当前位置: 首页 > news >正文

亚马逊云科技全新Amazon Bedrock,助力客户构建生成式AI应用

亚马逊云科技近日在纽约峰会上宣布全面扩展其全托管基础模型服务Amazon Bedrock,包括新增Cohere作为基础模型供应商,加入Anthropic和Stability AI的最新基础模型,并发布变革性的新功能Amazon Bedrock Agents功能。客户无需管理任何基础设施,即可通过Amazon Bedrock在安全的环境中利用简单的API接口访问行业领先的基础模型,以构建和扩展其生成式AI应用程序。通过新的模型提供商、领先的基础模型以及轻松创建托管Agents的能力,Amazon Bedrock能够为客户提供广泛且全面的工具集,以便客户在任何用例中使用生成式AI。

3819a2f350164b42ab6d3a82f9b03230.png

 

包括Coda、Lonely Planet、Ryanair、Showpad和Travelers在内的客户已经在使用Amazon Bedrock,以借助生成式AI实现业务转型。本次扩展更新强调了Amazon Bedrock如何为客户提供更多选择和灵活性,以找到合适的基础模型。同时,Amazon Bedrock提供一项新功能,帮助客户构建可以在现实世界中采取行动并根据公司数据向用户提供个性化答案的生成式AI应用程序。

随着数据激增、高度可伸缩算力的就位以及机器学习技术的进步,生成式AI现在已经能够改变各行各业,客户也希望了解如何快速利用这一新技术。然而,选择正确的模型、安全定制敏感的知识产权数据或公司数据,并将数据集成到应用程序中是一个复杂的过程,需要大量的时间和高度专业化的知识。

Amazon Bedrock为客户简化这一过程,让他们能够更轻松地构建和扩展基于生成式AI的应用程序,并可以通过简单的API接口访问AI21 Labs、Anthropic、Cohere、Stability AI和亚马逊等公司提供的各种卓越的基础模型。作为一项全托管服务,Amazon Bedrock允许客户查找和测试不同的模型、快速启动、安全的自定义模型以满足自身需求,然后将其集成并部署到生产中。

 

新增Cohere为模型提供商,

为客户提供更多基础模型选择

亚马逊云科技提供广泛且深入的机器学习服务和云基础设施,并为不同能力的构建者提供机器学习和人工智能服务。Amazon Bedrock将添加Cohere作为最新的基础模型提供商,为客户提供更多一流的基础模型选择以构建其生成式AI应用程序。Cohere致力于开发领先的企业AI平台和前沿基础模型,其基础模型可以更直观地生成、检索和汇总信息。Command是Cohere的旗舰级文本生成模型,经过训练后可以遵循用户指令,并立即在实际业务应用中发挥作用,例如提取摘要、文案撰写、对话、提取和问题回答等。Cohere的文本理解模型Embed可用于100多种语言的搜索、聚类或分类任务,使企业能够轻松地按含义搜索或分类文本。

 

Claude 2和Stable Diffusion XL 1.0

现已在Amazon Bedrock上正式可用

Amazon Bedrock新增了基础模型,助力客户实现快速创新。Amazon Bedrock提供来自领先提供商的一系列文本和图像基础模型,涵盖分析文本情绪、图像分类和趋势预测等应用。

Amazon Bedrock上的Anthropic Claude 2

Anthropic是一家关注AI安全的研究型公司,构建可信、可解释和可掌控的AI系统。Anthropic已经将其最新的语言模型Claude 2接入到Amazon Bedrock。Claude 2在每个对话任务提示中最多可以使用10万个标记(tokens),这意味着它可以处理数百页文本,甚至整本书。相比之前的版本,Claude 2还可以撰写长篇文件(如备忘录和故事),长度可达几千个标记,为Amazon Bedrock客户更好地开发生成式AI应用程序。

Amazon Bedrock上的Stability AI Stable Diffusion XL 1.0

Stability AI是一家社区驱动的开放式AI公司,提供可通过简单文本指令创建文本、图像、音频、视频、代码等的基础模型。Stability AI将在Amazon Bedrock上发布其最新版文生图模型套件Stable Diffusion XL 1.0(SDXL 1.0)。SDXL 1.0能够生成更逼真的影视、电视、音乐和教学视频,比此前版本具有更精细的图像和构图细节。SDXL 1.0还将通过Amazon SageMaker JumpStart提供,这是一个提供算法、模型和解决方案的机器学习中心。

 

客户可以为Amazon Bedrock创建Agents,

以完成复杂任务并根据其专有数据提供定制的最新答案

凭借对自然语言的深入理解以及针对特定领域任务进一步定制的能力,基础模型在各种用例中都非常强大,例如撰写摘要和问答。然而,基础模型本身存在局限性,因为它们无法完成需要与外部系统交互并且没有最新知识来源(例如电子商务公司的库存数据)的复杂任务。这些功能本身虽然很简单,如预订航班或退回购买的物品,但开发人员必须经过多个步骤才能实现这些功能。

这一过程包括将任务分解成多个步骤、提供具体定义和说明、配置访问当前和相关知识源,并编写代码,以便生成式AI应用程序可以通过一系列API调用按计划采取行动。同时,开发人员必须规划和管理所需基础设施,并设置数据安全性和隐私策略等政策,这是繁琐而耗时的工作。如此繁杂的操作流程意味着许多公司无法释放生成式AI的全部潜力。

Amazon Bedrock Agents功能是一项全新的全托管功能,使开发人员能够更轻松地创建基于生成式AI的应用程序,以完成各种用例的复杂任务,并根据专有知识源提供最新的答案。开发人员只需进行简单操作,Amazon Bedrock Agents功能就会自动分解任务并创建编排计划,无需任何手动编码。该Agents通过简单的API接口安全地连接到公司数据,自动将数据转换为机器可读的格式,并增加相关信息以生成最准确的回答。然后,Agents可以自动调用API来满足用户的请求。例如,保险机构可以开发生成式AI应用程序,以帮助员工自动处理保险索赔或管理待处理文书。作为一项全托管的功能,Amazon Bedrock Agents消除了系统集成管理和基础设施配置工作,使开发人员能够充分利用生成式AI。

相关文章:

亚马逊云科技全新Amazon Bedrock,助力客户构建生成式AI应用

亚马逊云科技近日在纽约峰会上宣布全面扩展其全托管基础模型服务Amazon Bedrock,包括新增Cohere作为基础模型供应商,加入Anthropic和Stability AI的最新基础模型,并发布变革性的新功能Amazon Bedrock Agents功能。客户无需管理任何基础设施&a…...

题解:ABC275 C-Counting Squares

题解:ABC275 C-Counting Squares 题目 链接:Atcoder。 链接:洛谷。 难度 算法难度:入门。 思维难度:普及。 调码难度:普及。 综合评价:简单。 算法 dfs数论。 思路 由数学方法可严谨…...

加载已训练好的目标检测YOLOv8,v5,v3,v6模型,对数据集中某张图片中的object打上方框、标出类别,并将图片保存到本地

参考的教程:Python - Ultralytics YOLOv8 Docs 在与ultralytics代码同一层级下新建 predict.py 里面写下面的内容。运行即可 from ultralytics import YOLO from PIL import Image import cv2# 加载计划使用的模型 model YOLO("yolov8n.pt") # load a…...

《零基础入门学习Python》第073讲:GUI的终极选择:Tkinter10

我们不难发现,几乎每一个应用程序都有一些相同的地方,比如说:标题栏、状态栏、边框、滚动条、工作区。还有的就是 菜单。 传统的菜单有大家熟悉的 File,Edit,Help等,点开之后,是下拉菜单&#…...

Shell脚本实现分库分表操作

目录 一,分库备份 二,分库操作 三,分库分表备份 四,备份还原 一,分库备份 #!/bin/bash mysql_cmd-uroot -pzly666666 bak_path/backup/db [ -d ${bak_path} ] || mkdir -p ${bak_path}mysql ${mysql_cmd} -e show…...

区块链实验室(12) - 网络拓扑对PBFT共识流量的影响

区块链实验室(10) - 实例说明PBFT的共识过程说明了1个简单又极端的网络,在这个网络中完成1个交易的共识,需要26次通信,见下图所示。 换1个网络,这个网络是强连通图,见下图。 在这个网络中完成1次交易,流量见…...

聊聊这几年的科技风口

作者:朱金灿 来源:clever101的专栏 为什么大多数人学不会人工智能编程?>>> 数数这几年的科技风口:AR(包括什么MR、VR)、区块链(包括后来的什么web3)、元宇宙到现在的AI,下面逐一谈谈…...

【力扣每日一题】2023.7.30 环形链表2

题目: 示例: 分析: 这道题属于是那种知道解法就很简单,不知道解法就很难独立想出来的那种,我们只需要稍微记住这类题的固定解法就可以。 所以接下来我先说解法,再解释为什么解法可以解出来。 那么我们都…...

Flink状态的理解

Flink是一个带状态的数据处理系统;系统在处理数据的过程中,各算子所记录的状态会随着数据的处理而不断变化; 1. 状态 所谓状态State,一般指一个具体的 Task 的状态,即线程处理过程中需要保存的历史数据或历史累计数据…...

6.3.tensorRT高级(1)-yolov5模型导出、编译到推理(无封装)

目录 前言1. YOLOv5导出2. YOLOv5推理3. 补充知识总结 前言 杜老师推出的 tensorRT从零起步高性能部署 课程,之前有看过一遍,但是没有做笔记,很多东西也忘了。这次重新撸一遍,顺便记记笔记。 本次课程学习 tensorRT 高级-yolov5模…...

如何利用设备数字化平台推动精益制造?

人工智能驱动技术的不断发展,尤其是基于机器学习的预测分析工具的使用,为制造业带来了全新的效率和价值水平。一直以来,精益生产(也叫精益制造)在制造业中扮演着重要角色,而现在通过与工业 4.0的融合&#…...

使用Wps减小PDF文件的大小

第一步、打开左上角的文件 第二步、点击打印选项 第三步、点击打印按钮...

【深度学习】GPT-3

2020年5月,OpenAI在长达72页的论文《https://arxiv.org/pdf/2005.14165Language Models are Few-Shot Learners》中发布了GPT-3,共有1750亿参数量,需要700G的硬盘存储,(GPT-2有15亿个参数),它比GPT-2有了极大的改进。根…...

在登录界面中设置登录框、多选项和按钮(HTML和CSS)

登录框(Input框)的样式: /* 设置输入框的宽度和高度 */ input[type"text"], input[type"password"] {width: 200px;height: 30px; }/* 设置输入框的边框样式、颜色和圆角 */ input[type"text"], input[type&q…...

【语音识别】- 声学,词汇和语言模型

一、说明 语音识别是指计算机通过处理人类语言的音频信号,将其转换为可理解的文本形式的技术。也就是说,它可以将人类的口语语音转换为文本,以便计算机能够进一步处理和理解。它是自然语言处理技术的一部分,被广泛应用于语音识别助…...

【考研英语语法及长难句】小结

【 考场攻略汇总 】 考点汇总 考场攻略 #1 断开长难句只看谓语动词,不考虑非谓语动词先找从句,先看主句 考场攻略 #2 抓住谓语动词,抓住句子最核心的表述动作或内容通过定位谓语动词,找到复杂多变的主语通过谓语动词的数量&…...

C# 反射

反射的概念:C#通过类型(Type)来创建对象,调用对象中的方法,属性等信息;B超就是利用了反射原理将超声波打在人的肚子上,然后通过反射波进行体内器官的成员; 反射提供的类:…...

Pytorch(二)

一、分类任务 构建分类网络模型 必须继承nn.Module且在其构造函数中需调用nn.Module的构造函数无需写反向传播函数,nn.Module能够利用autograd自动实现反向传播Module中的可学习参数可以通过named_parameters()返回迭代器 from torch import nn import torch.nn.f…...

Python 使用http时间同步设置系统时间源码

Python方式实现使用http时间同步设置系统时间源码,系统环境是ubuntu 12.04、Python2.7版本。需要使用到time、os及httplib方法。 Python使用http时间同步设置系统时间,源码如下: #-*-coding:utf8 -*- import httplib as client import time…...

golang sync.singleflight 解决热点缓存穿透问题

在 go 的 sync 包中,有一个 singleflight 包,里面有一个 singleflight.go 文件,代码加注释,一共 200 行出头。内容包括以下几块儿: Group 结构体管理一组相关的函数调用工作,它包含一个互斥锁和一个 map,map 的 key 是…...

MPNet:旋转机械轻量化故障诊断模型详解python代码复现

目录 一、问题背景与挑战 二、MPNet核心架构 2.1 多分支特征融合模块(MBFM) 2.2 残差注意力金字塔模块(RAPM) 2.2.1 空间金字塔注意力(SPA) 2.2.2 金字塔残差块(PRBlock) 2.3 分类器设计 三、关键技术突破 3.1 多尺度特征融合 3.2 轻量化设计策略 3.3 抗噪声…...

OpenLayers 可视化之热力图

注:当前使用的是 ol 5.3.0 版本,天地图使用的key请到天地图官网申请,并替换为自己的key 热力图(Heatmap)又叫热点图,是一种通过特殊高亮显示事物密度分布、变化趋势的数据可视化技术。采用颜色的深浅来显示…...

7.4.分块查找

一.分块查找的算法思想: 1.实例: 以上述图片的顺序表为例, 该顺序表的数据元素从整体来看是乱序的,但如果把这些数据元素分成一块一块的小区间, 第一个区间[0,1]索引上的数据元素都是小于等于10的, 第二…...

376. Wiggle Subsequence

376. Wiggle Subsequence 代码 class Solution { public:int wiggleMaxLength(vector<int>& nums) {int n nums.size();int res 1;int prediff 0;int curdiff 0;for(int i 0;i < n-1;i){curdiff nums[i1] - nums[i];if( (prediff > 0 && curdif…...

python如何将word的doc另存为docx

将 DOCX 文件另存为 DOCX 格式&#xff08;Python 实现&#xff09; 在 Python 中&#xff0c;你可以使用 python-docx 库来操作 Word 文档。不过需要注意的是&#xff0c;.doc 是旧的 Word 格式&#xff0c;而 .docx 是新的基于 XML 的格式。python-docx 只能处理 .docx 格式…...

多种风格导航菜单 HTML 实现(附源码)

下面我将为您展示 6 种不同风格的导航菜单实现&#xff0c;每种都包含完整 HTML、CSS 和 JavaScript 代码。 1. 简约水平导航栏 <!DOCTYPE html> <html lang"zh-CN"> <head><meta charset"UTF-8"><meta name"viewport&qu…...

ip子接口配置及删除

配置永久生效的子接口&#xff0c;2个IP 都可以登录你这一台服务器。重启不失效。 永久的 [应用] vi /etc/sysconfig/network-scripts/ifcfg-eth0修改文件内内容 TYPE"Ethernet" BOOTPROTO"none" NAME"eth0" DEVICE"eth0" ONBOOT&q…...

嵌入式学习笔记DAY33(网络编程——TCP)

一、网络架构 C/S &#xff08;client/server 客户端/服务器&#xff09;&#xff1a;由客户端和服务器端两个部分组成。客户端通常是用户使用的应用程序&#xff0c;负责提供用户界面和交互逻辑 &#xff0c;接收用户输入&#xff0c;向服务器发送请求&#xff0c;并展示服务…...

Java求职者面试指南:计算机基础与源码原理深度解析

Java求职者面试指南&#xff1a;计算机基础与源码原理深度解析 第一轮提问&#xff1a;基础概念问题 1. 请解释什么是进程和线程的区别&#xff1f; 面试官&#xff1a;进程是程序的一次执行过程&#xff0c;是系统进行资源分配和调度的基本单位&#xff1b;而线程是进程中的…...

Java求职者面试指南:Spring、Spring Boot、Spring MVC与MyBatis技术解析

Java求职者面试指南&#xff1a;Spring、Spring Boot、Spring MVC与MyBatis技术解析 一、第一轮基础概念问题 1. Spring框架的核心容器是什么&#xff1f;它的作用是什么&#xff1f; Spring框架的核心容器是IoC&#xff08;控制反转&#xff09;容器。它的主要作用是管理对…...