ما معتقدیم هوش مصنوعی مولد در طول زمان این پتانسیل را دارد که تقریباً هر تجربه مشتری را که میشناسیم تغییر دهد. تعداد شرکتهایی که برنامههای هوش مصنوعی مولد را روی AWS راهاندازی میکنند، قابل توجه است و به سرعت در حال ساخت هستند، از جمله adidas، Booking.com، Bridgewater Associates، Clariant، Cox Automotive، GoDaddy، و LexisNexis Legal & Professional. استارتآپهای مبتکر مانند Perplexity AI در حال استفاده از AWS برای هوش مصنوعی مولد هستند. شرکتهای پیشرو هوش مصنوعی مانند Anthropic، AWS را بهعنوان ارائهدهنده ابر اصلی خود برای بارهای کاری حیاتی و مکانی برای آموزش مدلهای آینده خود انتخاب کردهاند. و ارائهدهندگان خدمات و راهحلهای جهانی مانند Accenture از مزایای برنامههای کاربردی هوش مصنوعی مولد سفارشی شده بهره میبرند، زیرا توسعهدهندگان داخلی خود را با آمازون کد Whisperer.
این مشتریان AWS را انتخاب میکنند زیرا ما بر روی انجام کاری که همیشه انجام دادهایم تمرکز کردهایم – استفاده از فناوری پیچیده و گرانقیمتی که میتواند تجربیات و کسبوکار مشتریان را متحول کند و آن را برای مشتریانی با هر اندازه و تواناییهای فنی دموکراتیک کند. برای انجام این کار، ما در حال سرمایهگذاری و نوآوری سریع هستیم تا جامعترین مجموعه از قابلیتها را در سه لایه پشته هوش مصنوعی مولد ارائه کنیم. لایه پایین زیرساختی برای آموزش مدل های زبان بزرگ (LLM) و سایر مدل های بنیادی (FM) و تولید استنتاج یا پیش بینی است. لایه میانی دسترسی آسان به همه مدلها و ابزارهایی است که مشتریان برای ساختن و مقیاسبندی برنامههای هوش مصنوعی مولد با همان امنیت، کنترل دسترسی و سایر ویژگیهایی که مشتریان از یک سرویس AWS انتظار دارند، نیاز دارند. و در لایه بالایی، ما روی برنامه های کاربردی تغییر دهنده بازی در زمینه های کلیدی مانند کدنویسی مبتنی بر هوش مصنوعی سرمایه گذاری کرده ایم. مشتریان علاوه بر ارائه انتخاب و - همانطور که از ما انتظار دارند - وسعت و عمق قابلیتها در همه لایهها، به ما میگویند که از رویکرد اول دادهای ما قدردانی میکنند و اعتماد دارند که ما همه چیز را از پایه با شرکت ساختهایم. درجه امنیت و حریم خصوصی
این هفته ما یک گام بزرگ رو به جلو برداشتیم و بسیاری از قابلیتهای مهم جدید را در هر سه لایه پشته اعلام کردیم تا استفاده فراگیر از هوش مصنوعی را برای مشتریانمان آسان و کاربردی کنیم.
لایه پایین پشته: AWS Trainium2 جدیدترین افزونه برای ارائه پیشرفته ترین زیرساخت ابری برای هوش مصنوعی مولد است.
لایه پایینی پشته زیرساختی است - محاسبات، شبکه، چارچوب ها، خدمات - مورد نیاز برای آموزش و اجرای LLM و سایر FM ها. AWS برای ارائه پیشرفته ترین زیرساخت ها برای ML نوآوری می کند. از طریق همکاری طولانی مدت ما با NVIDIA، AWS اولین شرکتی بود که بیش از 12 سال پیش GPU ها را به فضای ابری آورد و اخیراً ما اولین ارائه دهنده بزرگ ابری بودیم که GPU های NVIDIA H100 را با نمونه های P5 خود در دسترس قرار دادیم. ما همچنان بر روی نوآوریهای منحصربهفردی سرمایهگذاری میکنیم که AWS را به بهترین ابر برای اجرای پردازندههای گرافیکی تبدیل میکند، از جمله مزایای قیمت-عملکرد پیشرفتهترین سیستم مجازیسازی (AWS Nitro)، شبکهسازی قدرتمند در مقیاس پتابیت با آداپتور Elastic Fabric (EFA) و فوقالعاده خوشه بندی مقیاس با Amazon EC2 UltraClusters (هزاران نمونه تسریع شده در یک منطقه در دسترس قرار گرفته اند و در یک شبکه غیر مسدود کننده به هم متصل شده اند که می تواند تا 3,200 گیگابیت در ثانیه را برای آموزش ML در مقیاس عظیم ارائه دهد). ما همچنین دسترسی هر مشتری را به ظرفیت محاسباتی GPU برای هوش مصنوعی مولد با آمازون EC2 Capacity Blocks برای ML آسانتر میکنیم—اولین و تنها مدل مصرفی در صنعت که به مشتریان امکان میدهد کارتهای گرافیکی را برای استفاده در آینده رزرو کنند (تا 500). مستقر در EC2 UltraClusters) برای بارهای کاری کوتاه مدت ML.
چندین سال پیش، متوجه شدیم که برای ادامه فشار بر عملکرد قیمت، باید تا سیلیکون نوآوری کنیم، و شروع به سرمایهگذاری در تراشههای خود کردیم. به طور خاص برای ML، ما با AWS Inferentia، تراشه استنتاج هدفمند ما شروع کردیم. امروز، ما در نسل دوم AWS Inferentia با نمونههای Amazon EC2 Inf2 هستیم که بهطور خاص برای برنامههای هوش مصنوعی تولیدی در مقیاس بزرگ با مدلهایی حاوی صدها میلیارد پارامتر بهینهسازی شدهاند. نمونههای Inf2 کمترین هزینه را برای استنتاج در فضای ابری ارائه میکنند و همچنین در مقایسه با نمونههای Inf1 تا چهار برابر توان عملیاتی بالاتر و تا ده برابر تاخیر کمتری ارائه میدهند. با استفاده از حداکثر 12 تراشه Inferentia2، Inf2 تنها نمونه های EC2 بهینه شده با استنباط هستند که دارای اتصال با سرعت بالا بین شتاب دهنده ها هستند تا مشتریان بتوانند استنتاج را سریعتر و کارآمدتر (با هزینه کمتر) بدون به خطر انداختن عملکرد یا تأخیر با توزیع مدل های فوق العاده بزرگ انجام دهند. در چندین شتاب دهنده مشتریانی مانند Adobe، Deutsche Telekom و Leonardo.ai نتایج اولیه بسیار خوبی را مشاهده کردهاند و برای استقرار مدلهای خود در مقیاس بزرگ در Inf2 هیجانزده هستند.
در بخش آموزشی، نمونههای Trn1 - که توسط تراشه آموزشی ML ساخته شده AWS، AWS Trainium طراحی شدهاند - برای توزیع آموزش در چندین سرور متصل به شبکه EFA بهینه شدهاند. مشتریانی مانند Ricoh یک LLM ژاپنی را با میلیاردها پارامتر در چند روز آموزش داده اند. Databricks با استفاده از نمونههای مبتنی بر Trainium برای آموزش مدلهای یادگیری عمیق در مقیاس بزرگ، تا 40٪ عملکرد بهتری از نظر قیمت دارد. اما با مدلهای جدید و توانمندتر که عملاً هر هفته به بازار میآیند، ما همچنان مرزهای عملکرد و مقیاس را پشت سر میگذاریم و خوشحالیم که اعلام کنیم AWS Trainium2طراحی شده برای ارائه عملکرد قیمتی حتی بهتر برای مدل های آموزشی با صدها میلیارد تا تریلیون پارامتر. Trainium2 باید تا چهار برابر سریعتر از نسل اول Trainium عملکرد تمرینی ارائه دهد و زمانی که در EC2 UltraClusters استفاده میشود باید حداکثر 65 اگزافلاپس محاسبات مجموع را ارائه دهد. این بدان معناست که مشتریان قادر خواهند بود یک LLM با پارامتر 300 میلیاردی را در هفته ها در مقابل ماه ها آموزش دهند. عملکرد، مقیاس و بهره وری انرژی Trainium2 از دلایلی است که Anthropic ترجیح داده است مدل های خود را بر روی AWS آموزش دهد و از Trainium2 برای مدل های آینده خود استفاده کند. و ما با آنتروپیک برای ادامه نوآوری با Trainium و Inferentia همکاری می کنیم. ما انتظار داریم اولین نمونه های Trainium2 ما در سال 2024 در دسترس مشتریان قرار گیرد.
ما همچنین زنجیره ابزار نرم افزاری را برای سیلیکون ML خود دو برابر کرده ایم، به ویژه در پیشرفت AWS Neuron، کیت توسعه نرم افزار (SDK) که به مشتریان کمک می کند حداکثر کارایی را از Trainium و Inferentia دریافت کنند. از زمان معرفی Neuron در سال 2019، ما سرمایهگذاری قابل توجهی در فناوریهای کامپایلر و چارچوب انجام دادهایم، و امروزه Neuron از بسیاری از محبوبترین مدلهای در دسترس عموم، از جمله Llama 2 از Meta، MPT از Databricks، و Stable Diffusion از Stability AI و همچنین پشتیبانی میکند. 93 از 100 مدل برتر در مخزن مدل محبوب Hugging Face. Neuron به فریمورکهای محبوب ML مانند PyTorch و TensorFlow متصل میشود و پشتیبانی از JAX در اوایل سال آینده ارائه میشود. مشتریان به ما می گویند که Neuron تغییر خطوط لوله آموزش مدل و استنتاج موجود خود را به Trainium و Inferentia تنها با چند خط کد برای آنها آسان کرده است.
هیچ کس دیگری این ترکیب مشابه از انتخاب بهترین تراشه های ML، شبکه های فوق سریع، مجازی سازی و خوشه های مقیاس فوق العاده را ارائه نمی دهد. بنابراین، تعجب آور نیست که برخی از شناخته شده ترین استارتاپ های مولد هوش مصنوعی مانند AI21 Labs، Anthropic، Hugging Face، Perplexity AI، Runway و Stability AI روی AWS اجرا می شوند. اما، شما همچنان به ابزارهای مناسب برای استفاده موثر از این محاسبات برای ساخت، آموزش و اجرای LLM و سایر FM ها به طور کارآمد و مقرون به صرفه نیاز دارید. و برای بسیاری از این استارت آپ ها، آمازون SageMaker پاسخ است. چه ساختن و آموزش یک مدل جدید و اختصاصی از ابتدا یا شروع با یکی از مدلهای محبوب در دسترس عموم، آموزش یک کار پیچیده و پرهزینه است. همچنین اجرای مقرون به صرفه این مدل ها آسان نیست. مشتریان باید حجم زیادی از داده ها را بدست آورند و آن را آماده کنند. این معمولاً شامل تعداد زیادی دادههای تمیز کردن کار دستی، حذف موارد تکراری، غنیسازی و تبدیل آن است. سپس آنها باید خوشههای بزرگی از پردازندههای گرافیکی/شتابدهندهها را ایجاد و نگهداری کنند، کد بنویسند تا آموزش مدل را به طور مؤثر در بین خوشهها توزیع کنند، مکرراً نقطه بازرسی، مکث، بازرسی و بهینهسازی مدل، و مداخله دستی و رفع مشکلات سختافزاری در خوشه را بنویسند. بسیاری از این چالشها جدید نیستند، بلکه برخی از دلایلی هستند که ما SageMaker را شش سال پیش راهاندازی کردیم—تا بسیاری از موانع موجود در آموزش و استقرار مدل را از بین ببریم و به توسعهدهندگان راه آسانتری ارائه دهیم. دهها هزار مشتری از Amazon SageMaker استفاده میکنند و تعداد فزایندهای از آنها مانند LG AI Research، Perplexity AI، AI21، Hugging Face و Stability AI در حال آموزش LLM و سایر FMها در SageMaker هستند. اخیراً، موسسه نوآوری فناوری (سازندگان فالکون LLMهای محبوب) بزرگترین مدل در دسترس عموم - Falcon 180B - را در SageMaker آموزش داد. با افزایش اندازه و پیچیدگی مدل، دامنه SageMaker نیز افزایش یافته است.
در طول سالها، ما بیش از 380 ویژگی و قابلیت تغییر بازی را به Amazon SageMaker اضافه کردهایم، مانند تنظیم خودکار مدل، آموزش توزیع شده، گزینههای استقرار مدل انعطافپذیر، ابزارهایی برای ML OP، ابزارهایی برای آمادهسازی دادهها، فروشگاههای ویژگی، نوت بوک، یکپارچهسازی یکپارچه با ارزیابی های انسان در حلقه در سراسر چرخه حیات ML، و ویژگی های داخلی برای هوش مصنوعی مسئول. ما به سرعت به نوآوری ادامه می دهیم تا مطمئن شویم مشتریان SageMaker قادر به ساختن، آموزش و اجرای استنتاج برای همه مدل ها هستند - از جمله LLM ها و سایر FM ها. و ما آموزش و استقرار مدل های بزرگ را با دو قابلیت جدید برای مشتریان آسان تر و مقرون به صرفه تر می کنیم. اول، برای ساده سازی آموزش ما هستیم معرفی Amazon SageMaker HyperPod که بیشتر فرآیندهای مورد نیاز برای آموزش توزیع شده با تحمل خطا در مقیاس بالا را خودکار می کند (به عنوان مثال، پیکربندی کتابخانههای آموزشی توزیعشده، مقیاسگذاری حجمهای کاری آموزشی در هزاران شتابدهنده، شناسایی و تعمیر نمونههای معیوب)، افزایش سرعت آموزش تا 40%. در نتیجه، مشتریانی مانند هوش مصنوعی Perplexity، Hugging Face، Stability، Hippocratic، Alkaid و دیگران از SageMaker HyperPod برای ساخت، آموزش یا تکامل مدلها استفاده میکنند. دومین، ما در حال معرفی قابلیتهای جدید هستیم تا استنتاج را مقرون به صرفهتر کنیم و در عین حال تأخیر را کاهش دهیم. SageMaker اکنون به مشتریان کمک می کند چندین مدل را در یک نمونه مستقر کنند تا بتوانند منابع محاسباتی را به اشتراک بگذارند و هزینه استنتاج را تا 50٪ (به طور متوسط) کاهش دهد. SageMaker همچنین به طور فعال نمونههایی را که درخواستهای استنتاج را پردازش میکنند نظارت میکند و بهطور هوشمند درخواستها را بر اساس نمونههایی که در دسترس هستند مسیریابی میکند - با دستیابی به 20٪ تاخیر استنتاج (به طور متوسط). Conjecture، Salesforce و Slack در حال حاضر از SageMaker برای میزبانی مدل ها به دلیل این بهینه سازی استنتاج استفاده می کنند.
لایه میانی پشته: Amazon Bedrock مدلهای جدیدی را اضافه میکند و موجی از قابلیتهای جدید ساخت و مقیاسسازی ایمن برنامههای هوش مصنوعی مولد را برای مشتریان آسانتر میکند.
در حالی که تعدادی از مشتریان LLM و سایر FM های خود را می سازند یا هر تعداد از گزینه های در دسترس عموم را توسعه می دهند، بسیاری نمی خواهند منابع و زمان خود را برای انجام این کار صرف کنند. برای آنها، لایه میانی پشته این مدل ها را به عنوان یک سرویس ارائه می دهد. راه حل ما در اینجا، بستر آمازون، به مشتریان این امکان را می دهد تا از بین مدل های پیشرو در صنعت از Anthropic، Stability AI، Meta، Cohere، AI21 و Amazon انتخاب کنند، آنها را با داده های خود سفارشی کنند و از همه همان امنیت، کنترل های دسترسی، و ویژگی هایی که برای آنها استفاده می شود استفاده کنند. در AWS - همه از طریق یک سرویس مدیریت شده. ما Amazon Bedrock را به طور کلی در اواخر سپتامبر در دسترس قرار دادیم، و پاسخ مشتریان بسیار مثبت بوده است. مشتریان از سرتاسر جهان و تقریباً در هر صنعتی از استفاده از Amazon Bedrock هیجانزده هستند. آدیداس به توسعه دهندگان این امکان را می دهد تا در مورد همه چیز از اطلاعات «شروع به کار» تا سؤالات فنی عمیق تر، پاسخ های سریع دریافت کنند. Booking.com قصد دارد از هوش مصنوعی مولد برای نوشتن توصیههای سفر مناسب برای هر مشتری استفاده کند. Bridgewater Associates در حال توسعه یک دستیار تحلیلگر سرمایه گذاری مبتنی بر LLM است تا به تولید نمودارها، محاسبه شاخص های مالی و خلاصه کردن نتایج کمک کند. Carrier تجزیه و تحلیل انرژی و بینش دقیق تری را در دسترس مشتریان قرار می دهد تا مصرف انرژی را کاهش دهند و انتشار کربن را کاهش دهند. Clariant اعضای تیم خود را با یک ربات چت هوش مصنوعی مولد داخلی برای تسریع فرآیندهای تحقیق و توسعه، پشتیبانی از تیمهای فروش با آمادهسازی جلسات، و خودکارسازی ایمیلهای مشتریان، توانمند میکند. GoDaddy به مشتریان کمک میکند تا با استفاده از هوش مصنوعی مولد برای ساختن وبسایتهای خود، یافتن تأمینکنندگان، ارتباط با مشتریان و موارد دیگر، به راحتی کسبوکار خود را راهاندازی کنند. Lexis Nexis Legal & Professional کار حقوقی وکلا را متحول می کند و بهره وری آنها را با قابلیت جستجوی مکالمه، خلاصه سازی، و پیش نویس اسناد و تجزیه و تحلیل Lexis+ AI افزایش می دهد. نزدک به خودکارسازی گردشهای کاری تحقیقاتی در مورد تراکنشهای مشکوک و تقویت قابلیتهای نظارتی و ضد جرائم مالی آنها کمک میکند. همه اینها - و بسیاری دیگر - برنامه های متنوع هوش مصنوعی مولد بر روی AWS اجرا می شوند.
ما در مورد شتاب برای Amazon Bedrock هیجان زده هستیم، اما هنوز روزهای اولیه است. چیزی که ما در حین کار با مشتریان دیدیم این است که همه به سرعت در حال حرکت هستند، اما تکامل هوش مصنوعی مولد با سرعتی سریع ادامه مییابد و گزینهها و نوآوریهای جدید عملاً روزانه اتفاق میافتد. مشتریان متوجه می شوند که مدل های مختلفی وجود دارد که برای موارد استفاده مختلف یا روی مجموعه های مختلف داده بهتر کار می کنند. برخی از مدل ها برای خلاصه سازی عالی هستند، برخی دیگر برای استدلال و ادغام عالی هستند، و برخی دیگر از زبان واقعاً پشتیبانی عالی دارند. و سپس تولید تصویر، موارد استفاده از جستجو، و موارد دیگر وجود دارد - همه از مدلهای اختصاصی و از مدلهایی که به صورت عمومی در دسترس همه هستند. و در مواقعی که چیزهای بسیار ناشناخته ای وجود دارد، توانایی انطباق بدون شک ارزشمندترین ابزار از همه است. قرار نیست یک مدل برای همه آنها حکومت کند. و مطمئناً نه تنها یک شرکت فناوری که مدل هایی را ارائه می دهد که همه استفاده می کنند. مشتریان باید مدل های مختلف را امتحان کنند. آنها باید بتوانند بین آنها جابجا شوند یا آنها را در یک مورد استفاده ترکیب کنند. این بدان معنی است که آنها به انتخاب واقعی ارائه دهندگان مدل نیاز دارند (که رویدادهای 10 روز گذشته حتی واضح تر شده است). به همین دلیل است که Amazon Bedrock را اختراع کردیم، چرا که اینقدر در بین مشتریان طنین انداز می شود، و چرا ما همچنان به نوآوری و تکرار سریع ادامه می دهیم تا ساختن با طیف وسیعی از مدل ها (و حرکت بین آنها) به آسانی یک فراخوانی API، با قرار دادن جدیدترین تکنیک ها برای سفارشی سازی مدل در دست همه توسعه دهندگان و حفظ امنیت مشتریان و خصوصی نگه داشتن اطلاعات آنها. ما هیجانزدهایم که چندین قابلیت جدید را معرفی کنیم که ساخت و مقیاسسازی برنامههای هوش مصنوعی مولد را برای مشتریان آسانتر میکند:
- گستردگی انتخاب مدل با Anthropic Claude 2.1، Meta Llama 2 70B، و افزوده شده به خانواده Amazon Titan. در این روزهای اولیه، مشتریان هنوز در حال یادگیری و آزمایش مدلهای مختلف هستند تا مشخص کنند که از کدام مدلها برای اهداف مختلف استفاده میکنند. آنها می خواهند بتوانند به راحتی آخرین مدل ها را امتحان کنند، و همچنین آزمایش کنند تا ببینند کدام قابلیت ها و ویژگی ها بهترین نتایج و ویژگی های هزینه را برای موارد استفاده آنها به ارمغان می آورد. با Amazon Bedrock، مشتریان تنها یک تماس API با یک مدل جدید فاصله دارند. برخی از تاثیرگذارترین نتایجی که مشتریان در این چند ماه اخیر تجربه کردهاند، مربوط به LLMهایی است که مانند آنهاست مدل کلود آنتروپیک، که در طیف وسیعی از وظایف از گفتگوی پیچیده و تولید محتوا تا استدلال پیچیده و در عین حال درجه بالایی از قابلیت اطمینان و پیش بینی را حفظ می کند، برتری دارد. مشتریان گزارش میدهند که احتمال تولید خروجیهای مضر کلود، آسانتر شدن مکالمه با آنها، و هدایت پذیری بیشتری نسبت به سایر FMها وجود دارد، بنابراین توسعهدهندگان میتوانند با تلاش کمتر خروجی مورد نظر خود را دریافت کنند. مدل پیشرفته آنتروپیک، کلود 2، در امتحانات خواندن و نوشتن GRE و به طور مشابه در استدلال کمی، بالاتر از صدک 90 امتیاز می گیرد. و در حال حاضر، مدل جدید Claude 2.1 در Amazon Bedrock موجود است. Claude 2.1 قابلیتهای کلیدی را برای شرکتها ارائه میکند، مانند پنجره زمینه 200K توکن پیشرو در صنعت (2 برابر زمینه Claude 2.0)، کاهش نرخ توهم، و بهبود قابل توجهی در دقت، حتی در طول زمینه بسیار طولانی. Claude 2.1 همچنین شامل اعلانهای سیستمی بهبود یافته است - که دستورالعملهای مدلی هستند که تجربه بهتری را برای کاربران نهایی فراهم میکنند - در حالی که هزینه درخواستها و تکمیلها را تا 25% کاهش میدهند.
برای تعداد فزایندهای از مشتریانی که میخواهند از یک نسخه مدیریتشده از مدل متا در دسترس عموم استفاده کنند، Amazon Bedrock Llama 2 2B و ما Llama 2 70B را اضافه می کنیم. Llama 2 70B برای کارهای در مقیاس بزرگ مانند مدل سازی زبان، تولید متن و سیستم های گفتگو مناسب است. مدلهای Llama در دسترس عموم بیش از 30 میلیون بار دانلود شدهاند، و مشتریان دوست دارند که Amazon Bedrock آنها را به عنوان بخشی از یک سرویس مدیریتشده ارائه میدهد که در آن نیازی به نگرانی در مورد زیرساختها یا داشتن تخصص عمیق ML در تیمهای خود ندارند. علاوه بر این، برای تولید تصویر، Stability AI مجموعه ای از مدل های محبوب متن به تصویر را ارائه می دهد. Stable Diffusion XL 1.0 (SDXL 1.0) پیشرفته ترین آنها است و اکنون به طور کلی در Amazon Bedrock موجود است.. آخرین نسخه از این مدل تصویر محبوب، دقت، نور واقعی و وضوح بالاتر را افزایش داده است.
مشتریان نیز استفاده می کنند آمازون تایتان مدلهایی که توسط AWS ایجاد و آموزش داده شدهاند تا قابلیتهای قدرتمندی را با صرفه اقتصادی عالی برای موارد مختلف ارائه دهند. آمازون سابقه 25 ساله ای در ML و AI دارد - فناوری که ما در کسب و کار خود از آن استفاده می کنیم - و ما چیزهای زیادی در مورد ساخت و استقرار مدل ها یاد گرفته ایم. ما به دقت انتخاب کردهایم که چگونه مدلهای خود را آموزش میدهیم و دادههایی را که برای انجام آن استفاده میکنیم. ما به مشتریان در برابر ادعاهایی مبنی بر اینکه مدلهای ما یا خروجیهای آنها حق نسخهبرداری هر کسی را نقض میکند غرامت میدهیم. ما اولین مدل های Titan خود را در آوریل سال جاری معرفی کردیم. Titan Text Lite- اکنون به طور کلی در دسترس است- یک مدل موجز و مقرون به صرفه برای موارد استفاده مانند رباتهای گفتگو، خلاصهنویسی متن یا کپینویسی است، و همچنین تنظیم دقیق آن قانعکننده است. Titan Text Express - همچنین اکنون به طور کلی در دسترس است- گستردهتر است و میتواند برای طیف وسیعتری از وظایف مبتنی بر متن، مانند تولید متن باز و چت مکالمه استفاده شود. ما این گزینههای مدل متنی را ارائه میدهیم تا به مشتریان توانایی بهینهسازی دقت، عملکرد و هزینه را بسته به مورد استفاده و نیازهای تجاری آنها بدهیم. مشتریانی مانند Nexxiot، PGA Tour و Ryanair از دو مدل Titan Text ما استفاده میکنند. ما همچنین یک مدل جاسازیها، Titan Text Embeddings، برای موارد استفاده جستجو و شخصیسازی داریم. مشتریانی مانند Nasdaq با استفاده از Titan Text Embeddings برای افزایش قابلیتهای Nasdaq IR Insight برای ایجاد بینش از اسناد بیش از 9,000 شرکت جهانی برای تیمهای پایداری، حقوقی و حسابداری، نتایج عالی را مشاهده میکنند. و به مرور زمان مدلهای بیشتری را به خانواده Titan اضافه میکنیم. ما در حال معرفی یک مدل جاسازی جدید، Titan Multimodal Embeddings هستیم، برای تقویت تجربیات جستجوی چندوجهی و توصیه برای کاربرانی که از تصاویر و متن (یا ترکیبی از هر دو) به عنوان ورودی استفاده می کنند. و ما هستیم معرفی یک مدل جدید متن به تصویر، Amazon Titan Image Generator. با Titan Image Generator، مشتریان در صنایعی مانند تبلیغات، تجارت الکترونیک، و رسانه و سرگرمی می توانند از ورودی متن برای تولید تصاویر واقعی و با کیفیت استودیویی در حجم زیاد و با هزینه کم استفاده کنند. ما از نحوه واکنش مشتریان به مدلهای تیتان هیجانزده هستیم و میتوانید انتظار داشته باشید که در اینجا به نوآوری خود ادامه دهیم.
- قابلیت های جدید برای سفارشی کردن برنامه هوش مصنوعی مولد خود به صورت ایمن با داده های اختصاصی شما: یکی از مهم ترین قابلیت های Amazon Bedrock این است که به راحتی می توان یک مدل را سفارشی کرد. این برای مشتریان واقعاً هیجانانگیز میشود، زیرا این جایی است که هوش مصنوعی مولد با متمایزکننده اصلی آنها - دادههای آنها - ملاقات میکند. با این حال، بسیار مهم است که دادههای آنها امن بماند، در طول مسیر کنترل آنها را در دست داشته باشند، و بهبود مدل برای آنها خصوصی باشد. چند راه وجود دارد که می توانید این کار را انجام دهید، و Amazon Bedrock گسترده ترین گزینه های سفارشی سازی را در چندین مدل ارائه می دهد. اولین مورد تنظیم دقیق است. تنظیم دقیق یک مدل در Amazon Bedrock آسان است. شما به سادگی مدل را انتخاب می کنید و Amazon Bedrock از آن کپی می کند. سپس به چند نمونه برچسب دار اشاره می کنید (مثلاً یک سری جفت پرسش و پاسخ خوب) که در سرویس ذخیره سازی ساده آمازون (Amazon S3) ذخیره می کنید، و Amazon Bedrock "به صورت تدریجی آموزش می دهد" (مدل کپی شده را با اطلاعات جدید تقویت می کند) در این نمونه ها، و نتیجه یک مدل خصوصی و دقیق تر تنظیم شده است که پاسخ های مرتبط تر و سفارشی تر را ارائه می دهد. ما مشتاقیم اعلام کنیم که تنظیم دقیق به طور کلی برای Cohere Command، Meta Llama 2، Amazon Titan Text (Lite و Express)، Amazon Titan Multimodal Embeddings، و در پیش نمایش برای Amazon Titan Image Generator در دسترس است. و از طریق همکاری خود با Anthropic، به زودی به مشتریان AWS دسترسی زودهنگام به ویژگیهای منحصربهفرد برای سفارشیسازی مدل و تنظیم دقیق مدل پیشرفته آن Claude ارائه میکنیم.
روش دوم برای سفارشیسازی LLM و سایر FMها برای کسبوکار شما، بازیابی تولید افزوده (RAG) است که به شما امکان میدهد پاسخهای یک مدل را با تقویت درخواستهای خود با دادههای چندین منبع، از جمله مخازن اسناد، پایگاههای داده و APIها سفارشی کنید. در ماه سپتامبر، ما یک قابلیت RAG را معرفی کردیم، پایگاههای دانش برای Amazon Bedrock، که مدلها را بهطور ایمن به منابع داده اختصاصی شما متصل میکند تا درخواستهای شما را با اطلاعات بیشتر تکمیل کند تا برنامههای شما پاسخهای مرتبط، متنی و دقیقتری ارائه دهند. پایگاه های دانش اکنون به طور کلی با یک API در دسترس است که کل گردش کار RAG را انجام می دهد از واکشی متن مورد نیاز برای تقویت یک اعلان گرفته تا ارسال اعلان به مدل و بازگرداندن پاسخ. پایگاههای دانش از پایگاههای داده با قابلیتهای برداری پشتیبانی میکند که نمایشهای عددی دادههای شما (جاسازیها) را که مدلها برای دسترسی به این دادهها برای RAG، از جمله سرویس جستجوی باز آمازون، و سایر پایگاههای داده محبوب مانند Pinecone و Redis Enterprise Cloud استفاده میکنند را ذخیره میکند (آمازون Aurora و MongoDB پشتیبانی بردار در راه است. به زودی).
سومین روشی که میتوانید مدلها را در Amazon Bedrock سفارشی کنید، ادامه پیشآموزش است. با این روش، این مدل بر اساس پیشآموزش اصلی خود برای درک عمومی زبان برای یادگیری زبان و اصطلاحات خاص دامنه است. این رویکرد برای مشتریانی است که حجم زیادی از اطلاعات بدون برچسب و مخصوص دامنه دارند و میخواهند LLMهای خود را قادر به درک زبان، عبارات، اختصارات، مفاهیم، تعاریف و اصطلاحات مخصوص به دنیای (و تجارت) خود کنند. بر خلاف تنظیم دقیق، که مقدار نسبتاً کمی از داده را می گیرد، پیش آموزش مداوم بر روی مجموعه داده های بزرگ (به عنوان مثال، هزاران سند متنی) انجام می شود. اکنون، قابلیتهای پیشآموزشی در Amazon Bedrock برای Titan Text Lite و Titan Text Express موجود است.
- در دسترس بودن عمومی نمایندگان آمازون بستر برای کمک به اجرای وظایف چند مرحله ای با استفاده از سیستم ها، منابع داده و دانش شرکت. LLM ها در مکالمه و تولید محتوا عالی هستند، اما مشتریان می خواهند که برنامه های کاربردی آنها قادر به انجام این کار باشند do حتی بیشتر - مانند انجام اقدامات، حل مشکلات، و تعامل با طیف وسیعی از سیستم ها برای تکمیل وظایف چند مرحله ای مانند رزرو سفر، تشکیل پرونده بیمه، یا سفارش قطعات جایگزین. و Amazon Bedrock می تواند به این چالش کمک کند. با نمایندگان، توسعهدهندگان یک مدل را انتخاب میکنند، چند دستورالعمل اساسی مانند «شما یک نماینده خدمات مشتری شاد هستید» و «در دسترس بودن محصول در سیستم موجودی را بررسی کنید» مینویسند، مدل انتخابشده را به منابع داده و سیستمهای سازمانی مناسب هدایت میکنند (به عنوان مثال، CRM یا برنامه های ERP)، و چند تابع AWS Lambda را برای اجرای API ها بنویسید (مثلاً بررسی در دسترس بودن یک آیتم در فهرست ERP). Amazon Bedrock به طور خودکار درخواست را تجزیه و تحلیل می کند و با استفاده از قابلیت های استدلال مدل انتخاب شده، آن را به یک دنباله منطقی تقسیم می کند تا مشخص کند چه اطلاعاتی لازم است، چه APIهایی را فراخوانی کند و چه زمانی آنها را برای تکمیل یک مرحله یا حل یک کار فراخوانی کند. اکنون که به طور کلی در دسترس است، نمایندگان می توانند اکثر وظایف تجاری را برنامه ریزی کرده و انجام دهند - از پاسخ دادن به سؤالات مشتری در مورد در دسترس بودن محصول شما تا دریافت سفارشات آنها - و توسعه دهندگان نیازی به آشنایی با یادگیری ماشین، درخواست های مهندس، مدل های قطار یا اتصال دستی سیستم ها ندارند. و Bedrock همه این کارها را به صورت ایمن و خصوصی انجام می دهد و مشتریانی مانند Druva و Athene در حال حاضر از آنها برای بهبود دقت و سرعت توسعه برنامه های کاربردی هوش مصنوعی خود استفاده می کنند.
- معرفی نرده های محافظ برای بستر آمازون بنابراین می توانید بر اساس الزامات مورد استفاده و خط مشی های هوش مصنوعی مسئول، پادمان ها را اعمال کنید. مشتریان میخواهند مطمئن باشند که تعاملات با برنامههای هوش مصنوعی آنها ایمن است، از زبان سمی یا توهینآمیز اجتناب کنند، مرتبط با کسبوکارشان بماند و با خطمشیهای هوش مصنوعی مسئولانهشان هماهنگ باشد. با استفاده از نردههای محافظ، مشتریان میتوانند موضوعاتی را که باید اجتناب کنند مشخص کنند، و Amazon Bedrock تنها پاسخهای تایید شده به سوالاتی را که در آن دستههای محدود قرار میگیرند، به کاربران ارائه میدهد. به عنوان مثال، یک برنامه بانکداری آنلاین را می توان برای جلوگیری از ارائه مشاوره سرمایه گذاری، و حذف محتوای نامناسب (مانند سخنان نفرت انگیز و خشونت) راه اندازی کرد. در اوایل سال 2024، مشتریان همچنین میتوانند اطلاعات شناسایی شخصی (PII) را در پاسخهای مدل ویرایش کنند. به عنوان مثال، پس از تعامل مشتری با یک نماینده مرکز تماس، مکالمه خدمات مشتری اغلب برای نگهداری سوابق خلاصه می شود و نرده های محافظ می توانند PII را از این خلاصه ها حذف کنند. نردههای محافظ را میتوان در بین مدلهای Amazon Bedrock (از جمله مدلهای تنظیمشده) و با Agents for Amazon Bedrock استفاده کرد تا مشتریان بتوانند سطح ثابتی از محافظت را برای همه برنامههای هوش مصنوعی تولیدی خود به ارمغان بیاورند.
لایه بالایی پشته: ادامه نوآوری باعث می شود که هوش مصنوعی مولد برای کاربران بیشتری در دسترس باشد
در لایه بالایی پشته برنامه هایی قرار دارند که از LLM و سایر FM ها استفاده می کنند تا بتوانید از هوش مصنوعی مولد در محل کار استفاده کنید. یکی از زمینه هایی که هوش مصنوعی مولد در حال تغییر بازی است، کدنویسی است. سال گذشته، Amazon CodeWhisperer را معرفی کردیم، که به شما کمک میکند با ایجاد پیشنهادها و توصیههای کد در زمان واقعی، برنامهها را سریعتر و ایمنتر بسازید. مشتریانی مانند Accenture، Boeing، Bundesliga، The Cigna Group، Kone، و Warner Music Group از CodeWhisperer برای افزایش بهرهوری توسعهدهندگان استفاده میکنند و Accenture تا 50,000 توسعهدهنده نرمافزار و متخصصان فناوری اطلاعات خود را با Amazon CodeWhisperer فعال میکند. ما می خواهیم تا آنجا که ممکن است توسعه دهندگان بتوانند از مزایای بهره وری هوش مصنوعی مولد بهره مند شوند، به همین دلیل است که CodeWhisperer توصیه هایی را به صورت رایگان به همه افراد ارائه می دهد.
با این حال، در حالی که ابزارهای کدنویسی هوش مصنوعی برای آسانتر کردن زندگی توسعهدهندگان کارهای زیادی انجام میدهند، مزایای بهرهوری آنها به دلیل عدم آگاهی آنها از مبانی کد داخلی، APIهای داخلی، کتابخانهها، بستهها و کلاسها محدود میشود. یکی از راههای فکر کردن به این موضوع این است که اگر یک توسعهدهنده جدید را استخدام کنید، حتی اگر آنها در سطح جهانی باشند، تا زمانی که بهترین شیوهها و کدهای شما را درک نکنند، در شرکت شما کارآمد نیستند. ابزارهای کدنویسی مبتنی بر هوش مصنوعی امروزی مانند آن توسعه دهنده جدید هستند. برای کمک به این امر، اخیراً یک پیش نمایش جدید را مشاهده کردیم قابلیت سفارشی سازی در Amazon CodeWhisperer که به طور ایمن از پایگاه کد داخلی مشتری برای ارائه توصیه های کد مرتبط تر و مفیدتر استفاده می کند. با این قابلیت، CodeWhisperer در این زمینه متخصص است خود را کد می کند و توصیه هایی را ارائه می دهد که برای صرفه جویی در زمان بیشتر مرتبط هستند. در مطالعهای که با Persistent، یک شرکت مهندسی دیجیتال جهانی و نوسازی سازمانی انجام دادیم، متوجه شدیم که سفارشیسازیها به توسعهدهندگان کمک میکنند تا 28 درصد سریعتر از قابلیتهای CodeWhisperer وظایف خود را انجام دهند. اکنون یک توسعهدهنده در یک شرکت فناوری مراقبتهای بهداشتی میتواند از CodeWhisperer بخواهد «تصاویر MRI مرتبط با شناسه مشتری را وارد کند و آنها را از طریق طبقهبندی کننده تصویر اجرا کند» تا ناهنجاریها را شناسایی کند. از آنجایی که CodeWhisperer به پایه کد دسترسی دارد، میتواند پیشنهادات بسیار مرتبطتری ارائه دهد که شامل مکانهای واردات تصاویر MRI و شناسههای مشتری میشود. CodeWhisperer سفارشیسازیها را کاملاً خصوصی نگه میدارد و FM زیربنایی از آنها برای آموزش استفاده نمیکند و از مالکیت معنوی ارزشمند مشتریان محافظت میکند. AWS تنها ارائه دهنده بزرگ ابری است که چنین قابلیتی را به همه ارائه می دهد.
معرفی آمازون Q، دستیار مولد مبتنی بر هوش مصنوعی که برای کار طراحی شده است
مطمئناً توسعه دهندگان تنها کسانی نیستند که با هوش مصنوعی مولد دست به کار می شوند - میلیون ها نفر از برنامه های چت هوش مصنوعی مولد استفاده می کنند. کاری که ارائهدهندگان اولیه در این فضا انجام دادهاند برای مصرفکنندگان هیجانانگیز و فوقالعاده مفید است، اما از بسیاری جهات آنها کاملاً در محل کار «کار نمیکنند». دانش و توانایی های کلی آنها عالی است، اما آنها شرکت شما، داده های شما، مشتریان شما، عملیات شما یا کسب و کار شما را نمی شناسند. این میزان کمک آنها را محدود می کند. آنها همچنین چیز زیادی در مورد نقش شما نمی دانند - چه کاری انجام می دهید، با چه کسانی کار می کنید، از چه اطلاعاتی استفاده می کنید و به چه چیزی دسترسی دارید. این محدودیتها قابل درک هستند زیرا این دستیارها به اطلاعات خصوصی شرکت شما دسترسی ندارند و برای برآورده کردن الزامات حریم خصوصی و امنیتی که شرکتها باید به آنها این دسترسی را بدهند طراحی نشدهاند. سخت است که امنیت را بعد از این واقعیت محکم کنید و انتظار داشته باشید که به خوبی کار کند. ما فکر می کنیم راه بهتری داریم که به هر فرد در هر سازمانی اجازه می دهد تا با خیال راحت از هوش مصنوعی مولد در کارهای روزمره خود استفاده کند.
We برای معرفی هیجان زده هستند آمازون Q، نوع جدیدی از دستیار مولد مبتنی بر هوش مصنوعی که به طور خاص برای کار است و می تواند برای کسب و کار شما طراحی شود. Q می تواند به شما کمک کند تا پاسخ های سریع و مرتبط به سؤالات مبرم را دریافت کنید، مشکلات را حل کنید، محتوا تولید کنید، و با استفاده از داده ها و تخصص موجود در مخازن اطلاعات، کدها و سیستم های سازمانی، اقداماتی را انجام دهید. هنگامی که با آمازون Q چت می کنید، اطلاعات و توصیه های فوری و مرتبط را برای کمک به ساده کردن وظایف، سرعت بخشیدن به تصمیم گیری و کمک به جرقه زدن خلاقیت و نوآوری در کار ارائه می دهد. ما آمازون Q را به گونه ای ساخته ایم که ایمن و خصوصی باشد و می تواند هویت، نقش ها و مجوزهای موجود شما را درک کرده و به آنها احترام بگذارد و از این اطلاعات برای شخصی سازی تعاملات خود استفاده کند. اگر کاربر اجازه دسترسی به دادههای خاصی را بدون Q نداشته باشد، با استفاده از Q نیز نمیتواند به آن دسترسی داشته باشد. ما آمازون Q را طوری طراحی کردهایم که از همان روز اول نیازهای سختگیرانه مشتریان سازمانی را برآورده کند—هیچ یک از محتوای آنها برای بهبود مدلهای اساسی استفاده نمیشود.
آمازون Q دستیار متخصص شماست برای ساخت بر روی AWS: ما آمازون Q را بر اساس دانش و تجربه 17 ساله AWS آموزش داده ایم تا بتواند نحوه ساخت، استقرار و اجرای برنامه ها و بارهای کاری در AWS را تغییر دهد. Amazon Q دارای یک رابط چت در کنسول مدیریت AWS و اسناد، IDE شما (از طریق CodeWhisperer) و اتاقهای چت تیم شما در Slack یا سایر برنامههای چت است. آمازون Q میتواند به شما کمک کند قابلیتهای جدید AWS را کشف کنید، سریعتر شروع کنید، فنآوریهای ناآشنا، راهحلهای معمار، عیبیابی، ارتقا و بسیاری موارد دیگر را بیاموزید — این یک متخصص در الگوهای معماری خوب AWS، بهترین شیوهها، مستندسازی و پیادهسازی راهحلها است. در اینجا چند نمونه از کارهایی که می توانید با دستیار متخصص جدید AWS خود انجام دهید آورده شده است:
- پاسخها و راهنماییهای واضح در مورد قابلیتها، خدمات و راهحلهای AWS دریافت کنید: از آمازون Q بخواهید که «درباره نمایندگان آمازون بسترسازی به من بگو» و Q توضیحی از ویژگی به همراه پیوندهایی به مطالب مرتبط به شما می دهد. همچنین میتوانید تقریباً هر سؤالی در مورد نحوه عملکرد یک سرویس AWS از Amazon Q بپرسید (به عنوان مثال، «محدودیتهای مقیاسبندی در جدول DynamoDB چیست؟» «ذخیرهسازی مدیریت شده Redshift چیست؟»)، یا اینکه چگونه میتوان هر تعداد راهحل را به بهترین شکل معمار کرد ( «بهترین شیوهها برای ساخت معماریهای رویداد محور چیست؟»). و آمازون Q پاسخ های مختصر را جمع آوری می کند و همیشه منابع خود را ذکر می کند (و پیوند می دهد).
- بهترین سرویس AWS را برای مورد استفاده خود انتخاب کنید و سریع شروع کنید: از Amazon Q بپرسید: «راههای ایجاد یک برنامه وب در AWS چیست؟ و فهرستی از خدمات بالقوه مانند AWS تقویت کنید, AWS لامبداو آمازون EC2 با مزایای هر کدام از آنجا میتوانید با کمک به Q در درک الزامات، ترجیحات و محدودیتهای شما، گزینهها را محدود کنید (به عنوان مثال، «اگر میخواهم از کانتینرها استفاده کنم، کدام یک از اینها بهتر است؟» یا «آیا باید از پایگاه داده رابطهای یا غیررابطهای استفاده کنم؟ ”). با «چگونه شروع کنم؟» کار را تمام کنید. و آمازون Q برخی از مراحل اساسی را تشریح می کند و شما را به سمت منابع اضافی راهنمایی می کند.
- منابع محاسباتی خود را بهینه کنید: آمازون Q می تواند به شما در انتخاب نمونه های آمازون EC2 کمک کند. اگر از آن بخواهید «به من کمک کنید نمونه EC2 مناسب را پیدا کنم تا حجم کاری رمزگذاری ویدیو را برای برنامه بازی من با بالاترین کارایی اجرا کنم»، Q فهرستی از خانوادههای نمونه را با دلایلی برای هر پیشنهاد به شما میدهد. و، میتوانید از هر تعداد سؤال بعدی بپرسید تا بهترین انتخاب را برای حجم کاری خود پیدا کنید.
- برای رفع اشکال، آزمایش و بهینه سازی کد خود کمک بگیرید: اگر هنگام کدنویسی در IDE خود با خطایی مواجه شدید، میتوانید از Amazon Q با گفتن این جمله که «کد من یک خطای IO دارد، کمک بخواهید، آیا میتوانید راه حلی برای آن ارائه دهید؟» و Q کد را برای شما تولید می کند. اگر این پیشنهاد را دوست دارید، میتوانید از Amazon Q بخواهید تا اصلاح را به برنامه شما اضافه کند. از آنجایی که آمازون Q در IDE شما قرار دارد، کدی را که روی آن کار میکنید را میفهمد و میداند کجا باید اصلاح را وارد کند. آمازون Q همچنین میتواند تستهای واحد ("نوشتن تستهای واحد برای تابع انتخاب شده") ایجاد کند که میتواند در کد شما وارد کند و شما بتوانید اجرا کنید. در نهایت، آمازون Q می تواند راه هایی را برای بهینه سازی کد خود برای عملکرد بالاتر به شما بگوید. از Q بخواهید «پرس و جوی انتخاب شده DynamoDB من را بهینه کند» و از درک خود از کد شما برای ارائه یک پیشنهاد زبان طبیعی درباره مواردی که باید اصلاح شود همراه با کد همراه که می توانید با یک کلیک پیاده سازی کنید، استفاده می کند.
- تشخیص و عیب یابی مشکلات: اگر در کنسول مدیریت AWS با مشکلاتی مانند خطاهای مجوزهای EC2 یا خطاهای پیکربندی Amazon S3 مواجه شدید، میتوانید به سادگی دکمه «عیبیابی با آمازون Q» را فشار دهید و از درک خود از نوع خطا و سرویسی که خطا در آن قرار دارد استفاده میکند. تا به شما پیشنهادهایی برای رفع مشکل بدهم. حتی می توانید از آمازون Q بخواهید که شبکه شما را عیب یابی کند (به عنوان مثال، "چرا نمی توانم با استفاده از SSH به نمونه EC2 خود متصل شوم؟") و Q پیکربندی انتها به انتها شما را تجزیه و تحلیل می کند و یک تشخیص ارائه می دهد (مثلاً "این نمونه" به نظر می رسد که در یک زیرشبکه خصوصی است، بنابراین ممکن است نیاز به ایجاد دسترسی عمومی باشد.
- در کمترین زمان یک پایه کد جدید را افزایش دهید: هنگامی که در IDE خود با آمازون Q چت می کنید، تخصص خود در ساخت نرم افزار را با درک کد شما ترکیب می کند - یک جفت شدن قدرتمند! قبلاً، اگر پروژهای را از شخص دیگری تحویل گرفتهاید، یا در تیم جدید بودهاید، ممکن است مجبور باشید ساعتها به صورت دستی کد و مستندات را مرور کنید تا بفهمید چگونه کار میکند و چه کار میکند. اکنون، از آنجایی که آمازون Q کد موجود در IDE شما را میفهمد، میتوانید به سادگی از Amazon Q بخواهید که کد را توضیح دهد ("توضیحاتی در مورد اینکه این برنامه چه کاری انجام میدهد و چگونه کار میکند را به من ارائه دهید") و Q به شما جزئیاتی مانند خدماتی را ارائه میدهد که کد استفاده می کند و توابع مختلف چه کار می کنند (به عنوان مثال، Q ممکن است با چیزی شبیه به این پاسخ دهد: "این برنامه در حال ساخت یک سیستم بلیط پشتیبانی اولیه با استفاده از Python Flask و AWS Lambda است" و در ادامه به شرح هر یک از قابلیت های اصلی آن، نحوه پیاده سازی آنها، و خیلی بیشتر).
- ویژگی های عقب مانده خود را سریعتر پاک کنید: حتی میتوانید از آمازون Q بخواهید تا شما را در طول فرآیند افزودن یک ویژگی به برنامهتان راهنمایی کند و آن را خودکار کند. Amazon CodeCatalyst، سرویس توسعه نرم افزار یکپارچه ما برای تیم ها. برای انجام این کار، شما فقط یک کار عقب مانده را از لیست مشکلات خود به Q اختصاص می دهید - درست مانند یک هم تیمی - و Q یک برنامه گام به گام برای نحوه ساخت و اجرای این ویژگی ایجاد می کند. پس از تایید طرح، Q کد را می نویسد و تغییرات پیشنهادی را به عنوان بررسی کد به شما ارائه می دهد. میتوانید دوباره کاری (در صورت لزوم)، تأیید و/یا استقرار را درخواست کنید!
- کد خود را در کسری از زمان ارتقا دهید: اکثر توسعه دهندگان در واقع تنها کسری از زمان خود را صرف نوشتن کدهای جدید و ساخت برنامه های جدید می کنند. آنها بیشتر از چرخه های خود را صرف مناطق دردناک و شلخته مانند تعمیر و نگهداری و ارتقاء می کنند. ارتقاء نسخه زبان را انجام دهید. تعداد زیادی از مشتریان به استفاده از نسخههای قدیمی جاوا ادامه میدهند، زیرا ارتقاء آن به ماهها و حتی سالها و هزاران ساعت زمان نیاز دارد. به تعویق انداختن این امر هزینه ها و خطرات واقعی دارد—شما بهبود عملکرد را از دست می دهید و در برابر مسائل امنیتی آسیب پذیر هستید. ما فکر می کنیم Amazon Q می تواند یک تغییر دهنده بازی در اینجا باشد و در مورد آن هیجان زده هستیم تبدیل کد کیو آمازونقابلیتی که می تواند بسیاری از این کارهای سنگین را حذف کند و زمان ارتقاء برنامه ها را از روزها به چند دقیقه کاهش دهد. شما فقط کدی را که می خواهید به روز کنید در IDE خود باز کنید و از Amazon Q بخواهید کد شما را «/تغییر» کند. آمازون Q کل کد منبع برنامه را تجزیه و تحلیل می کند، کد را به زبان و نسخه هدف تولید می کند و آزمایش هایی را اجرا می کند و به شما کمک می کند تا امنیت و بهبود عملکرد آخرین نسخه های زبان را درک کنید. اخیراً، تیم بسیار کوچکی از توسعه دهندگان آمازون از Amazon Q Code Transformation برای ارتقا 1,000 برنامه تولیدی از جاوا 8 به جاوا 17 در تنها دو روز استفاده کردند. میانگین زمان برای هر برنامه کمتر از 10 دقیقه بود. امروزه Amazon Q Code Transformation ارتقاء زبان جاوا را از جاوا 8 یا جاوا 11 به جاوا 17 انجام می دهد. قابلیت تبدیل .NET Framework به چند پلتفرمی .NET (با تغییرات بیشتر در آینده) در آینده (و به زودی) ارائه می شود. .
آمازون Q متخصص کسب و کار شماست: میتوانید Amazon Q را به دادهها، اطلاعات و سیستمهای کسبوکار خود متصل کنید تا بتواند همه چیز را ترکیب کند و برای کمک به مردم در حل مشکلات، تولید محتوا و انجام اقدامات مرتبط با کسبوکار شما، کمکهای متناسب ارائه دهد. آوردن آمازون Q به تجارت شما آسان است. دارای بیش از 40 اتصال داخلی به سیستم های سازمانی محبوب مانند Amazon S3، Microsoft 365، Salesforce، ServiceNow، Slack، Atlassian، Gmail، Google Drive و Zendesk. همچنین میتواند به اینترانت داخلی، ویکیها و کتابهای اجراکننده شما متصل شود و با Amazon Q SDK، میتوانید به هر برنامه داخلی که میخواهید ارتباط برقرار کنید. آمازون Q را به سمت این مخازن بگیرید، و کسب و کار شما را افزایش می دهد و اطلاعات معنایی را که شرکت شما را منحصر به فرد می کند، جمع آوری و درک می کند. سپس، برنامه وب دوستانه و ساده Amazon Q خود را دریافت می کنید تا کارمندان در سراسر شرکت شما بتوانند با رابط مکالمه تعامل داشته باشند. آمازون Q همچنین برای درک یک کاربر، نقش او و سیستمهایی که مجاز به دسترسی به آنها هستند به ارائهدهنده هویت شما متصل میشود تا کاربران بتوانند سوالات دقیق و ظریف بپرسند و نتایج متناسبی را دریافت کنند که فقط شامل اطلاعاتی است که مجاز به دیدن آنها هستند. آمازون Q پاسخها و بینشهایی را تولید میکند که دقیق و وفادار به مطالب و دانشی است که شما ارائه میدهید، و میتوانید موضوعات حساس را محدود کنید، کلمات کلیدی را مسدود کنید، یا سوالات و پاسخهای نامناسب را فیلتر کنید. در اینجا چند نمونه از کارهایی که می توانید با دستیار متخصص جدید کسب و کار خود انجام دهید آورده شده است:
- بر اساس دادهها و اطلاعات کسبوکارتان، پاسخهای واضح و فوقالعاده مرتبط دریافت کنید: کارمندان می توانند از آمازون Q در مورد هر چیزی که قبلاً مجبور به جستجوی آن در همه انواع منابع بوده اند بپرسند. بپرسید «آخرین دستورالعملها برای استفاده از لوگو چیست؟»، یا «چگونه میتوانم برای کارت اعتباری شرکت درخواست کنم؟»، آمازون Q تمام محتوای مرتبطی را که پیدا میکند ترکیب میکند و با پاسخهای سریع بهعلاوه پیوندهایی به موارد مربوطه برمیگردد. منابع (به عنوان مثال، پورتال های برند و مخازن آرم، خط مشی های T&E شرکت، و برنامه های کارت).
- ارتباطات روزمره را ساده کنید: فقط بپرسید، و آمازون Q می تواند محتوا تولید کند ("ایجاد یک پست وبلاگ و سه عنوان رسانه اجتماعی که محصول توضیح داده شده در این مستندات را اعلام می کند")، خلاصه های اجرایی ایجاد کند ("خلاصه ای از متن جلسه ما را با لیست گلوله ای از موارد اقدام بنویسید" بهروزرسانیهای ایمیلی را ارائه کنید ("پیش نویس ایمیلی که برنامههای آموزشی Q3 ما برای مشتریان در هند را برجسته میکند")، و به ساختار جلسات کمک کنید ("ایجاد دستور کار جلسه برای صحبت در مورد آخرین گزارش رضایت مشتری").
- وظایف کامل: آمازون Q می تواند به انجام برخی وظایف کمک کند و مدت زمانی را که کارمندان صرف کارهای تکراری مانند تهیه بلیط می کنند، کاهش دهد. از آمازون Q بخواهید "بازخورد مشتری را در مورد پیشنهاد قیمت گذاری جدید در Slack خلاصه کند" و سپس از Q بخواهید آن اطلاعات را دریافت کند و بلیطی را در Jira برای به روز رسانی تیم بازاریابی باز کند. میتوانید از Q بخواهید «خلاصه این رونوشت تماس» و سپس «یک مورد جدید برای مشتری A در Salesforce باز کنید». آمازون کیو از سایر ابزارهای اتوماسیون کار محبوب مانند Zendesk و Service Now پشتیبانی می کند.
آمازون Q در آمازون QuickSight است: با آمازون Q در QuickSight، سرویس هوش تجاری AWS، کاربران می توانند از داشبورد خود سوالاتی مانند "چرا تعداد سفارش ها در ماه گذشته افزایش یافته است؟" بپرسند. و تجسم ها و توضیحاتی در مورد عواملی که بر افزایش تاثیر گذاشته اند دریافت کنید. و، تحلیلگران میتوانند از Amazon Q برای کاهش زمان ساخت داشبوردها از چند روز به دقیقه با یک اعلان ساده مانند «فروشها را براساس منطقه به ماه به عنوان نمودار میلهای انباشته به من نشان بده» استفاده کنند. Q بلافاصله با آن نمودار باز می گردد، و می توانید به راحتی آن را به داشبورد اضافه کنید یا با Q بیشتر چت کنید تا تصویرسازی را اصلاح کنید (مثلاً، «نمودار میله ای را به نمودار Sankey تغییر دهید» یا «نمایش کشورها به جای مناطق»). Amazon Q در QuickSight همچنین استفاده از داشبوردهای موجود را برای اطلاع رسانی به سهامداران کسب و کار، تقطیر بینش های کلیدی و ساده سازی تصمیم گیری با استفاده از داستان های داده را آسان تر می کند. به عنوان مثال، کاربران ممکن است از آمازون Q بخواهند «داستانی در مورد چگونگی تغییر کسب و کار در ماه گذشته برای بررسی کسب و کار با رهبری ارشد بسازد» و در عرض چند ثانیه، آمازون کیو داستانی مبتنی بر داده ارائه می دهد که از نظر بصری متقاعد کننده است. کاملا قابل تنظیم این داستان ها را می توان به طور ایمن در سراسر سازمان به اشتراک گذاشت تا به همسویی ذینفعان و اتخاذ تصمیمات بهتر کمک کند.
آمازون Q در آمازون اتصال است: در آمازون کانکت، خدمات مرکز تماس ما، آمازون Q به نمایندگی های خدمات مشتری شما کمک می کند خدمات بهتری به مشتریان ارائه دهند. آمازون Q از مخازن دانشی که نمایندگان شما معمولاً برای دریافت اطلاعات برای مشتریان استفاده میکنند، استفاده میکند، و سپس نمایندگان میتوانند مستقیماً با آمازون Q در Connect چت کنند تا پاسخهایی دریافت کنند که به آنها کمک میکند سریعتر به درخواستهای مشتری پاسخ دهند بدون اینکه نیازی به جستجو در اسناد داشته باشند. و، در حالی که چت کردن با آمازون Q برای پاسخ های فوق سریع عالی است، در خدمات مشتری چیزی به نام خیلی سریع وجود ندارد. از همین رو آمازون Q در اتصال مکالمه مستقیم مشتری با یک نماینده را به یک درخواست تبدیل می کند و به طور خودکار پاسخ های احتمالی، اقدامات پیشنهادی و پیوندهایی به منابع را برای نماینده ارائه می دهد. به عنوان مثال، آمازون Q می تواند تشخیص دهد که مشتری در حال تماس با یک شرکت خودروی کرایه ای برای تغییر رزرو خود است، پاسخی برای نماینده ایجاد کند تا به سرعت نحوه اعمال سیاست های هزینه تغییر شرکت را با او در میان بگذارد و نماینده را از طریق مراحلی که برای به روز رسانی نیاز دارند راهنمایی کند. رزرو.
آمازون Q در زنجیره تامین AWS قرار دارد (به زودی): در AWS Supply Chain، سرویس بینش زنجیره تامین ما، آمازون Q به برنامه ریزان عرضه و تقاضا، مدیران موجودی و شرکای تجاری کمک می کند تا زنجیره تامین خود را با خلاصه کردن و برجسته کردن خطرات احتمالی موجودی یا مازاد عرضه بهینه کنند و سناریوهایی را برای حل مشکل تجسم کنند. کاربران میتوانند از Amazon Q درباره دادههای زنجیره تامین خود سؤالات «چی»، «چرا» و «چه میشود» بپرسند و از طریق سناریوهای پیچیده و معاوضه بین تصمیمهای مختلف زنجیره تأمین چت کنند. به عنوان مثال، یک مشتری ممکن است بپرسد، "چه چیزی باعث تاخیر در ارسال من می شود و چگونه می توانم کارها را تسریع کنم؟" که آمازون کیو ممکن است پاسخ دهد، "90٪ از سفارشات شما در ساحل شرقی است و یک طوفان بزرگ در جنوب شرقی باعث تاخیر 24 ساعته می شود. اگر به جای میامی به بندر نیویورک حمل کنید، تحویل را تسریع کرده و هزینه ها را 50 درصد کاهش خواهید داد.
مشتریان ما به سرعت هوش مصنوعی مولد را اتخاذ میکنند—آنها در حال آموزش مدلهای پیشگامانه در AWS هستند، آنها در حال توسعه برنامههای هوش مصنوعی با سرعت بیسابقه با استفاده از Amazon Bedrock هستند، و در حال استقرار برنامههای تغییر دهنده بازی در سازمانهای خود مانند Amazon Q هستند. با آخرین اعلامیههای ما، AWS به مشتریان عملکرد، انتخاب و نوآوری بیشتری را در هر لایه از پشته می آورد. تأثیر ترکیبی همه قابلیتهایی که در re:Invent ارائه میدهیم، نقطه عطف مهمی در رسیدن به یک هدف هیجانانگیز و معنادار است: ما هوش مصنوعی مولد را در دسترس مشتریان با هر اندازه و تواناییهای فنی قرار میدهیم تا آنها بتوانند به اختراع مجدد و تغییر آن چیزی برسند. ممکن است.
منابع
درباره نویسنده
سوامی سیواسوبرامانیان معاون داده و یادگیری ماشین در AWS است. در این نقش، سوامی بر کلیه خدمات پایگاه داده AWS، تجزیه و تحلیل و هوش مصنوعی و یادگیری ماشین نظارت دارد. ماموریت تیم او این است که به سازمانها کمک کند تا دادههای خود را با یک راهحل داده کامل و سرتاسر برای ذخیرهسازی، دسترسی، تجزیه و تحلیل، تجسم و پیشبینی به کار گیرند.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/welcome-to-a-new-era-of-building-in-the-cloud-with-generative-ai-on-aws/
- : دارد
- :است
- :نه
- :جایی که
- $UP
- 000
- 1
- 10
- 100
- 11
- 12
- 17
- 200
- 2019
- 2024
- 25
- 30
- 300
- ٪۱۰۰
- 40
- 50
- 500
- 65
- 8
- 9
- a
- توانایی
- توانایی
- قادر
- درباره ما
- بالاتر
- شتاب دادن
- تسریع شد
- شتاب دهنده ها
- Accenture
- دسترسی
- دسترسی
- در دسترس
- حسابداری (Accounting)
- دقت
- دقیق
- به دست آوردن
- در میان
- عمل
- اقدامات
- فعالانه
- واقعا
- وفق دادن
- اضافه کردن
- اضافه
- اضافه کردن
- اضافه
- اضافی
- علاوه بر این
- اضافات
- می افزاید:
- آدیداس
- خشت
- تصویب
- پیشرفته
- پیشبرد
- مزیت - فایده - سود - منفعت
- مزایای
- تبلیغات
- نصیحت
- پس از
- در برابر
- دستور کار
- عامل
- عاملان
- تجمیع
- پیش
- AI
- هوش مصنوعی و یادگیری ماشین
- AI chatbot
- تحقیق ai
- مجهز به هوش مصنوعی
- تراز
- معرفی
- اجازه دادن
- اجازه می دهد تا
- در امتداد
- قبلا
- همچنین
- همیشه
- آمازون
- آمازون کد Whisperer
- آمازون EC2
- آمازون QuickSight
- آمازون SageMaker
- آمازون خدمات وب
- مقدار
- مقدار
- an
- تحلیل
- روانکاو
- تحلیلگران
- علم تجزیه و تحلیل
- تحلیل
- تجزیه و تحلیل
- و
- اعلام
- اطلاعیه ها
- اعلام كردن
- پاسخ
- پاسخ
- آنتروپیک
- هر
- هر کس
- هر چیزی
- API
- رابط های برنامه کاربردی
- نرم افزار
- ظاهر می شود
- کاربرد
- برنامه های کاربردی
- درخواست
- قدردانی
- روش
- تصویب
- تایید کرد
- برنامه های
- آوریل
- هستند
- محدوده
- مناطق
- شاید، قابل بحث
- دور و بر
- AS
- پرسیدن
- کمک
- دستیار
- دستیاران
- مرتبط است
- همکاران
- At
- Atlassian
- تقویت کردن
- افزوده شده
- تقویت می کند
- شفق قطبی
- مجاز
- خودکار بودن
- خودکار می کند
- اتوماتیک
- بطور خودکار
- اتوماسیون
- خودرو
- دسترس پذیری
- در دسترس
- میانگین
- اجتناب از
- دور
- AWS
- استنتاج AWS
- AWS لامبدا
- کنسول مدیریت AWS
- به عقب
- بانکداری
- بار
- موانع
- پایه
- مستقر
- اساسی
- BE
- زیرا
- شود
- بوده
- آغاز شد
- باور
- مزایای
- بهترین
- بهترین شیوه
- بهتر
- میان
- بزرگ
- بیلیون
- میلیاردها
- مسدود کردن
- بلاک ها
- بلاگ
- بوئینگ
- پیچ
- رزرو
- Booking.com
- کتاب
- هر دو
- پایین
- مرز
- نام تجاری
- شکستن
- می شکند
- به ارمغان بیاورد
- آوردن
- ساختن
- بنا
- می سازد
- ساخته
- ساخته شده در
- کسب و کار
- هوش تجاری
- کسب و کار
- اما
- دکمه
- by
- صدا
- مرکز تماس
- CAN
- می توانید دریافت کنید
- قابلیت های
- قابلیت
- توانا
- ظرفیت
- ضبط
- ماشین
- کربن
- انتشار کربن
- کارت
- Осторожно
- مورد
- موارد
- دسته
- باعث می شود
- مرکز
- معین
- قطعا
- زنجیر
- به چالش
- چالش ها
- تغییر دادن
- تغییر
- صراف
- تبادل
- متغیر
- مشخصات
- چارت سازمانی
- نمودار
- اتاق های گفت و گو
- chatbot
- chatbots
- چت
- بررسی
- تراشه
- چیپس
- انتخاب
- را انتخاب کنید
- انتخاب
- برگزیده
- ادعای
- کلاس ها
- تمیز کاری
- واضح
- کلیک
- ابر
- زیرساخت های ابری
- خوشه
- خوشه بندی
- ساحل
- رمز
- پایه کد
- بررسی کد
- برنامه نویسی
- همکاری
- همکاری
- COM
- ترکیب
- ترکیب
- ترکیب شده
- ترکیب
- بیا
- می آید
- آینده
- به زودی
- ارتباط
- ارتباطات
- شرکت
- شرکت
- شرکت
- مقایسه
- متقاعد کننده
- کامل
- به طور کامل
- پیچیده
- پیچیدگی
- جامع
- محاسبه
- مفاهیم
- پیکر بندی
- پیکربندی
- حدس
- اتصال
- متصل
- ارتباط
- اتصال
- متصل
- استوار
- کنسول
- محدودیت ها
- مصرف کنندگان
- مصرف
- تماس
- تماس با مرکز
- ظروف
- محتوا
- زمینه
- متنی
- ادامه دادن
- ادامه داد:
- ادامه
- مداوم
- کنترل
- گروه شاهد
- گفتگو
- محاورهای
- گفتگو
- حق چاپ
- copywriting است
- هسته
- هزینه
- مقرون به صرفه
- هزینه
- کشور
- کاکس
- ایجاد
- ایجاد شده
- خلاقیت
- سازندگان
- اعتبار
- کارت اعتباری
- جرم
- ترد
- CRM
- کراس پلت فرم
- مشتری
- تجربه مشتری
- رضایت مشتری
- خدمات مشتری
- مشتریان
- سفارشی
- سفارشی سازی
- سفارشی
- سفارشی
- برش
- چرخه
- روزانه
- داشبورد
- داشبورد
- داده ها
- آماده سازی داده ها
- حریم خصوصی داده ها
- حریم خصوصی و امنیت داده ها
- مجموعه داده ها
- داده محور
- پایگاه داده
- پایگاه های داده
- پایگاه داده
- روز
- روز به روز
- روز
- تصمیم گیری
- تصمیم گیری
- عمیق
- یادگیری عمیق
- عمیق تر
- تعاریف
- درجه
- تاخیر
- ارائه
- تحویل
- تحویل
- ارائه
- تقاضا
- دموکراتیک کردن
- بستگی دارد
- گسترش
- مستقر
- استقرار
- گسترش
- عمق
- توصیف
- شرح داده شده
- شرح
- طراحی
- مطلوب
- دقیق
- جزئیات
- تشخیص
- مشخص کردن
- DEUTSCHE TELECOM
- توسعه دهنده
- توسعه دهندگان
- در حال توسعه
- پروژه
- تشخیص
- گفتگو
- گفتگو
- DID
- مختلف
- انتشار
- دیجیتال
- مستقیما
- توزیع کردن
- توزیع شده
- آموزش توزیع شده
- توزیع
- do
- سند
- مستندات
- اسناد و مدارک
- میکند
- نمی کند
- عمل
- انجام شده
- آیا
- دو برابر
- پایین
- راندن
- دو
- نسخه های تکراری
- مدت
- e
- تجارت الکترونیک
- هر
- در اوایل
- آسان تر
- به آسانی
- شرق
- ساحل شرقی
- ساده
- اقتصاد (Economics)
- چاپ
- به طور موثر
- بهره وری
- موثر
- تلاش
- هر دو
- دیگر
- پست الکترونیک
- ایمیل
- تولید گازهای گلخانه ای
- کارکنان
- قدرت دادن
- توانمندسازی
- قادر ساختن
- را قادر می سازد
- پشتیبانی می کند
- رویارویی
- پایان
- پشت سر هم
- انرژی
- مصرف انرژی
- صرفه جویی در مصرف انرژی
- مهندس
- مهندسی
- بالا بردن
- پیشرفت ها
- غنی سازی
- سرمایه گذاری
- درجه سازمانی
- شرکت
- سرگرمی
- تمام
- پاکت
- عصر
- ERP
- خطا
- خطاهای
- اتر (ETH)
- ارزیابی
- حتی
- حوادث
- تا کنون
- هر
- هر کس
- همه چیز
- تکامل
- تکامل یابد
- مثال
- مثال ها
- برانگیخته
- مهیج
- اجرا کردن
- اجرایی
- موجود
- گستردگی
- انتظار
- تسریع کردن
- گران
- تجربه
- با تجربه
- تجارب
- کارشناس
- تخصص
- توضیح دهید
- اکتشاف
- صریح
- پارچه
- چهره
- واقعیت
- عوامل
- منصفانه
- با ایمان
- شاهین
- سقوط
- آشنا
- خانواده
- خانواده
- FAST
- سریعتر
- معیوب
- ویژگی
- امکانات
- پرداخت
- باز خورد
- کمی از
- بایگانی
- فیلتر
- سرانجام
- مالی
- پیدا کردن
- پیدا کردن
- پیدا می کند
- پایان
- پایان
- نام خانوادگی
- رفع
- قابل انعطاف
- متمرکز شده است
- به دنبال
- برای
- برای مصرف کنندگان
- به جلو
- یافت
- پایه
- چهار
- کسر
- چارچوب
- چارچوب
- رایگان
- غالبا
- دوستانه
- از جانب
- توابع
- بیشتر
- آینده
- بازی
- تغییر دهنده ی بازی
- بازی
- سوالات عمومی
- عموما
- تولید می کنند
- تولید می کند
- مولد
- نسل
- مولد
- هوش مصنوعی مولد
- ژنراتور
- دریافت کنید
- گرفتن
- دادن
- جهانی
- دیجیتال جهانی
- جیمیل
- Go
- هدف
- رفتن
- خوب
- گوگل
- GPU
- GPU ها
- بزرگ
- زمین
- پیشگامانه
- گروه
- در حال رشد
- رشد کرد
- راهنمایی
- راهنمایی
- دستورالعمل ها
- بود
- دست ها
- اتفاق می افتد
- سخت
- سخت افزار
- مضر
- نفرت
- نفرت سخنرانی
- آیا
- داشتن
- عناوین
- بهداشت و درمان
- سنگین
- بلند کردن سنگین
- کمک
- کمک
- کمک می کند
- اینجا کلیک نمایید
- زیاد
- بالاتر
- بالاترین
- مشخص کردن
- خیلی
- استخدام
- خود را
- میزبانی وب
- ساعت ها
- چگونه
- چگونه
- اما
- HTTPS
- صدها نفر
- i
- ID
- هویت ها
- هویت
- شناسه
- if
- تصویر
- تولید تصویر
- تصاویر
- فوری
- تأثیر
- انجام
- پیاده سازی ها
- اجرا
- واردات
- مهم
- موثر
- بهبود
- بهبود یافته
- ارتقاء
- in
- شامل
- شامل
- از جمله
- افزایش
- افزایش
- افزایش
- شاخص ها
- افراد
- لوازم
- صنعت
- پیشرو در صنعت
- تحت تاثیر قرار گرفت
- اطلاعات
- اطلاع دادن
- اطلاعات
- شالوده
- نوآوری
- نوآوری
- ابداع
- نوآوری
- ابتکاری
- ورودی
- ورودی
- بینش
- بینش
- نمونه
- نمونه ها
- در عوض
- موسسه
- دستورالعمل
- بیمه
- ادغام
- فکری
- مالکیت معنوی
- اطلاعات
- قصد دارد
- تعامل
- فعل و انفعالات
- در ارتباط بودن
- به هم پیوسته
- رابط
- داخلی
- دخالت
- به
- معرفی
- معرفی
- معرفی
- اختراع
- فهرست
- سرمایه گذاری
- تحقیقی
- سرمایه گذاری
- سرمایه گذاری
- سرمایه گذاری
- گرفتار
- شامل
- مسائل
- IT
- متخصصان فناوری اطلاعات
- ITS
- ژاپنی
- اصطلاحات مخصوص یک صنف
- جاوه
- JPG
- تنها
- فقط یکی
- نگاه داشتن
- نگهداری
- کلید
- مناطق کلیدی
- کلید واژه ها
- بسته لوازم
- کیت (SDK)
- دانستن
- دانش
- می داند
- آزمایشگاه
- عدم
- زبان
- بزرگ
- در مقیاس بزرگ
- بزرگترین
- نام
- پارسال
- دیر
- تاخیر
- آخرین
- راه اندازی
- راه اندازی
- وکلا
- لایه
- لایه
- رهبری
- برجسته
- یاد گرفتن
- آموخته
- یادگیری
- قانونی
- کمتر
- اجازه می دهد تا
- سطح
- قدرت نفوذ
- اهرم ها
- LexisNexis
- LG
- کتابخانه ها
- wifecycwe
- بلند کردن اجسام
- پسندیدن
- احتمالا
- محدودیت
- محدود شده
- محدودیت
- خطوط
- ارتباط دادن
- لینک ها
- فهرست
- زنده
- زندگی
- پشم لاما
- واقع شده
- مکان
- منطقی
- آرم
- طولانی
- طولانی مدت
- خیلی
- عشق
- کم
- کاهش
- پایین ترین
- دستگاه
- فراگیری ماشین
- ساخته
- حفظ
- نگهداری
- نگهداری
- عمده
- ساخت
- باعث می شود
- ساخت
- اداره می شود
- مدیریت
- مدیران
- کتابچه راهنمای
- کار دستی
- دستی
- بسیاری
- بازار یابی (Marketing)
- ماده
- مصالح
- بیشترین
- ممکن است..
- me
- معنی دار
- به معنی
- رسانه ها
- دیدار
- نشست
- جلسات
- ملاقات
- اعضا
- تولید گزارشات تاریخی
- متا
- روش
- میامی
- مایکروسافت
- مایکروسافت 365
- متوسط
- قدرت
- مرحله مهمی از زندگی
- دقیقه
- از دست
- ماموریت
- ML
- مدل
- مدل سازی
- مدل
- نوسازی
- حرکت
- MongoDB
- مانیتور
- ماه
- ماه
- بیش
- اکثر
- محبوبترین
- متحرک
- MRI
- بسیار
- چندگانه
- موسیقی
- باید
- my
- نام
- نزدک
- طبیعی
- زبان طبیعی
- نزدیک
- لازم
- نیاز
- ضروری
- نیازمند
- خالص
- شبکه
- شبکه
- جدید
- نیویورک
- به تازگی
- بعد
- نیترو
- نه
- نوت بوک
- اکنون
- عدد
- کارت گرافیک Nvidia
- of
- خاموش
- توهین آمیز
- ارائه
- ارائه
- پیشنهادات
- غالبا
- بزرگتر
- on
- یک بار
- ONE
- آنهایی که
- آنلاین
- بانکداری آنلاین
- فقط
- باز کن
- کار
- عملیات
- بهینه سازی
- بهینه
- بهینه سازی
- گزینه
- or
- سفارشات
- کدام سازمان ها
- سازمان های
- اصلی
- دیگر
- دیگران
- ما
- خارج
- طرح کلی
- تولید
- خروجی
- روی
- بیش از حد
- بیش از حد
- خود
- سرعت
- بسته
- دردناک
- جفت
- پارامتر
- پارامترهای
- بخش
- شرکای
- بخش
- گذشته
- الگوهای
- توقف
- مردم
- برای
- انجام دادن
- کارایی
- انجام
- انجام می دهد
- اجازه
- مجوز
- شخص
- شخصی
- شخصی کردن
- شخصا
- تور PGA
- عبارات
- پی
- محل
- برنامه
- افلاطون
- هوش داده افلاطون
- PlatoData
- به علاوه
- نقطه
- سیاست
- محبوب
- مثبت
- ممکن
- پست
- پتانسیل
- قدرت
- صفحه اصلی
- قوی
- عملی
- عملا
- شیوه های
- دقیق
- پیش بینی
- پیش بینی
- تنظیمات
- تهیه
- آماده
- در حال حاضر
- رئيس جمهور
- فشار
- فشار
- پیش نمایش
- قبلا
- قیمت
- قیمت گذاری
- اصلی
- خلوت
- حریم خصوصی و امنیت
- خصوصی
- اطلاعات خصوصی
- مشکل
- مشکلات
- روند
- فرآیندهای
- در حال پردازش
- تولید کردن
- محصول
- تولید
- تولیدی
- بهره وری
- حرفه ای
- حرفه ای
- برنامه ها
- پروژه
- پرسیدن
- ویژگی
- اختصاصی
- حفاظت
- حفاظت
- ارائه
- ارائه دهنده
- ارائه دهندگان
- فراهم می کند
- ارائه
- عمومی
- عمومی
- اهداف
- فشار
- هل دادن
- قرار دادن
- قرار دادن
- پــایتــون
- مارماهی
- Q3
- کمی
- سوال
- سوالات
- سریع
- به سرعت
- کاملا
- تحقیق و توسعه
- محدوده
- سریع
- سریعا
- نرخ
- RE
- مطالعه
- واقعی
- زمان واقعی
- واقع بینانه
- تحقق بخشیدن
- متوجه
- واقعا
- درو کردن
- دلایل
- تازه
- توصیه
- توصیه
- رکورد
- كاهش دادن
- کاهش
- کاهش
- خالص کردن
- منطقه
- منتشر شد
- مربوط
- قابلیت اطمینان
- بقایای
- برداشتن
- از بین بردن
- تعمیرات
- تکراری
- جایگزینی
- پاسخ
- گزارش
- مخزن
- درخواست
- درخواست
- ضروری
- مورد نیاز
- تحقیق
- رزرو
- ذخیره
- وضوح
- رونق می گیرد
- منابع
- احترام
- پاسخ
- پاسخ دادن
- پاسخ
- پاسخ
- مسئوليت
- محدود کردن
- منحصر
- نتیجه
- نتایج
- عودت
- این فایل نقد می نویسید:
- بازبینی
- راست
- خطرات
- نقش
- نقش
- اتاق
- مسیرها
- قانون
- دویدن
- در حال اجرا
- باند فرودگاه
- قربانی کردن
- امن
- پادمان
- با خیال راحت
- حکیم ساز
- حراجی
- salesforce
- همان
- رضایت
- ذخیره
- گفته
- مقیاس
- مقیاس گذاری
- سناریوها
- حوزه
- نمرات
- خراش
- sdk
- بدون درز
- جستجو
- دوم
- نسل دوم
- ثانیه
- امن
- ایمن
- تیم امنیت لاتاری
- دیدن
- مشاهده
- مشاهده گردید
- را انتخاب کنید
- انتخاب شد
- انتخاب
- در حال ارسال
- ارشد
- رهبری ارشد
- حساس
- سپتامبر
- دنباله
- سلسله
- سرورها
- سرویس
- ServiceNow
- خدمات
- تنظیم
- مجموعه
- چند
- اشتراک گذاری
- به اشتراک گذاشته شده
- کشتی
- کوتاه
- باید
- طرف
- قابل توجه
- سیلیکون
- به طور مشابه
- ساده
- ساده کردن
- به سادگی
- پس از
- شش
- اندازه
- شل
- کوچک
- So
- آگاهی
- رسانه های اجتماعی
- نرم افزار
- توسعه دهندگان نرم افزار
- توسعه نرم افزار
- بسته توسعه نرم افزار
- راه حل
- مزایا
- حل
- برخی از
- کسی
- چیزی
- بزودی
- مصنوعی
- منبع
- کد منبع
- منابع
- جنوب شرقی
- فضا
- جرقه
- به طور خاص
- سخنرانی - گفتار
- سرعت
- خرج کردن
- ثبات
- پایدار
- پشته
- انباشته
- سهامداران
- آغاز شده
- راه افتادن
- نوپا
- وضعیت هنر
- ماندن
- گام
- مراحل
- هنوز
- ذخیره سازی
- opbevare
- پرده
- داستان
- طوفان
- داستان
- ساده کردن
- تقویت
- دقیق
- ساختار
- مهاجرت تحصیلی
- زیر شبکه
- قابل توجه
- چنین
- مناسب
- دنباله
- خلاصه کردن
- خلاصه
- فوق العاده
- مکمل
- تامین کنندگان
- عرضه
- عرضه و تقاضا
- زنجیره تامین
- پشتیبانی
- پشتیبانی از
- مطمئن
- تعجب آور
- نظارت
- مشکوک
- پایداری
- گزینه
- ترکیب کردن
- سیستم
- سیستم های
- جدول
- طراحی شده
- گرفتن
- طول می کشد
- مصرف
- صحبت
- هدف
- کار
- وظایف
- تیم
- اعضای تیم
- تیم ها
- فنی
- تکنیک
- تکنیک
- فن آوری
- پیشرفته
- نوآوری فناوری
- گفتن
- گفتن
- ده
- ده ها
- جریان تنسور
- واژه شناسی
- آزمون
- تست
- تست
- متن
- تولید متن
- نسبت به
- که
- La
- آینده
- جهان
- شان
- آنها
- خودشان
- سپس
- آنجا.
- اینها
- آنها
- چیز
- اشیاء
- فکر می کنم
- سوم
- این
- در این سال
- کسانی که
- هزاران نفر
- سه
- از طریق
- سراسر
- توان
- بلیط
- بلیط
- زمان
- بار
- تیتان
- به
- امروز
- امروز
- با هم
- رمز
- هم
- در زمان
- ابزار
- ابزار
- بالا
- تاپیک
- سفر
- نسبت به
- طرف
- مسیر
- تجارت
- قطار
- آموزش دیده
- آموزش
- معاملات
- رونوشت
- دگرگون کردن
- دگرگونی
- تحولات
- تبدیل شدن
- سفر
- تریلیون ها
- سفر
- صادقانه
- اعتماد
- امتحان
- تلاش
- تبدیل
- دو
- نوع
- به طور معمول
- اساسی
- فهمیدن
- قابل فهم
- درک
- درک می کند
- نا آشنا
- یکپارچه
- منحصر به فرد
- ویژگی های منحصر به فرد
- واحد
- بر خلاف
- تا
- بروزرسانی
- به روز رسانی
- ارتقاء
- ارتقاء
- us
- استفاده
- استفاده کنید
- مورد استفاده
- استفاده
- کاربر
- کاربران
- استفاده
- با استفاده از
- ارزشمند
- تنوع
- مختلف
- نسخه
- در مقابل
- بسیار
- از طريق
- معاون
- معاون رئیس جمهور
- تصویری
- عملا
- تجسم
- تجسم
- بصری
- جلد
- آسیب پذیر
- می خواهم
- وارنر
- گروه موسیقی وارنر
- بود
- موج
- مسیر..
- راه
- we
- وب
- برنامه تحت وب
- خدمات وب
- وب سایت
- هفته
- هفته
- خوش آمد
- خوب
- معروف
- بود
- چی
- چه شده است
- چه زمانی
- چه
- که
- در حین
- WHO
- چرا
- وسیع
- دامنه گسترده
- گسترده تر
- اراده
- پنجره
- با
- در داخل
- بدون
- مهاجرت کاری
- مشغول به کار
- گردش کار
- کارگر
- با این نسخهها کار
- جهان
- سطح جهانی
- نگرانی
- با ارزش
- خواهد بود
- نوشتن
- کد بنویس
- نوشته
- سال
- سال
- نیویورک
- شما
- شما
- Zendesk
- زفیرنت