AI/ML 已达 25 年
  • 生成式 AI 应用的差异化关键在于数据——通过 RAG/Fine-tuning/持续预训练与现有业务数据集成
  • AWS 三层产品战略:基础设施层(基础模型训练/推理)→ Amazon Bedrock旗舰 API 访问)→ 即用型 AI 应用
  • Amazon Bedrock 确保用户数据与提示词不与第三方模型提供商共享,符合 GDPR 合规要求
  • 负责任 AI 的核心原则公平性Fairness、可解释性Explainability、透明度Transparency

Key Quotes

"Data is key to differentiation, as generative AI applications integrate with existing business data to control outcomes." — Stephen Frank, AWS AI Specialist "When implementing your services, we do have to look at this more holistically." — Stephen Frank, AWS AI Specialist

Key Concepts

  • RAG:将生成式 AI 应用与企业现有业务数据集成,无需重训练即可控制输出结果
  • Fine-Tuning:通过领域数据微调基础模型,提升特定任务表现
  • Continued-Pre-Training:持续预训练,在基础模型上继续训练以扩展知识
  • Responsible-AI:公平性、可解释性、透明度的 AI 实施原则

Key Entities

  • AWS:亚马逊云科技,提供三层 AI 产品战略
  • Amazon-BedrockAWS 旗舰生成式 AI 服务,提供 API 访问多种基础模型Anthropic/Titan 等),保证数据不与第三方共享
  • Amazon-SageMakerAWS 全托管机器学习平台,面向数据科学家和平台工程师
  • Amazon-QAWS 预构建 AI 系统,支持知识摘要、内容创建和洞察提取,自然语言连接多种数据源
  • Stephen-FrankAWS AI 专家,主讲本次会议

Connections

Contradictions