与 Werner 和 Swami 一起走近生成式 AI

在过去的几个月里，生成式 AI 以及相关底层技术引起了广泛的关注。它已经渗入到许多人的集体意识中，从董事会议到家长会，所有人都在讨论它。很多消费者正在使用它，很多企业也在试图找出如何利用它的潜力。但它并不是凭空出现的——关于[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的研究可以追溯到几十年前。事实上，**[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)是我们亚马逊长期以来的看家本领**。它被用于亚马逊零售网站的个性化、控制我们营运中心的机器人、强化 Alexa 的意图识别和语音合成。[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)已经嵌刻在亚马逊的基因之中。  我们现在所取得的成就，离不开我们的一些关键技术进步。首先是云技术。这是提供深度学习所需的海量计算和数据的基石。然后是能够理解和学习模式的神经网络。它打开了复杂算法的大门，譬如用于图像识别的算法。最后是 Transformer。不同于线性序列结构的 RNN，Transformer 可以并行处理多个序列，这极大地加快了训练速度，并能够用于创建更大规模、更准确的模型，从而理解人类的知识，可以做到写诗甚至调试代码这样的事情。 最近，我和老朋友 **Swami Sivasubramanian** 来了一场深入交谈，他主管亚马逊云科技的数据库、数据分析和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)服务。他在 Dynamo 的初期构建以及其后 NoSQL 技术经过 [Amazon DynamoDB](https://aws.amazon.com/cn/dynamodb/?trk=cndc-detail) 在全世界的推广都发挥了重要作用。在我们的谈话中，我了解到了生成式 AI 的广阔前景，亚马逊如何让大型语言和基础模型更加简单易用，定制芯片如何帮助降低成本、加快培训、提高能源效率。 我们现在仍处于早期阶段，但正如 Swami 所说，大型语言和基础模型将在未来几年成为每一个应用程序的核心部分。我很期待看到构建开发者如何利用这项技术进行创新和解决难题。 我还记得，在17年前 Swami 入职的第一天，我交给他两个简单的任务：帮助建立一个满足亚马逊规模和需求的数据库；重新审视公司的数据策略。他说我们的首次会议很有野心。但他出色地完成了我的任务。 如果你想了解更多 Swami 团队所取得的成果，你可以在这里了解更多： https\://aws.amazon.com/blogs/machine-learning/announcing-new-tools-for-building-with-generative-ai-on-aws/?trk=cndc-detail 现在，像往常一样，开始构建！ <video src="https://s3.cn-north-1.amazonaws.com.cn/dev-media.amazoncloud.cn/23e25d25-9080-4889-8be2-3f17e6595267_Hello+World_+Meet+Generative+AI+_+Amazon+Web+Services_%E5%8E%8B%E5%88%B6%E7%89%88.mp4" class="bytemdVideo" controls="controls"></video>