生成AI:保持真实(由凯捷赞助)

## 视频 <video src="https://dev-media.amazoncloud.cn/30-LibaiGenerate/31-LiBaiRebrandingVideo/AIM255-S-Generative_AI__Keeping_it_real__sponsored_by_Capgemini___Capgemini_-LBrebrandingWCaptionCN.mp4" class="bytemdVideo" controls="controls"></video> ## 导读 生成式AI正处于炒作周期的顶峰。虽然生成式AI在艺术和娱乐行业得到了广泛应用,但它在商业领域有哪些实际应用?生成式AI的实用之处在哪里?我们是在幻想生成式AI能做什么,还是将其与传统AI或深度学习混为一谈?我们能为[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)训练生成数据吗?它擅长处理数字吗?它能取代程序员吗?需要考虑哪些风险?加入这个闪电式演讲,探讨这些问题及更多,包括如何在工业、商业和IT领域保持务实。本次演示由亚马逊云科技合作伙伴凯捷提供。 ## 演讲精华 <font color = "grey">以下是小编为您整理的本次演讲的精华，共500字，阅读时间大约是2分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。</font> 乔治·雅各布，来自凯捷公司的专家，对生成性人工智能（AI）的实际应用和重要考虑进行了深入概述。他首先解释了古典AI与生成性AI之间的区别。古典AI是通过向模型提供大量已标记数据（例如，大量标注为莫扎特音乐的作品），然后要求模型对新数据进行分类，如判断新乐曲是否属于莫扎特的风格。而生成性AI模型，如GPT-3，学会了它们所训练的所有类型数据的细微差别和特点，无论是音乐、文本、图像还是其他任何东西。这使得它们能够生成模仿训练数据的新作品。例如，一个生成性音乐模型在被提示创建一首听起来像是莫扎特创作的歌曲时，能创作出一首新歌。 乔治指出，尽管像GPT-3这样的大型模型引起了广泛关注，但根据使用情况和可用数据，较小的模型有时可能更适合。例如，如果你只需要一个模型来为产品生成简短的文本描述，那么在一个与相关电子商务数据训练的小型模型可能就足够了。此外，大型模型的内部运作通常是不透明的，这导致了可解释性的风险。它们的输出可能听起来非常合理，但没有真正的正确性保证。 在考虑使用场景时，乔治列出了三个主要类别。第一个是对话式知识系统，用户可以通过自然语言与知识库互动。例如，想象一下，一个可以回答关于贵公司政策和程序的复杂问题的AI助手。第二个类别是内容生成，包括使用AI创建艺术、音乐、故事等例子。第三个类别是一个“其他”大类，用于需要更仔细分析是否适合使用生成性AI的任务。例如，生成性模型可能不适合数值优化任务。 首先，仔细选择一个明确的初始应用场景，以确保该场景能够为企业带来明确的价值，而非过分夸大AI的能力。 - 确保企业的架构能够支持实验和新服务的集成，因为生成性AI是一个快速发展领域的核心。 - 关注的领域可包括通过个性化方式改进客户体验。 - 创建定制模型以满足特定需求，而不仅仅依赖于通用的解决方案。 - 设立一个AI卓越中心和实验室环境，以便集中专业知识并实施受控实验。 - 与像Capgemini这样的合作伙伴合作，以便充分利用他们的实践经验。 此外，乔治还提到，Capgemini已经开发出一个决策树，以帮助评估应用场景是否适合采用生成性AI技术。关键在于从小规模、收益明显且有限的领域开始，同时通过严格的评估来确保适当的治理。总之，尽管生成性AI具有巨大的潜力，但企业在决定是否及如何适当部署它时必须谨慎行事。 **下面是一些演讲现场的精彩瞬间：** 乔治·雅各布，一位来自双子座训练营的AI领域资深专家，将探讨生成性AI及其如何在遵循道德准则的同时满足客户需求的问题。  虽然生成性AI回应听起来充满自信且准确，但它们并不能保证结果的准确性。  领导者揭示了生成性AI在处理数值计算和优化问题上的局限。  他们讨论了用自动生成的代码替代程序员的概念，但同时强调，为了确保符合相关标准和架构，仍需采取诸如微调和安全防护措施等其他措施。  一张幻灯片展示了一系列亚马逊云科技的应用案例，涵盖了能源、制造业等领域的根本原因分析。  最后，领导者提供了一个决策树，以帮助判断何时适合使用生成性AI。  汤姆·梅兹勒，亚马逊云科技的解决方案架构师，邀请观众提问或前往凯捷公司的展台，共同探讨数据分析解决方案。  ## 总结 乔治·雅各布（George Jacob）来自凯普勒梅尼（Capgemini）公司，他探讨了生成性人工智能的实际应用以及企业需要关注的关键问题。首先，他解释了传统[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)方法与能够创造新数据的生成性AI方法之间的差异。他以音乐创作为例进行了阐述。 接下来，雅各布概述了生成性AI的不同应用场景：对话型知识系统、内容生成（如艺术和市场宣传文案）以及其他更复杂的应用场景（如供应链优化）。他强调，生成性模型可能不适合某些数值任务，企业应谨慎评估是否仅使用语言模型就能解决其业务问题。 关键观点包括： - 生成性模型可用于起草助手和建议、审查合同、创建市场宣传内容和艺术。但是，它们缺乏对道德或文化的固有了解。 - 对于软件工程，生成性模型可以帮助起草代码和测试，但可能无法涵盖所有情况。可维护性和员工技能仍然非常重要。 - 在评估应用场景时，要考虑策略、架构、选择合适的试点项目以及按需定制模型。建立卓越中心和实验室。 最后，雅各布强调，要评估应用场景是否合适，设定合适的期望，即系统将作为助手而非完整解决方案，并与专家合作。关键是选择适合生成性AI可以增强人类能力的应用场景。 ## 演讲原文 ## 想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！ [2023亚马逊云科技re:Invent全球大会 - 官方网站](https://webinar.amazoncloud.cn/reInvent2023/?s=8739&smid=19458 "2023亚马逊云科技re:Invent全球大会 - 官方网站") [点击此处](https://aws.amazon.com/cn/new/?trk=6dd7cc20-6afa-4abf-9359-2d6976ff9600&trk=cndc-detail "点击此处")，一键获取亚马逊云科技全球最新产品/服务资讯！ [点击此处](https://www.amazonaws.cn/new/?trk=2ab098aa-0793-48b1-85e6-a9d261bd8cd4&trk=cndc-detail "点击此处")，一键获取亚马逊云科技中国区最新产品/服务资讯！ ## 即刻注册亚马逊云科技账户，开启云端之旅！ [【免费】亚马逊云科技“100 余种核心云服务产品免费试用”](https://aws.amazon.com/cn/campaigns/freecenter/?trk=f079813d-3a13-4a50-b67b-e31d930f36a4&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技“100 余种核心云服务产品免费试用“") [【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”](https://www.amazonaws.cn/campaign/CloudService/?trk=2cdb6245-f491-42bc-b931-c1693fe92be1&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用“")