智東西（公眾號：zhidxcom）
作者 | ZeR0
編輯 | 漠影
如何應用人工(gong)智能（AI）進行創新和增(zeng)強業(ye)(ye)務競爭力？這是(shi)當下許多企(qi)業(ye)(ye)正在(zai)思考(kao)的方(fang)向。在(zai)生成式(shi)AI和大(da)模型熱潮(chao)驅動(dong)下，各家(jia)云(yun)計(ji)算巨頭(tou)都在(zai)摩拳(quan)擦(ca)掌(zhang)，從計(ji)算層、平臺(tai)與工(gong)具層到應用層，提供面(mian)向企(qi)業(ye)(ye)生成式(shi)AI訓練(lian)和部署(shu)的多元選項。
每年舉行的云計算盛會AWS?re:Invent大(da)會，是(shi)科技行業具(ju)有(you)參考意(yi)義的(de)“風(feng)向標”之(zhi)一。在今年11月底舉行的(de)re:Invent大(da)會上，全球最大(da)公(gong)有(you)云巨頭亞馬遜云科技（AWS）全面披露了其生成(cheng)(cheng)式(shi)(shi)(shi)AI技術(shu)堆棧，并公(gong)布(bu)多項(xiang)生成(cheng)(cheng)式(shi)(shi)(shi)AI新(xin)(xin)服務、新(xin)(xin)工具(ju)，特別(bie)是(shi)改變用戶(hu)構建、部署(shu)、運維應用和工作負載方式(shi)(shi)(shi)的(de)企業級生成(cheng)(cheng)式(shi)(shi)(shi)AI助手Amazon Q。
期間，AWS生成(cheng)式AI全球副(fu)總裁Vasi Philomin博士接受智(zhi)東西(xi)等(deng)(deng)少數媒體的(de)采訪。他(ta)告(gao)訴智(zhi)東西(xi)，Amazon Q的(de)命(ming)名(ming)來自007系(xi)列(lie)電影中給詹姆(mu)斯·邦德(de)提(ti)供各(ge)種技(ji)術工具的(de)著名(ming)軍需官Q；而Amazon Q之所以(yi)能(neng)成(cheng)為企業(ye)業(ye)務(wu)(wu)的(de)“懂王”，實現(xian)讓客(ke)戶能(neng)夠更輕松(song)地(di)探索新(xin)服務(wu)(wu)和功能(neng)、學習不熟悉(xi)的(de)技(ji)術、構建解決(jue)方案、發現(xian)問題、升級應用程(cheng)序等(deng)(deng)多(duo)種復雜(za)的(de)任(ren)務(wu)(wu)，其背后不是單一模型(xing)，而是多(duo)種模型(xing)的(de)組合。
過去五年，Vasi Philomin負責(ze)推出(chu)并(bing)管理了(le)亞馬遜云科(ke)技(ji)(ji)的(de)多項AI服務，包括語言類(lei)、視覺(jue)類(lei)、工業(ye)(ye)類(lei)AI服務以(yi)及開(kai)發(fa)者工具。在(zai)(zai)采(cai)訪中，他談(tan)論了(le)AWS圍繞(rao)生成式AI落地、監管等議(yi)題的(de)見解，強調AWS擅長讓AI技(ji)(ji)術在(zai)(zai)現(xian)實(shi)世(shi)界的(de)商業(ye)(ye)環境中真(zhen)正(zheng)有(you)用，并(bing)將其所有(you)的(de)AI能(neng)力提(ti)供(gong)給(gei)客(ke)戶，以(yi)便企業(ye)(ye)在(zai)(zai)競爭中脫穎而出(chu)。
一、一款大模型不能包打天下，99.9%客戶不應構建新的大模型
早在(zai)20世紀90年代，Vasi Philomin還(huan)在(zai)讀博士時，坐擁電商平(ping)臺的亞馬遜已經大規(gui)模應(ying)用(yong)機器學習算(suan)法來(lai)為客戶(hu)(hu)推薦書籍。如今，亞馬遜有大量(liang)的AI落地用(yong)例，例如裝機量(liang)超過(guo)1億(yi)的智能語(yu)音助手Alexa，每(mei)周與(yu)用(yong)戶(hu)(hu)有超過(guo)10億(yi)次語(yu)音互(hu)動；在(zai)訂單(dan)履行中心(xin)，人類與(yu)機器人協(xie)作，每(mei)天搬運上百(bai)萬個包裹。
“我們知(zhi)道如何(he)利用這些(xie)東西，并將其應用于現實世界的(de)業務(wu)問題與規模，這是我們正用通用人工智能做的(de)事(shi)情。”Vasi Philomin說(shuo)，這需要端到端的(de)思考，在不(bu)同(tong)堆(dui)棧層上進行(xing)創(chuang)新(xin)，最終客戶才能真正接(jie)受你的(de)服(fu)務(wu)。
在(zai)他(ta)看來，在(zai)提供生(sheng)成式AI服務方面，AWS有三點能力(li)與眾不(bu)同：
首先，單(dan)(dan)一模型(xing)不能包(bao)攬一切(qie)，AWS提(ti)供(gong)不同種類的(de)模型(xing)選擇，能夠(gou)以非常簡(jian)單(dan)(dan)的(de)方(fang)式為客(ke)戶提(ti)供(gong)適合其業務工作(zuo)負載的(de)最(zui)佳模型(xing)組合。
其次，云計算(suan)企(qi)(qi)業(ye)會(hui)將相同的功能提(ti)供給(gei)所有客(ke)戶，那么企(qi)(qi)業(ye)如何(he)利用這(zhe)些功能才能變得與其競爭對手(shou)不同？企(qi)(qi)業(ye)自有的數據是關鍵。可對托(tuo)管基礎(chu)模型進(jin)行訪問的Amazon Bedrock平(ping)臺提(ti)供了定(ding)制功能，讓企(qi)(qi)業(ye)能使用自己的數據私密且安全(quan)地定(ding)制模型，構建差異化的生成式AI應(ying)用。
第三，亞(ya)馬遜(xun)自研基(ji)礎模型(xing)的Amazon Titan實現了多項升級，包括新增Amazon Titan Text Lite與Amazon Titan Text Express大語言模型(xing)、Amazon Titan多模態嵌入模型(xing)、Amazon Titan圖像生成器模型(xing)，這(zhe)些均可微調(diao)。
其中，Amazon Titan圖(tu)(tu)像(xiang)生產器的(de)獨特之處(chu)在于從實(shi)際用(yong)例開始逆向工作(zuo)，其工作(zuo)方(fang)式(shi)不是(shi)考慮需要最好的(de)圖(tu)(tu)像(xiang)生成(cheng)技術，而是(shi)首先了解它將用(yong)在哪里(li)（廣告或營(ying)銷行(xing)業的(de)創意人員定義新品(pin)、新公司想要創建(jian)一個品(pin)牌logo等），然后確定模型是(shi)什么、應用(yong)如何運作(zuo)。AWS投(tou)入很多(duo)精力來確保現實(shi)世界的(de)偏見(jian)不會影響生成(cheng)圖(tu)(tu)像(xiang)。
在Vasi Philomin看來，99.9%的(de)(de)(de)客(ke)戶不(bu)應該嘗試構建新的(de)(de)(de)大模型，這是(shi)沒有(you)商(shang)業(ye)(ye)意義的(de)(de)(de)，只有(you)當你重(zhong)新思考一(yi)個非常具體的(de)(de)(de)業(ye)(ye)務，它才有(you)意義。構建大模型需要花費大量資金和人(ren)才，現有(you)定制功能可以將構建生成式(shi)AI應用的(de)(de)(de)過程(cheng)變得更便(bian)宜(yi)、更容易，把事情從(cong)幾(ji)個月減(jian)(jian)少(shao)到(dao)幾(ji)小時、從(cong)1億美元(yuan)減(jian)(jian)少(shao)到(dao)不(bu)到(dao)100萬美元(yuan)。
二、五個策略，確保實現負責任的AI
在(zai)取得客(ke)戶(hu)信任方面，進行上述工作(zuo)時(shi)，AWS始終牢(lao)記企業客(ke)戶(hu)對隱私安全的需求，多年來已建立一系列安全控制(zhi)，并在(zai)實(shi)現負(fu)責(ze)任AI的道路上做了五件事(shi)：
第一，護欄功能。企(qi)業可(ke)根據自身(shen)用(yong)(yong)例及(ji)負責任的(de)AI政策，制定(ding)模(mo)型必須規避的(de)主題，通(tong)過自動(dong)評估最(zui)終(zhong)(zhong)用(yong)(yong)戶(hu)的(de)輸入和基礎模(mo)型的(de)回應，提高模(mo)型對應用(yong)(yong)程序中(zhong)不良內容的(de)響應方(fang)式(shi)的(de)一致性，促進最(zui)終(zhong)(zhong)用(yong)(yong)戶(hu)與生(sheng)成式(shi)AI應用(yong)(yong)的(de)安全交(jiao)互。
第二，模型評估功能。Amazon Bedrock的模(mo)型評(ping)(ping)估包括自(zi)動和人工評(ping)(ping)估，可幫助(zhu)客戶評(ping)(ping)估、比較(jiao)和選擇(ze)在構建(jian)應(ying)用或用Agent來執(zhi)行(xing)自(zi)動化(hua)工作時哪個模(mo)型更適(shi)合他們。
第三，版權賠償。如果(guo)客(ke)戶(hu)使用Amazon Titan模型或其輸出內(nei)容侵犯了第三(san)方版權(quan)，AWS將(jiang)對使客(ke)戶(hu)進行賠償。客(ke)戶(hu)無需擔心(xin)版權(quan)訴訟。
第四，隱形水印。所有(you)Amazon Titan模型生成的(de)圖像(xiang)都包(bao)含不可見水印，這些水印被設計成“拒絕更改”，對(dui)圖像(xiang)被篡改具備抵(di)抗力，有(you)助于(yu)減少錯誤信息傳播，確(que)保AI技(ji)術安(an)全、透(tou)明。
第五，服務卡（Service Card）。這比模(mo)型(xing)(xing)(xing)(xing)卡(ka)（Model Card）更有(you)意義(yi)，Model Card只(zhi)針對一個模(mo)型(xing)(xing)(xing)(xing)來(lai)記(ji)錄模(mo)型(xing)(xing)(xing)(xing)檔案，為安全與(yu)倫理道德提供(gong)參考，但(dan)通常使用(yong)模(mo)型(xing)(xing)(xing)(xing)前后還(huan)有(you)一些工(gong)作要做(zuo)，因(yin)此(ci)需從(cong)系統的(de)角度來(lai)看。AWS去年定(ding)義(yi)了超(chao)越(yue)模(mo)型(xing)(xing)(xing)(xing)功能的(de)AI Service Card概念，解釋了構建模(mo)型(xing)(xing)(xing)(xing)的(de)目的(de)、做(zuo)法、限制、原則、隱(yin)私(si)安全、偏見與(yu)公平(ping)等(deng)等(deng)，這些都(dou)有(you)助于客戶(hu)決定(ding)如(ru)何以負(fu)責任的(de)方式使用(yong)該模(mo)型(xing)(xing)(xing)(xing)。
“我(wo)認為(wei)我(wo)們(men)(men)今(jin)(jin)天所擁(yong)有的，足以讓客戶真正(zheng)開始使用(yong)這個東西，并追求一些真正(zheng)具有顛覆性的使用(yong)案(an)例，這將改變他們(men)(men)今(jin)(jin)天所擁(yong)有的創新(xin)潛力。”Vasi Philomin說。
三、Agent擅長做的事，與還需解決的難題
Vasi Philomin也分享了(le)對agent概念的(de)理解。在他看來，GPT只是(shi)一(yi)個(ge)模(mo)(mo)型(xing)，而agent更(geng)像是(shi)一(yi)個(ge)工作(zuo)流。Agent是(shi)基礎模(mo)(mo)型(xing)之(zhi)上的(de)抽象，本質上是(shi)一(yi)個(ge)可以同時做兩件事(shi)的(de)數字工作(zuo)者：
第一，它可以幫助你快速創建一個了解業務特定知識的數字工作者。
你可(ke)以(yi)用工作流(liu)快速教它關于業務(wu)(wu)的(de)知識，比如AWS今年推(tui)出的(de)Agents for Amazon Bedrock功能(neng)，可(ke)通過簡(jian)單幾步創建和部署完全托管式的(de)agent，借助特定(ding)業務(wu)(wu)的(de)知識庫私有數據，動態(tai)調(diao)用API來(lai)執行復雜(za)的(de)業務(wu)(wu)任務(wu)(wu)。這(zhe)樣做能(neng)夠讓(rang)agent立即(ji)變成特定(ding)業務(wu)(wu)知識的(de)專家。
第二，它可以幫你將工作自動化。
企業有(you)(you)(you)很多(duo)內部API，需要調用(yong)各個(ge)API來串聯(lian)業務邏輯。比(bi)(bi)如你在亞馬(ma)遜(xun)電商網站(zhan)上(shang)買東西(xi)，收貨后想(xiang)換一雙同一品牌、不同顏(yan)色的(de)鞋(xie)，亞馬(ma)遜(xun)做(zuo)的(de)幕后工作是用(yong)agent實現的(de)，其做(zuo)法是創建一個(ge)agent，教agent所有(you)(you)(you)內部API和文件中的(de)知識(shi)，比(bi)(bi)如一個(ge)API可(ke)以去查詢這個(ge)牌子是否(fou)有(you)(you)(you)這種顏(yan)色的(de)鞋(xie)子、一個(ge)API可(ke)以檢查顏(yan)色是否(fou)可(ke)用(yong)，一個(ge)API可(ke)以進行訂單交換。
現在agent會分解任(ren)務，首(shou)先用(yong)(yong)你所(suo)擁有(you)的知識來了解業務，然后通(tong)過了解所(suo)有(you)內部API，收集調(diao)用(yong)(yong)API所(suo)需的信息，并決(jue)定何時調(diao)用(yong)(yong)它們(men)。Agents for Amazon Bedrock功能(neng)使(shi)生成式AI應(ying)用(yong)(yong)能(neng)夠跨公司(si)系統和數據源(yuan)執行(xing)多步驟(zou)任(ren)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(di)一(yi)步，創建一(yi)個(ge)企(qi)業就緒的agent框架，制(zhi)定(ding)數據安(an)全(quan)和隱私策略，確保調用(yong)API有正確的權(quan)限(xian)，為特定(ding)應用(yong)創建的agent可訪問相應信息(xi)。
下(xia)一步(bu)，今(jin)天尚且不能創建(jian)出一個(ge)(ge)可以教它100個(ge)(ge)API的(de)agent并期望它知(zhi)道調(diao)用(yong)哪些，因為(wei)其背(bei)后模型還沒那么強大，如果想做更復雜的(de)事情(qing)，需要更多的(de)科學(xue)進步(bu)。
當前(qian)的(de)解法是把問題分(fen)解成更小的(de)部(bu)分(fen)，創建多個(ge)有不(bu)同功能(neng)的(de)agent，然(ran)后把這些(xie)(xie)agent所做的(de)工作結合(he)起來(lai)，最終完成任務。這要求開(kai)發人員做一些(xie)(xie)軟(ruan)件開(kai)發工作，通過編寫代碼來(lai)解決每一個(ge)更小的(de)部(bu)分(fen)再進(jin)行組合(he)。
AWS的目標(biao)群體是企業開(kai)發人(ren)員，一(yi)直在(zai)思(si)考客(ke)戶(hu)面臨(lin)的挑戰(zhan)以及如何使(shi)用技術來幫助他(ta)們(men)解決(jue)(jue)，希望為(wei)不同企業客(ke)戶(hu)提供解決(jue)(jue)方(fang)案，使(shi)他(ta)們(men)嘗試(shi)做(zuo)的事情變得更容易或(huo)更具成本效益(yi)，或(huo)者讓他(ta)們(men)有(you)機會做(zuo)以前(qian)不可能(neng)做(zuo)到的事情。
結語：推動生成式AI普惠的關鍵：私密安全定制，負責任地開發
圍繞生(sheng)成(cheng)(cheng)式AI模型(xing)的(de)(de)創新正在(zai)重塑人(ren)們在(zai)工(gong)作(zuo)和家(jia)庭中交互(hu)的(de)(de)許多(duo)應(ying)用，提升人(ren)類(lei)的(de)(de)生(sheng)產(chan)力。隨著(zhu)生(sheng)成(cheng)(cheng)式AI日益普及，越(yue)(yue)來越(yue)(yue)多(duo)的(de)(de)企業(ye)(ye)關注如何在(zai)同等資源的(de)(de)基礎上取得競爭優勢，以(yi)及如何以(yi)經濟有效的(de)(de)方式將AI大規(gui)模應(ying)用于現實(shi)世界。對此，AWS認為企業(ye)(ye)使用私有數據(ju)打造更懂得自身(shen)業(ye)(ye)務、更懂客戶的(de)(de)生(sheng)成(cheng)(cheng)式AI應(ying)用至為關鍵。
看向(xiang)(xiang)未來，Vasi Philomin向(xiang)(xiang)智東西總結了他(ta)所關(guan)注(zhu)的(de)生成式AI關(guan)鍵挑戰(zhan)：一(yi)(yi)是(shi)企(qi)業(ye)就緒，必須真正關(guan)心企(qi)業(ye)的(de)數(shu)據和數(shu)據治理，關(guan)心誰(shui)有權利訪問這些東西，與通用人工(gong)智能緊密(mi)結合，這是(shi)許多客(ke)戶(hu)選擇(ze)AWS的(de)真正原因；二是(shi)取得客(ke)戶(hu)信任(ren)(ren)，負(fu)責任(ren)(ren)地(di)解決一(yi)(yi)些挑戰(zhan)，這仍然需(xu)要做很(hen)多工(gong)作，隨著時(shi)間推移，基礎模型會變(bian)得更(geng)強大(da)，能在(zai)未來實現更(geng)復雜任(ren)(ren)務的(de)自動化。
