يهدف وابل Amazon AWS من إعلانات Gen AI إلى التفوق على Microsoft

تتمثل الإستراتيجية الأخرى في هدم الصوامع بين قواعد بياناتها المختلفة، بحيث يمكن لعملاء المؤسسات الاستفادة بسهولة أكبر من بيانات الملكية الخاصة بهم عند استخدام LLMs – وأظهرت AWS أنها تريد بشدة اللحاق بشركة Microsoft هناك. لقد حققت Microsoft أداءً جيدًا من خلال المضي قدمًا في عرض Fabric الخاص بها، لإزالة الحاجة إلى إجراء عمليات ترحيل بيانات مكلفة وتستغرق وقتًا طويلاً بين قواعد البيانات.

مع أخذ كل ذلك في الاعتبار، إليك إعلانات Gen AI الرئيسية اليوم:

1. المزيد من خيارات LLM، خاصة عبر نموذج Anthropic’s Claude 2.1: من خلال Bedrock، تمتلك Amazon AWS لقد وفرت بالفعل لعملاء المؤسسات إمكانية الوصول إلى النماذج مثل نموذج الأساس المُدرب مسبقًا الخاص به، Titan، بالإضافة إلى نماذج الأساس من أطراف ثالثة، مثل Jurassic من AI21، وAnthropic’s Claude، وMeta’s Llama 2، وStable Diffusion.

كما كان متوقعًا، أعلن Sivasubramanian عن المزيد من الدعم النموذجي لشريك أمازون، Anthropic، بعد ذلك استثمار أمازون الكبير في تلك الشركة في سبتمبر. لقد تحدث كثيرًا عن دعم Bedrocks لنماذج Anthropic’s Claude، والتي تعتبر قوية في مهام مثل التلخيص والتفكير المعقد. وأعلن دعم كلود 2.1 النموذج صدر الأنثروبي قبل أسبوعين، الذي يحتوي على نافذة سياق رمزية رائدة في الصناعة تبلغ 200 ألف رمز، ودقة محسنة، ونصف عدد الهلوسة مقارنة بنموذجه السابق. أصبحت AWS أول مزود سحابي يدعم Claude 2. كما أعلن عن دعم Bedrocks لـ Meta’s Llama 2, 70B، وهو نموذج مفتوح المصدر – مما يوضح دعم AWS المستمر للمصدر المفتوح

2. دعم تضمينات المتجهات متعددة الوسائط: تضمينات المتجهات هي تقنية تقوم بترجمة النصوص والملفات الأخرى إلى تمثيلات رقمية تسمى المتجهات. تسمح هذه المتجهات للنماذج بفهم العلاقات بين الكلمات المتشابهة بسهولة أكبر، على سبيل المثال، كلمة “قطة” قريبة في المعنى من كلمة “قطة صغيرة”. إنها تسمح للنماذج بإنتاج استجابات أكثر صلة بالمستخدمين الذين يبحثون عن الأشياء. أعلنت أمازون سابقًا عن تضمينات Titan Text لهذا الغرض، واستخدمتها داخليًا لتوصيات منتجاتها على أمازون – لكنها عملت فقط على النص.

لكن سيفاسوبرامانيان قال إن الشركات تطلب إمكانات بحث متعددة الوسائط، على سبيل المثال قد يرغب متجر أثاث في السماح لعملائه بالبحث عن أريكة باستخدام صورة لشيء يبحثون عنه، ويمكن أن يسمح البحث متعدد الوسائط لمتجر الأثاث هذا لتقديم أقرب أريكة من قاعدة بياناتها التي تضم آلاف الصور. يمكنهم أن يطلبوا “أرني ما الذي يناسب أريكتي”.

لذلك أعلن Sivasubramanian اليوم عن التوفر العام لـ Titan Multi-model Embeddings، مما يسهل تقديم خيارات بحث وتوصية متعددة الوسائط داخل LLMs.

3. نماذج إنشاء النص Titan TextLite وTitan TextExpress متاحة الآن بشكل عام: TextLite هو نموذج خفيف الوزن وجيد لتلخيص النص داخل برامج الدردشة الآلية وكتابة النصوص والضبط الدقيق، ويعتبر Titan TextExpress مفيدًا لإنشاء نص مفتوح والدردشة التحادثية.

4. تيتان مولد الصور، متوفر في وضع المعاينة، وينتج علامات مائية غير مرئية للأمان (انظر قصتنا الكاملة المنفصلة حول هذا): يمكّن هذا النموذج العملاء من إنتاج صور واقعية عالية الجودة لتحسين الصور الموجودة باستخدام مطالبات لغة بسيطة. يمكن للمستخدمين تخصيص الصور باستخدام بياناتهم الخاصة لإنشاء محتوى يعكس علامتهم التجارية الخاصة. وقال سيفاسوبرامانيان إنه تم تدريبه على مجموعة متنوعة من البيانات لتمكين مخرجات دقيقة، كما تم تصميمه أيضًا للتخفيف من السمية والتحيز.

وقال إن الاختبارات التي أجريت مع مقيمين بشريين أعطت النموذج درجات أعلى من النماذج المنافسة. كما أن جميع الصور التي تم إنشاؤها باستخدام النموذج تأتي مع علامة مائية غير مرئية بشكل افتراضي، “مصممة للمساعدة في تجنب انتشار المعلومات المضللة… وتكون مقاومة للتلاعب”. وقال إن Titan Image Generator هو المنتج الأول في السوق الذي يحمل مثل هذه العلامات المائية.

خلال كلمته الرئيسية، استخدم سيفاسوبرامانيان مثال صورة الإغوانا لإظهار ميزات تحرير النموذج. إحدى الميزات، تسمى “outpainting”، تسمح للمستخدم باستبدال خلفية الصورة، وفي هذه الحالة استبدل Sivasubramanian الخلفية العادية بصورة غابة مطيرة. وأوضح أيضًا كيف يمكنه تغيير الموضوع الرئيسي، في هذه الحالة الإغوانا نفسها، وكيف يمكنك استخدام اللغة الطبيعية لتقول، قم بتغيير الاتجاه الذي تواجهه الإغوانا.

5. جعل عملية الاسترجاع المعززة (RAG) أسهل: تستخدم الشركات RAG للسماح لحاملي LLM بالبحث في مخازن البيانات الخاصة بهم، ولكن RAG يمكن أن يكون معقدًا. يتعين على المهندسين تحويل البيانات إلى تضمينات متجهة، وتخزينها في قواعد بيانات متجهة، وقد يستغرق الأمر أسابيع، إن لم يكن أشهرًا. أعلنت أمازون أمس عن KnowledgeBase لـ Amazon Bedrock، لتسهيل الأمر – مما يسمح لمستخدمي المؤسسات ببساطة بتوجيه LLM إلى موقع بياناتهم مثل دلو S3. بهذه الطريقة، تقوم AWS Bedrock بجلب النص أو المستندات ذات الصلة وإجراء جميع تحويلات المتجهات تلقائيًا. وهو يعمل مع قواعد بيانات المتجهات الشائعة، مثل Vector Engine وRedis Enterprise Cloud وPinecone. واليوم، أعلنت أمازون عن دعم Amazon Aurora وMongoDB والمزيد من قواعد البيانات “قريبًا”.

6. تقييم النموذج على Amazon Bedrock في المعاينة: هذه طريقة للشركات لتقييم ومقارنة واختيار أفضل نموذج أساس لحالات الاستخدام الخاصة بها.

7. تطبيق “وكيل” افعله بنفسك يسمى RAG ديي: لقد أصبح وكلاء الذكاء الاصطناعي التوليدي شائعين مؤخرًا لأنهم يستطيعون التصرف بشكل مستقل إلى حد ما. الوكلاء عبارة عن تطبيقات ذكاء اصطناعي تنفذ مهام معقدة عن طريق استدعاء واجهات برمجة التطبيقات المختلفة ديناميكيًا، وقد دعمت أمازون ذلك من خلال Agents for Amazon، والذي أصبح متاحًا بشكل عام بالأمس.

هذا الصباح، عرض Sivasubramanian وكيلًا افتراضيًا يُدعى RAG DIY لإظهار ما يمكن للوكلاء فعله. يتيح مساعد RAG DIY المدعوم من LLM، والذي يعتمد على Claude 2 داخل Bedrock، للأشخاص القيام بالمشاريع المنزلية وغيرها من خلال السماح لهم باستخدام أسئلة اللغة الطبيعية. أعطى سوامي مثالاً لامرأة تريد استبدال منضدة حمامها. يمكنها أن تسأل المساعد عن أي نوع من المنتجات، وتحصل على قائمة بالخطوات التفصيلية والمواد والأدوات، بالإضافة إلى التصاريح اللازمة. يستفيد المساعد من مدخلات المستخدم لإنشاء صور للمشروع، عن طريق استدعاء مولد الصور Titan الخاص بأمازون. يستخدم تطبيق RAP DIY تضمينات النماذج متعددة الوسائط للبحث في مخزونه الشامل واسترداد جميع المنتجات التي ستحتاجها لمشروعها. يمكن للمساعد أن يقدم لها ملخصًا لمراجعات المستخدم لأي منتج، من خلال استدعاء نموذج Cohere’s Command، المتخصص في المهام الموجزة.

8. مركز Gen AI Innovation لمساعدة الشركات على بناء نماذج مخصصة: أعلنت AWS عن مركز الابتكار في وقت سابق من هذا العام، كوسيلة لتقديم مساعدة الخبراء لشركات المؤسسات لبناء النماذج الأساسية، بما في ذلك الخبرة في علوم البيانات والاستراتيجية. أعلنت AWS أنها ستوفر دعمًا مخصصًا للبناء حول نماذج Anthropic’s Claude، بدءًا من العام المقبل، بما في ذلك توفير فريق من الخبراء للمساعدة في تخصيص النماذج مع الضبط الدقيق باستخدام البيانات الخاصة بهم.

9. ينتقل Sagemaker Hyperpod للتدريب النموذجي إلى GA: تجد الشركات بشكل متزايد أن عملية تدريب النماذج الأساسية يمكن أن تكون صعبة للغاية. فهو يتطلب كميات هائلة من البيانات وإنشاء وصيانة مجموعات باهظة الثمن من الآلاف من مسرعات الذكاء الاصطناعي، وكتابة التعليمات البرمجية لتوزيع التدريب النموذجي عبر المجموعات. يمكن لـ Hyperpod القيام بكل هذا نيابةً عنك، وذلك بفضل إعلانات Amazon الأخيرة مع Nvidia لتأمين الوصول إلى أحدث مجموعات GPU. قالت AWS إن Hyperpod يمكنه تقليل وقت تدريب النموذج بنسبة تصل إلى 40 بالمائة. أعلنت AWS أيضًا عن عدد كبير من ميزات Sagemaker الأخرى عبر مجالات الاستدلال والتدريب وعمليات MLOps.

10. تكامل كبير لقاعدة البيانات، بما في ذلك دعم المتجهات. تقدم أمازون أكبر مجموعة من قواعد البيانات السحابية لشركات المؤسسات التي تدير البيانات، لكن قواعد البيانات هذه ظلت منعزلة، مما يجعل من الصعب على شركات المؤسسات أن تتمكن من الوصول إليها بسهولة باستخدام حاملي شهادات LLM. لقد فهمت أمازون الرسالة، وهي تعمل بكل قوة لكسر تلك الصوامع، مدفوعة بجهود مايكروسوفت. الترويج لمبادرة النسيجوالتي يقول بعض المحللين إنها أعطتها ميزة على أمازون. بدأت أمازون في الاستثمار فيما يسمى برؤية صفر ETL، والتي بدأت في تنفيذها العام الماضي بدمج بعض قواعد البيانات الخاصة بها، مثل Aurora وRedshift.

أعلنت AWS اليوم عن تكامل Amazon OpenSeach وAmazon S3، والذي يتيح للمستخدمين تحليل جميع بيانات السجل الخاصة بهم وتصورها في مكان واحد دون إنشاء أي خطوط أنابيب ETL. يأتي ذلك بعد أن أعلنت أمازون أمس عن عمليات تكامل صفرية لـ ETL بين قاعدة بيانات Redshift Lakehouse وقواعد بيانات Aurora Postgres وDynamo DB وRedis MySQL الشهيرة، وكذلك بين DynamoDB وOpenSearch.

لكن رغبة المؤسسة في التكامل تتضمن أيضًا السماح بتخزين البيانات المتجهة والاستعلام عنها في قواعد بيانات متعددة. وأضافت أمازون مؤخرًا دعم البحث المتجه إلى Aurora MySQL من Amazon، وهي قاعدة بيانات علائقية قائمة على السحابة. وفي يوليو، أمازون أطلقت قدرة قاعدة بيانات المتجهات، محرك المتجهات، لمنتج OpenSearch Serverless، في وضع المعاينة. اليوم، تم نقل هذا إلى التوفر العام.

أعلنت AWS اليوم أيضًا أن DocumentDB وDynamoDB، وهما من قواعد البيانات الأكثر شهرة لديها، مدعومتان بالبحث المتجه، وأن عملاء DocumentDB يمكنهم تخزين بيانات المصدر وبيانات المتجهات معًا في نفس قواعد البيانات

11. البحث المتجه متاح لقاعدة البيانات في الذاكرة لـ Redis (وضع المعاينة). سلط سيفاسوبرامانيان الضوء على حاجة الشركات الكبيرة التي تركز على الأمن مثل البنوك إلى استخدام بحث متجه “فائق السرعة” لحالات الاستخدام مثل اكتشاف الاحتيال أو روبوتات الدردشة في الوقت الفعلي. وقال إن DB for Redis يمكنه الآن تخزين ملايين المتجهات، وتقديم أوقات استجابة مكونة من رقم واحد بالمللي ثانية لاستعلامات المتجهات.

12. الجمع بين تحليلات نبتون، الآن في جورجيا: أضاف سيفاسوبرامانيان أن العملاء يبحثون عن طرق للاستفادة من تحليلات الرسم البياني لتحليل البيانات المترابطة، ولذلك تجمع أمازون بين البحث المتجه والقدرة على القيام بتحليلات الرسم البياني للكشف عن المزيد من العلاقات الخفية عبر البيانات – وهو ما يمكن أن يجعل ماجستير إدارة الأعمال أكثر قوة. Neptune Analytics هو محرك تحليلات لقاعدة بيانات الرسوم البيانية لـ Amazon Neptune، ويسمح لعلماء البيانات بالعثور على رؤى في بيانات الرسم البياني لـ Amazon Neptune، أو مستودعات البيانات الخاصة بهم على S3، بسرعة تصل إلى “80 مرة” أسرع من السابق. يقوم بتخزين بيانات الرسم البياني والمتجه معًا. أعطى سيفاسوبرامانيان مثالاً لشركة Snap، وهي الشركة التي تستخدم Neptune Analytics للعثور على مليارات الاتصالات من بين 50 مليون مستخدم نشط “في ثوانٍ معدودة”.

13. السماح لأطراف ثالثة بإجراء التعلم الآلي على بيانات غرف الأبحاث الخاصة بك (وضع المعاينة): أعلنت أمازون عن قدرة العملاء على مشاركة بياناتهم مع أطراف ثالثة في ما يسمى بالغرف النظيفة، ومن ثم السماح لهم بتشغيل نماذج التعلم الآلي (ML) على البيانات للحصول على رؤى تنبؤية. تسمى الخدمة AWS Clean Rooms ML. وبينما تتوفر نماذج تعلم الآلة الأساسية الآن، قال سيفاسوبرامانيان إن الرعاية الصحية المتخصصة ونماذج أخرى ستكون متاحة في “الأشهر المقبلة”.

14. Amazon Q لـ SQL التوليدي في Amazon Redshift. أمازون كيو هو مساعد مدعوم بالذكاء الاصطناعي ومصمم خصيصًا لشركة معينة، وكان أبرز ما في إعلانات AWS أمس. أعلنت أمازون اليوم أن Q يمكنها دعم SQL، وهي لغة الترميز الرئيسية التي يستخدمها العملاء للاستعلام عن الملفات بشكل يومي. في بعض الأحيان يمكن أن تكون استعلامات SQL هذه معقدة، ولكن الآن يمكن للمستخدمين استخدام Q لتحويل مطالبات اللغة الطبيعية إلى توصيات مخصصة للاستعلامات، والتي يمكن استخدامها لتحليل بيتابايت من البيانات غير المنظمة في Redshift Lakehouse في Amazon. إنه متاح في المعاينة. ستتمكن أيضًا قريبًا من استخدام Q لإنشاء خطوط أنابيب لتكامل البيانات باستخدام اللغة الطبيعية (وهو ما تسميه AWS Amazon Glue).

مهمة VentureBeat هو أن تكون ساحة مدينة رقمية لصانعي القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف ملخصاتنا.