利用AI/ML推动创新，释放新机遇

关键字: [Amazon Web Services re:Invent 2023, Amazon Bedrock, Generative Ai, Unlock Opportunities, Improve Productivity, Enhance Customer Experience, Optimize Business Processes]

本文字数: 1500, 阅读完需: 8 分钟

视频

如视频不能正常播放，请前往bilibili观看本视频。>> https://www.bilibili.com/video/BV1mM411d7Am

导读

AI/ML 不再是仅由大型科技公司使用的时髦词。所有业务都可以通过 AI/ML 得到改善。尽管如此，许多业务和IT领导者仍在努力采用 AI/ML，解决真正的业务挑战。在本论坛中，了解机器学习用例、AI/ML 生命周期、机器学习的基本概念（包括生成式 AI），以及不同利益相关者在不同阶段中发挥的作用。了解如何使用 AI/ML，克服业务挑战。

演讲精华

以下是小编为您整理的本次演讲的精华，共1200字，阅读时间大约是6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。

The video lecture primarily discussed how enterprises can strategically harness the power of artificial intelligence and machine learning (AI/ML) to drive innovation and unlock new opportunities. As a senior solutions architect at Amazon Web Services, Michael Patel and Rana Gupta, both experienced speakers, engage audiences through captivating discussions on how to fully leverage AI/ML to create business value.

At the outset of the lecture, Michael acknowledged that although most people view AI/ML as the future, many businesses still struggle to realize its full potential and value. This challenge served as the impetus for today's lecture, aimed to provide actionable insights on best practices so that attendees can apply these lessons in their own organizations.

Next, he outlined the lecture agenda, beginning with developing effective AI/ML strategies, then leveraging generative AI to drive innovation, reviewing common use cases, and finally, outlining the categories of AI/ML, including traditional machine learning, deep learning, and generative AI.

In discussing the first portion on AI/ML strategies, Michael broke down a common misconception that skills and technology are the primary obstacles to AI/ML adoption. Citing a study by Gartner, he showed that business and data-related challenges are actually more prevalent than talent and tools.

He further explained that few companies truly understand how to apply AI/ML across different business departments to create value. As a result, businesses miss out on numerous opportunities during their operational processes. Additionally, most companies have not successfully popularized data access, leading to information being isolated and unavailable for teams to build solutions.

To overcome these barriers, leading enterprises adopt an outside-in approach, starting with customer needs or problems rather than focusing on technology. By first understanding customer needs and potential AI/ML applications that align with the company's top-level goals, a accurate assessment of the business case and expected impact of proposed investments can be made.

Michael emphasized that during the conceptual stage, excessive focus on technology should be avoided. The correct mindset should be to fall in love with problems or opportunities, rather than solutions. Although AI/ML is a valuable enabler, relying solely on technology itself cannot produce impact. Companies must always keep customers' needs and business objectives front and center.

通过推荐过程，他建议首先识别目标客户和他们的痛点。接着，确定这些客户从新的AI/ML解决方案中所获得的益处。最后，评估该计划如何与总体企业目标（如增加收入、降低成本或扩大市场份额）相对应。遵循这种方法将产生具有实际商业价值的解决方案。

在明确问题和目标之后，接下来的关键步骤是识别用于喂养AI/ML模型的数据。Mihir强调，即使使用生成性AI，数据仍然是构建有效解决方案的关键差异因素。团队需要记录并访问训练算法所需的内部和外部数据。他指出，数据质量也构成了一个重要障碍，因为信息被困在公司内的孤立数据区中。解决数据的可访问性和治理问题对于给AI/ML引擎提供动力至关重要。

通过现实生活中的例子，Mihir引用了IDC的一项研究，强调了公司努力通过AI/ML实现的最常见的业务目标。这些包括提高运营效率、改善客户体验、提高员工生产力和加速创新。

在客户体验方面，个性化和虚拟助手代表了高价值的使用案例。个性化的内容大大改善了用户参与度。能够理解客户服务互动全程的智能虚拟助手降低了成本和挫败感。

对于员工生产力，会议总结和代码生成节省了大量时间。总结消除了对手动记录关键讨论要点的需求。自动代码生成加快了开发人员的速度，使新产品功能更快地交付。

作为证据，亚马逊云科技的名为CodeWhisperer的生成性AI服务使内部团队的开发者生产力提高了50-60%。这展示了AI/ML的巨大潜力，可以放大人类表现。

在评估运营效率时使用案例中，一个常见需求是从诸如文档等非结构化数据源中提取信息。可以从各种文档类型中提取结构化数据，并将其纳入业务工作流程和流程自动化中。这减少了手动工作，同时提高了准确性。

米尔希尔对人工智能和机器学习的分类进行了概括，特别指出了传统机器学习依赖历史标记数据集进行预测或分类的方法。而深度学习则借助神经网络从复杂的非结构化数据（如图像、视频和语音）中发掘模式和抽象含义。

例如，生成性AI模型如GPT-3就是在大量数据上进行训练的，使其能够生成内容并处理更高级的任务。其先进的架构已学会整个句子和文档中词汇之间的相关性，从而产生高质量的结果。

米尔希尔分享了一些使用大型语言模型的技巧，强调了精心设计提示以塑造预期回应的重要性。此外，通过检索增强生成来提供相关背景可以降低幻觉风险。他还提到，在某些情况下，需要根据领域特定数据进行微调，因为模型并非在公司特定数据上预先训练的。

这时，米尔希尔邀请同事拉纳·古普塔来谈谈公司在实际业务挑战中部署生成性AI的一些具体案例。

拉纳提供了一些在医疗保健领域的引人注目的应用实例，展示了如何通过汇总临床笔记来生成患者出院报告的平台。这大大节省了行政工作和努力。他还解释了制药公司如何利用生成性AI来加速药物发现，以及评估过去成功药物的分子结构。

在金融服务领域，拉纳指出智能聊天机器人可以处理完整的抵押贷款申请，与客户互动回答问题并引导他们完成整个过程。对于投资分析师，AI助手可以自动化枯燥和手动的编码及可视化任务，使专家能专注于更高价值的活动。

在营销和电子商务领域，生成性模型可以根据客户兴趣定制促销电子邮件和网页内容，基于过去的高性能材料。零售商正在使用虚拟试穿技术来减少购买过程中的摩擦。拉纳还强调，对话搜索也在逐渐流行起来，AI聊天机器人使得员工能够查询大量的公司文件和数据。

Bedrock，作为亚马逊云科技的一款强大的生成性AI服务，为用户提供了便捷的途径。据Rana介绍，该服务使得领先的基础模型能够轻松地通过其游乐设施和API被访问。这使得团队在无需具备AI/ML专业知识的情况下，也能够尝试和构建解决方案。

Bedrock的主要功能包括在自有数据上进行轻松定制、自动化重复任务的工作流程以及创建模拟人类行为的AI代理。用户可以选择顶级的模型，如GPT-3、PaLM、Anthropic的Claude以及亚马逊自家的TITAN。Rana强调，Bedrock代理能够通过利用自然语言指令，以极少的编码量自动执行手动过程。

最后，Rana建议用户明确自身需求，利用专属数据来开发各具特色的AI解决方案。他强调，每个业务领域都能从生成性AI中获益，并鼓励团队与亚马逊云科技展开合作，以帮助他们顺利地完成AI/ML之旅。关键在于关注解决商业挑战，而非仅仅沉溺于技术本身。只有将AI/ML规划与公司目标保持一致，企业才能推动创新并借助这一强大能力组合开拓新的机遇。

下面是一些演讲现场的精彩瞬间：

AI聊天机器人利用基础模型在对话中回应非主题问题，为用户带来相较于传统规则驱动聊天机器人更自然的互动体验。

领导者展示了如何通过Jasper构建一个能够回答公司财务数据问题的聊天机器人，从而实现开放式自然语言交流。

领导者们还探讨了Bridgewater Associates如何借助自动化技术提高投资分析师任务的效率和价值。

演讲者展示了一个名为Bedrock的系统，能够在没有明确提示所有详细信息的情况下生成具有吸引力的运动鞋营销电子邮件。

亚马逊云科技的领导者热情地向观众解释了如何使用Bedrock轻松构建AI代理——只需用简单的英语描述它需要完成的任务。

总结

演讲者强调，尽管人工智能（AI）和机器学习（ML）技术具有巨大潜力，但很少有组织已成功地将它们与业务目标相结合。最大的障碍并非技能或技术问题，而是确定适用场景和使数据可用。为了克服这些挑战，企业应首先了解客户需求，构建问题框架，并确定所需数据。随后，可将AI/ML技术应用到整个企业，通过个性化和虚拟助手提升客户体验，通过会议摘要和代码生成提高员工生产力，以及从文档中提取见解以优化流程。深度学习特别适用于处理像图像、视频和语音这样的复杂非结构化数据。在大量数据集上训练后，生成性AI可以产生新颖内容，推动创新，如聊天机器人和药物发现。在使用生成性模型时，应给予明确提示以塑造语气和工作风格。检索相关数据以提供背景并减少误解。使用领域特定数据进行模型的微调。总之，关注解决业务问题，而不仅仅是实施技术。演讲者分享了大量的AI/ML应用示例，并鼓励从小规模开始，专注于客户的试点项目。凭借正确的策略，组织的每个部分都可以借助AI/ML实现创新和新的机遇。

演讲原文

https://blog.csdn.net/just2gooo/article/details/134795173

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

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，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”

【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”

亚马逊云科技是谁？

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者，自 2006 年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持几乎云上任意工作负载。亚马逊云科技目前提供超过 200 项全功能的服务，涵盖计算、存储、网络、数据库、数据分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及 31 个地理区域的 99 个可用区，并计划新建 4 个区域和 12 个可用区。全球数百万客户，从初创公司、中小企业，到大型企业和政府机构都信赖亚马逊云科技，通过亚马逊云科技的服务强化其基础设施，提高敏捷性，降低成本，加快创新，提升竞争力，实现业务成长和成功。