智東西（公眾號：zhidxcom）
作者 | ZeR0
編輯 | 漠影
如何應用人工智能（AI）進行創(chuàng)新和增強業(yè)務競爭力？這是當下許多企業(yè)正在思考的方向。在生成式AI和大模型熱潮驅(qū)動下，各家云計算巨頭都在摩拳擦掌，從計算層、平臺與工具層到應用層，提供面向企業(yè)生成式AI訓練和部署的多元選項。
每年舉行的云計算盛會AWS?re:Invent大會，是科技行業(yè)具有參考意義的“風向標”之一。在今年11月底舉行的re:Invent大會上，全球最大公有云巨頭亞馬遜云科技（AWS）全面披露了其生成式AI技術堆棧，并公布多項生成式AI新服務、新工具，特別是改變用戶構(gòu)建、部署、運維應用和工作負載方式的企業(yè)級生成式AI助手Amazon Q。
期間，AWS生成式AI全球副總裁Vasi Philomin博士接受智東西等少數(shù)媒體的采訪。他告訴智東西，Amazon Q的命名來自007系列電影中給詹姆斯·邦德提供各種技術工具的著名軍需官Q(mào)；而Amazon Q之所以能成為企業(yè)業(yè)務的“懂王”，實現(xiàn)讓客戶能夠更輕松地探索新服務和功能、學習不熟悉的技術、構(gòu)建解決方案、發(fā)現(xiàn)問題、升級應用程序等多種復雜的任務，其背后不是單一模型，而是多種模型的組合。
過去五年，Vasi Philomin負責推出并管理了亞馬遜云科技的多項AI服務，包括語言類、視覺類、工業(yè)類AI服務以及開發(fā)者工具。在采訪中，他談論了AWS圍繞生成式AI落地、監(jiān)管等議題的見解，強調(diào)AWS擅長讓AI技術在現(xiàn)實世界的商業(yè)環(huán)境中真正有用，并將其所有的AI能力提供給客戶，以便企業(yè)在競爭中脫穎而出。
一、一款大模型不能包打天下，99.9%客戶不應構(gòu)建新的大模型
早在20世紀90年代，Vasi Philomin還在讀博士時，坐擁電商平臺的亞馬遜已經(jīng)大規(guī)模應用機器學習算法來為客戶推薦書籍。如今，亞馬遜有大量的AI落地用例，例如裝機量超過1億的智能語音助手Alexa，每周與用戶有超過10億次語音互動；在訂單履行中心，人類與機器人協(xié)作，每天搬運上百萬個包裹。
“我們知道如何利用這些東西，并將其應用于現(xiàn)實世界的業(yè)務問題與規(guī)模，這是我們正用通用人工智能做的事情?！盫asi Philomin說，這需要端到端的思考，在不同堆棧層上進行創(chuàng)新，最終客戶才能真正接受你的服務。
在他看來，在提供生成式AI服務方面，AWS有三點能力與眾不同：
首先，單一模型不能包攬一切，AWS提供不同種類的模型選擇，能夠以非常簡單的方式為客戶提供適合其業(yè)務工作負載的最佳模型組合。
其次，云計算企業(yè)會將相同的功能提供給所有客戶，那么企業(yè)如何利用這些功能才能變得與其競爭對手不同？企業(yè)自有的數(shù)據(jù)是關鍵?？蓪ν泄芑A模型進行訪問的Amazon Bedrock平臺提供了定制功能，讓企業(yè)能使用自己的數(shù)據(jù)私密且安全地定制模型，構(gòu)建差異化的生成式AI應用。
第三，亞馬遜自研基礎模型的Amazon Titan實現(xiàn)了多項升級，包括新增Amazon Titan Text Lite與Amazon Titan Text Express大語言模型、Amazon Titan多模態(tài)嵌入模型、Amazon Titan圖像生成器模型，這些均可微調(diào)。
其中，Amazon Titan圖像生產(chǎn)器的獨特之處在于從實際用例開始逆向工作，其工作方式不是考慮需要最好的圖像生成技術，而是首先了解它將用在哪里（廣告或營銷行業(yè)的創(chuàng)意人員定義新品、新公司想要創(chuàng)建一個品牌logo等），然后確定模型是什么、應用如何運作。AWS投入很多精力來確?，F(xiàn)實世界的偏見不會影響生成圖像。
在Vasi Philomin看來，99.9%的客戶不應該嘗試構(gòu)建新的大模型，這是沒有商業(yè)意義的，只有當你重新思考一個非常具體的業(yè)務，它才有意義。構(gòu)建大模型需要花費大量資金和人才，現(xiàn)有定制功能可以將構(gòu)建生成式AI應用的過程變得更便宜、更容易，把事情從幾個月減少到幾小時、從1億美元減少到不到100萬美元。
二、五個策略，確保實現(xiàn)負責任的AI
在取得客戶信任方面，進行上述工作時，AWS始終牢記企業(yè)客戶對隱私安全的需求，多年來已建立一系列安全控制，并在實現(xiàn)負責任AI的道路上做了五件事：
第一，護欄功能。企業(yè)可根據(jù)自身用例及負責任的AI政策，制定模型必須規(guī)避的主題，通過自動評估最終用戶的輸入和基礎模型的回應，提高模型對應用程序中不良內(nèi)容的響應方式的一致性，促進最終用戶與生成式AI應用的安全交互。
第二，模型評估功能。Amazon Bedrock的模型評估包括自動和人工評估，可幫助客戶評估、比較和選擇在構(gòu)建應用或用Agent來執(zhí)行自動化工作時哪個模型更適合他們。
第三，版權(quán)賠償。如果客戶使用Amazon Titan模型或其輸出內(nèi)容侵犯了第三方版權(quán)，AWS將對使客戶進行賠償?？蛻魺o需擔心版權(quán)訴訟。
第四，隱形水印。所有Amazon Titan模型生成的圖像都包含不可見水印，這些水印被設計成“拒絕更改”，對圖像被篡改具備抵抗力，有助于減少錯誤信息傳播，確保AI技術安全、透明。
第五，服務卡（Service Card）。這比模型卡（Model Card）更有意義，Model Card只針對一個模型來記錄模型檔案，為安全與倫理道德提供參考，但通常使用模型前后還有一些工作要做，因此需從系統(tǒng)的角度來看。AWS去年定義了超越模型功能的AI Service Card概念，解釋了構(gòu)建模型的目的、做法、限制、原則、隱私安全、偏見與公平等等，這些都有助于客戶決定如何以負責任的方式使用該模型。
“我認為我們今天所擁有的，足以讓客戶真正開始使用這個東西，并追求一些真正具有顛覆性的使用案例，這將改變他們今天所擁有的創(chuàng)新潛力?！盫asi Philomin說。
三、Agent擅長做的事，與還需解決的難題
Vasi Philomin也分享了對agent概念的理解。在他看來，GPT只是一個模型，而agent更像是一個工作流。Agent是基礎模型之上的抽象，本質(zhì)上是一個可以同時做兩件事的數(shù)字工作者：
第一，它可以幫助你快速創(chuàng)建一個了解業(yè)務特定知識的數(shù)字工作者。
你可以用工作流快速教它關于業(yè)務的知識，比如AWS今年推出的Agents for Amazon Bedrock功能，可通過簡單幾步創(chuàng)建和部署完全托管式的agent，借助特定業(yè)務的知識庫私有數(shù)據(jù)，動態(tài)調(diào)用API來執(zhí)行復雜的業(yè)務任務。這樣做能夠讓agent立即變成特定業(yè)務知識的專家。
第二，它可以幫你將工作自動化。
企業(yè)有很多內(nèi)部API，需要調(diào)用各個API來串聯(lián)業(yè)務邏輯。比如你在亞馬遜電商網(wǎng)站上買東西，收貨后想換一雙同一品牌、不同顏色的鞋，亞馬遜做的幕后工作是用agent實現(xiàn)的，其做法是創(chuàng)建一個agent，教agent所有內(nèi)部API和文件中的知識，比如一個API可以去查詢這個牌子是否有這種顏色的鞋子、一個API可以檢查顏色是否可用，一個API可以進行訂單交換。
現(xiàn)在agent會分解任務，首先用你所擁有的知識來了解業(yè)務，然后通過了解所有內(nèi)部API，收集調(diào)用API所需的信息，并決定何時調(diào)用它們。Agents for Amazon Bedrock功能使生成式AI應用能夠跨公司系統(tǒng)和數(shù)據(jù)源執(zhí)行多步驟任務。
Vasi Philomin告訴智東西，要加速AI agents的應用，需要解決如下問題：
第一步，創(chuàng)建一個企業(yè)就緒的agent框架，制定數(shù)據(jù)安全和隱私策略，確保調(diào)用API有正確的權(quán)限，為特定應用創(chuàng)建的agent可訪問相應信息。
下一步，今天尚且不能創(chuàng)建出一個可以教它100個API的agent并期望它知道調(diào)用哪些，因為其背后模型還沒那么強大，如果想做更復雜的事情，需要更多的科學進步。
當前的解法是把問題分解成更小的部分，創(chuàng)建多個有不同功能的agent，然后把這些agent所做的工作結(jié)合起來，最終完成任務。這要求開發(fā)人員做一些軟件開發(fā)工作，通過編寫代碼來解決每一個更小的部分再進行組合。
AWS的目標群體是企業(yè)開發(fā)人員，一直在思考客戶面臨的挑戰(zhàn)以及如何使用技術來幫助他們解決，希望為不同企業(yè)客戶提供解決方案，使他們嘗試做的事情變得更容易或更具成本效益，或者讓他們有機會做以前不可能做到的事情。
結(jié)語：推動生成式AI普惠的關鍵：私密安全定制，負責任地開發(fā)
圍繞生成式AI模型的創(chuàng)新正在重塑人們在工作和家庭中交互的許多應用，提升人類的生產(chǎn)力。隨著生成式AI日益普及，越來越多的企業(yè)關注如何在同等資源的基礎上取得競爭優(yōu)勢，以及如何以經(jīng)濟有效的方式將AI大規(guī)模應用于現(xiàn)實世界。對此，AWS認為企業(yè)使用私有數(shù)據(jù)打造更懂得自身業(yè)務、更懂客戶的生成式AI應用至為關鍵。
看向未來，Vasi Philomin向智東西總結(jié)了他所關注的生成式AI關鍵挑戰(zhàn)：一是企業(yè)就緒，必須真正關心企業(yè)的數(shù)據(jù)和數(shù)據(jù)治理，關心誰有權(quán)利訪問這些東西，與通用人工智能緊密結(jié)合，這是許多客戶選擇AWS的真正原因；二是取得客戶信任，負責任地解決一些挑戰(zhàn)，這仍然需要做很多工作，隨著時間推移，基礎模型會變得更強大，能在未來實現(xiàn)更復雜任務的自動化。
