Hiszünk abban, hogy a generatív mesterséges intelligencia idővel gyakorlatilag minden általunk ismert ügyfélélményt képes átalakítani. Az AWS-en generatív mesterségesintelligencia-alkalmazásokat elindító és gyorsan fejlődő cégek száma jelentős, köztük az Adidas, a Booking.com, a Bridgewater Associates, a Clariant, a Cox Automotive, a GoDaddy és a LexisNexis Legal & Professional, hogy csak néhányat említsünk. Az olyan innovatív induló vállalkozások, mint a Perplexity AI, mindent beleadnak az AWS-be a generatív AI-ért. Az olyan vezető mesterséges intelligencia-vállalatok, mint az Anthropic, az AWS-t választották elsődleges felhőszolgáltatójuknak a kritikus munkaterheléshez, valamint a jövőbeli modelljeik képzésének helyszínéül. A globális szolgáltatás- és megoldásszolgáltatók, mint például az Accenture, kihasználják a személyre szabott generatív AI-alkalmazások előnyeit, mivel házon belüli fejlesztőiknek Amazon Code Whisperer.
Ezek az ügyfelek azért választják az AWS-t, mert arra összpontosítunk, amit mindig is tettünk – olyan összetett és költséges technológiát alkalmazunk, amely átalakítja az ügyfelek tapasztalatait és a vállalkozásokat, és demokratizálja azt bármilyen méretű és műszaki képességű ügyfelek számára. Ennek érdekében beruházunk és gyorsan újítunk, hogy a legátfogóbb képességkészletet biztosítsuk a generatív AI-verem három rétegében. Az alsó réteg a nagy nyelvi modellek (LLM) és más alapmodellek (FM-ek) betanítására és következtetések vagy előrejelzések előállítására szolgáló infrastruktúra. A középső réteg könnyű hozzáférést biztosít az összes olyan modellhez és eszközhöz, amelyre az ügyfeleknek szüksége van generatív AI-alkalmazások létrehozásához és méretezéséhez, ugyanolyan biztonsággal, hozzáférés-vezérléssel és egyéb funkciókkal, amelyeket az ügyfelek az AWS-szolgáltatástól várnak. A legfelső rétegben pedig olyan kulcsfontosságú területeken fektettünk be játékot megváltoztató alkalmazásokba, mint a generatív AI-alapú kódolás. Amellett, hogy választási lehetőséget és – ahogyan azt tőlünk elvárják – széles körű és mélységes képességeket kínálunk minden szinten, az ügyfelek azt is elmondják nekünk, hogy nagyra értékelik az adat-első megközelítésünket, és bíznak abban, hogy mindent az alapoktól kezdve a vállalati keretek között építettünk fel. fokozatú biztonság és adatvédelem.
Ezen a héten nagy lépést tettünk előre, és számos jelentős új képességet jelentettünk be a stack mindhárom rétegében, hogy ügyfeleink számára egyszerűvé és praktikusabbá tegyük a generatív mesterséges intelligencia széles körű alkalmazását vállalkozásaikban.
A verem alsó rétege: Az AWS Trainium2 a legújabb kiegészítő, amely a legfejlettebb felhő-infrastruktúrát biztosítja a generatív mesterséges intelligencia számára
A verem alsó rétege az infrastruktúra – számítástechnika, hálózat, keretrendszerek, szolgáltatások –, amely az LLM-ek és más FM-ek betanításához és futtatásához szükséges. Az AWS újításokkal a legfejlettebb infrastruktúrát kínálja az ML számára. Az NVIDIA-val való hosszú távú együttműködésünk révén több mint 12 évvel ezelőtt az AWS volt az első, aki GPU-kat hozott a felhőbe, és legutóbb mi voltunk az első olyan nagy felhőszolgáltatók, akik elérhetővé tettek NVIDIA H100 GPU-kat a P5 példányainkkal. Továbbra is olyan egyedi innovációkba fektetünk be, amelyek az AWS-t a legjobb felhővé teszik a GPU-k futtatásához, ideértve a legfejlettebb virtualizációs rendszer (AWS Nitro) ár-teljesítmény előnyeit, az Erastic Fabric Adapter (EFA) hatékony petabit méretű hálózatot és a hiper- méretarányos fürtözés az Amazon EC2 UltraClusterekkel (több ezer gyorsított példány található egy elérhetőségi zónában, és egy nem blokkoló hálózatban vannak összekapcsolva, amely akár 3,200 Gbps sebességet is képes szállítani a hatalmas léptékű ML képzéshez). Ezenkívül megkönnyítjük az ügyfelek számára, hogy hozzáférjenek a generatív mesterséges intelligencia nagyon keresett számítási kapacitásához az Amazon EC2 kapacitásblokkokkal az ML-hez – az első és egyetlen fogyasztási modell az iparágban, amely lehetővé teszi az ügyfelek számára, hogy lefoglalják a GPU-kat jövőbeli használatra (akár 500 darabig). EC2 UltraClusterekben telepítve) a rövid távú ML munkaterhelésekhez.
Évekkel ezelőtt rájöttünk, hogy az árteljesítmény folyamatos növeléséhez innovációra van szükségünk egészen a szilíciumig, és elkezdtünk beruházni saját chipjeinkbe. Kifejezetten az ML esetében az AWS Inferentiával kezdtük, a mi célunkra épített következtetési chipünkkel. Ma az AWS Inferentia második generációján tartunk Amazon EC2 Inf2 példányokkal, amelyeket kifejezetten nagyszabású generatív AI-alkalmazásokhoz optimalizáltak, több százmilliárd paramétert tartalmazó modellekkel. Az Inf2 példányok kínálják a legalacsonyabb költséget a felhőben történő következtetésekhez, miközben akár négyszer nagyobb átviteli sebességet és akár tízszer alacsonyabb késleltetést is biztosítanak az Inf1 példányokhoz képest. Az akár 12 Inferentia2 lapkával működő Inf2 az egyetlen olyan következtetésekre optimalizált EC2 példány, amely nagy sebességű kapcsolattal rendelkezik a gyorsítók között, így az ügyfelek gyorsabban és hatékonyabban (alacsonyabb költséggel) hajthatnak végre következtetéseket anélkül, hogy a teljesítmény vagy a késleltetés feláldoznának az ultranagy modellek elosztásával. több gyorsítón keresztül. Az olyan ügyfelek, mint az Adobe, a Deutsche Telekom és a Leonardo.ai nagyszerű korai eredményeket értek el, és izgatottan várják modelljeiket az Inf2-n.
A képzési oldalon a Trn1 példányok – amelyeket az AWS erre a célra kialakított ML oktatóchipje, az AWS Trainium hajt – úgy vannak optimalizálva, hogy a képzést több, az EFA hálózattal összekapcsolt szerveren is megosszák. Az olyan ügyfelek, mint a Ricoh, napok alatt betanítottak egy japán LLM-et több milliárd paraméterrel. A Databricks akár 40%-kal jobb ár-teljesítményt ér el a Trainium-alapú példányokkal a nagyszabású mély tanulási modellek betanításához. De mivel gyakorlatilag hetente jelennek meg új, erősebb modellek, továbbra is feszegetjük a teljesítmény és a méretek határait, és örömmel jelentjük be. AWS Trainium2, amelyet úgy terveztek, hogy még jobb árteljesítményt nyújtson a több százmilliárd-trillió paraméterekkel rendelkező edzésmodellekhez. A Trainium2-nek akár négyszer gyorsabb edzési teljesítményt kell nyújtania, mint az első generációs Trainium, az EC2 UltraClusterekben pedig akár 65 exaflop összesített számítási teljesítményt is meg kell adnia. Ez azt jelenti, hogy az ügyfelek egy 300 milliárd paraméterű LLM-et tudnak majd betanítani hetekben vagy hónapokban. A Trainium2 teljesítménye, méretaránya és energiahatékonysága néhány oka annak, hogy az Anthropic úgy döntött, hogy modelljeit AWS-re tanítja, és a Trainium2-t fogja használni jövőbeli modelljeihez. Együttműködünk az Anthropic-kal a folyamatos innováció érdekében a Trainiummal és az Inferentiával egyaránt. Várakozásaink szerint első Trainium2 példányaink 2024-ben lesznek elérhetőek az ügyfelek számára.
Megdupláztuk az ML szilíciumunk szoftvereszköz-láncát is, különösen az AWS Neuron, a szoftverfejlesztő készlet (SDK) fejlesztésével, amely segít az ügyfeleknek a Trainium és az Inferentia maximális teljesítményében. A Neuron 2019-es bevezetése óta jelentős beruházásokat hajtottunk végre a fordító- és kerettechnológiákba, és ma a Neuron számos legnépszerűbb nyilvánosan elérhető modellt támogat, köztük a Llama 2-t a Metától, az MPT-t a Databrickstől és a Stable Diffusion-t a Stability AI-től, valamint A 93 legjobb modell közül 100 a népszerű Hugging Face modelltárban. A Neuron olyan népszerű ML keretrendszerekhez csatlakozik, mint a PyTorch és a TensorFlow, és a JAX támogatása jövő év elején érkezik. Ügyfeleink azt mondják, hogy a Neuron megkönnyítette számukra, hogy néhány sornyi kóddal átváltsák meglévő modellképzési és következtetési folyamataikat a Trainiumra és az Inferentiára.
Senki más nem kínálja a legjobb ML chipek, a szupergyors hálózatok, a virtualizáció és a nagyméretű fürtök ugyanazt a kombinációját. Így nem meglepő, hogy a legismertebb generatív AI startupok, például az AI21 Labs, az Anthropic, a Hugging Face, a Perplexity AI, a Runway és a Stability AI AWS-en futnak. De továbbra is szüksége van a megfelelő eszközökre, hogy hatékonyan kihasználhassa ezt a számítást az LLM-ek és más FM-ek hatékony és költséghatékony létrehozásához, betanításához és üzemeltetéséhez. És sok ilyen startup esetében Amazon SageMaker az a válasz. Legyen szó egy új, szabadalmaztatott modell megépítéséről és betanításáról a semmiből, vagy a sok népszerű, nyilvánosan elérhető modell valamelyikével, a képzés összetett és költséges vállalkozás. Ezeket a modelleket sem könnyű költséghatékonyan működtetni. Az ügyfeleknek nagy mennyiségű adatot kell beszerezniük és elő kell készíteniük. Ez jellemzően sok kézi munkával, adattisztítással, ismétlődések eltávolításával, gazdagításával és átalakításával jár. Ezután létre kell hozniuk és karban kell tartaniuk a GPU-k/gyorsítók nagy fürtjeit, kódot kell írniuk a modellképzés hatékony elosztásához a fürtök között, gyakran kell ellenőrizniük, szüneteltetniük, ellenőrizniük és optimalizálniuk kell a modellt, valamint manuálisan be kell avatkozniuk és orvosolniuk kell a fürt hardverproblémáit. E kihívások közül sok nem új keletű, ezek az okai annak, hogy hat évvel ezelőtt elindítottuk a SageMaker-t – hogy letörjük a modellképzéssel és bevezetéssel járó számos akadályt, és sokkal könnyebb utat adjunk a fejlesztőknek. Ügyfelek tízezrei használják az Amazon SageMaker-t, és egyre többen, mint például az LG AI Research, a Perplexity AI, az AI21, a Hugging Face és a Stability AI, tanítanak LLM-eket és más FM-eket a SageMakeren. Nemrég a Technology Innovation Institute (a népszerű Falcon LLM-ek megalkotói) a legnagyobb nyilvánosan elérhető modellt – a Falcon 180B-t – képezte ki a SageMakeren. Ahogy a modellek mérete és összetettsége nőtt, úgy nőtt a SageMaker hatóköre is.
Az évek során több mint 380 játékmódosító funkciót és képességet adtunk hozzá az Amazon SageMakerhez, mint például az automatikus modellhangolás, az elosztott képzés, a rugalmas modelltelepítési lehetőségek, az ML OP-k eszközei, az adat-előkészítő eszközök, a funkciótárolók, a notebookok, a zökkenőmentes integráció humán-in-the-loop értékelésekkel az ML életciklusa során, és beépített funkciókkal a felelős mesterséges intelligencia érdekében. Folyamatosan újítunk, hogy megbizonyosodjunk arról, hogy a SageMaker ügyfelei képesek legyenek az összes modellhez – beleértve az LLM-eket és más FM-eket is – építeni, betanítani és futtatni a következtetéseket. És még egyszerűbbé és költséghatékonyabbá tesszük ügyfeleink számára a két új képességgel rendelkező nagy modellek betanítását és bevezetését. Először is, a képzés egyszerűsítése érdekében bevezetéséről Amazon SageMaker HyperPod amely a nagy léptékű hibatűrő elosztott képzéshez szükséges folyamatok közül többet automatizál (pl. elosztott képzési könyvtárak konfigurálása, képzési terhelések skálázása több ezer gyorsító között, hibás példányok észlelése és javítása), akár 40%-kal felgyorsítja a képzést. Ennek eredményeként az olyan ügyfelek, mint a Perplexity AI, a Hugging Face, a Stabilitás, a Hippocratic, az Alkaid és mások a SageMaker HyperPodot használják modellek építésére, betanítására vagy fejlesztésére. Második, új lehetőségeket vezetünk be, hogy költséghatékonyabbá tegyük a következtetést, miközben csökkentjük a várakozási időt. A SageMaker mostantól segít az ügyfeleknek több modellt ugyanarra a példányra telepíteni, hogy megoszthassák a számítási erőforrásokat – ezzel (átlagosan) 50%-kal csökkentve a következtetési költségeket. A SageMaker emellett aktívan figyeli a következtetési kéréseket feldolgozó példányokat, és intelligensen irányítja a kéréseket a rendelkezésre álló példányok alapján – így (átlagosan) 20%-kal alacsonyabb következtetési késleltetés érhető el. A Conjecture, a Salesforce és a Slack már használja a SageMaker-t a modellek tárolására ezeknek a következtetési optimalizálásoknak köszönhetően.
A halom középső rétege: Az Amazon Bedrock új modellekkel egészíti ki, és az új képességek hulláma még könnyebbé teszi az ügyfelek számára a generatív AI-alkalmazások biztonságos építését és méretezését.
Míg számos ügyfél saját LLM-et és más FM-et épít, vagy bármilyen nyilvánosan elérhető opciót kifejleszt, sokan nem akarják erre fordítani az erőforrásokat és az időt. Számukra a verem középső rétege kínálja ezeket a modelleket szolgáltatásként. A mi megoldásunk itt, Amazon alapkőzet, lehetővé teszi az ügyfelek számára, hogy az Anthropic, a Stability AI, a Meta, a Cohere, az AI21 és az Amazon piacvezető modelljei közül válasszanak, testreszabják őket saját adataikkal, és kihasználják ugyanazokat a vezető biztonsági, hozzáférés-vezérlési és szolgáltatási funkciókat, amelyekhez ők használják. AWS-ben – mindezt egy felügyelt szolgáltatáson keresztül. Szeptember végén tettük általánosan elérhetővé az Amazon Bedrock-ot, és az ügyfelek válaszai túlnyomórészt pozitívak voltak. Az ügyfelek a világ minden tájáról és szinte minden iparágban izgatottan várják az Amazon Bedrock használatát. Az adidas lehetővé teszi a fejlesztők számára, hogy gyors válaszokat kapjanak mindenre az „első lépésektől” a mélyebb műszaki kérdésekig. A Booking.com generatív mesterséges intelligencia segítségével kíván személyre szabott utazási ajánlásokat írni minden ügyfél számára. A Bridgewater Associates egy LLM-alapú befektetési elemző asszisztenst fejleszt, amely segít diagramok készítésében, pénzügyi mutatók kiszámításában és az eredmények összegzésében. A Carrier precízebb energiaelemzést és betekintést tesz elérhetővé az ügyfelek számára, így csökkentve az energiafogyasztást és a szén-dioxid-kibocsátást. A Clariant belső generatív mesterséges intelligencia chatbottal látja el csapatait, hogy felgyorsítsák a K+F folyamatokat, támogassák az értékesítési csapatokat a megbeszélések előkészítésében, és automatizálják az ügyfelek e-mailjeit. A GoDaddy a generatív mesterséges intelligencia használatával segít az ügyfeleknek egyszerűen online vállalkozásaik létrehozásában webhelyeik elkészítésében, beszállítók megtalálásában, ügyfelekkel való kapcsolattartásban stb. A Lexis Nexis Legal & Professional átalakítja az ügyvédek jogi munkáját, és növeli termelékenységüket a Lexis+ mesterséges intelligencia társalgási keresési, összefoglaló, valamint dokumentumszerkesztési és elemzési képességeivel. A Nasdaq segít automatizálni a gyanús tranzakciókkal kapcsolatos nyomozási munkafolyamatokat, és erősíti a pénzügyi bűnözés elleni küzdelem és a megfigyelési képességeket. Mindezek – és még sok más – változatos generatív AI-alkalmazások futnak AWS-en.
Izgatottak vagyunk az Amazon Bedrock lendületétől, de ez még korai szakaszban van. Az ügyfelekkel való együttműködés során azt tapasztaltuk, hogy mindenki gyorsan halad, de a generatív mesterséges intelligencia fejlődése gyors ütemben folytatódik, és gyakorlatilag naponta jelennek meg új lehetőségek és innovációk. Az ügyfelek azt tapasztalják, hogy vannak különböző modellek, amelyek jobban működnek a különböző felhasználási esetekben vagy különböző adatkészleteken. Egyes modellek nagyszerűek az összefoglaláshoz, mások az érveléshez és az integrációhoz, mások pedig igazán fantasztikus nyelvi támogatással rendelkeznek. És van még képgenerálás, keresési felhasználási esetek és még sok más – mindez szabadalmaztatott modellekből és bárki számára nyilvánosan elérhető modellekből származik. És azokban az időkben, amikor nagyon sok a megismerhetetlen, az alkalmazkodás képessége vitathatatlanul a legértékesebb eszköz. Nem lesz egy modell, amely mindegyiket uralja. És természetesen nem csak egy technológiai vállalat biztosítja azokat a modelleket, amelyeket mindenki használ. Az ügyfeleknek különféle modelleket kell kipróbálniuk. Képesnek kell lenniük váltani köztük, vagy kombinálni őket ugyanazon a használati eseten belül. Ez azt jelenti, hogy valódi modellszolgáltatók kiválasztására van szükségük (amit az elmúlt 10 nap eseményei még egyértelműbbé tettek). Ezért találtuk fel az Amazon Bedrock-ot, ezért van olyan mély visszhangja az ügyfelek körében, és ezért folytatjuk az innovációt és a gyors iterációt annak érdekében, hogy a modellek széles skálájával való építést olyan egyszerűvé tegyük (és azok közötti mozgást), mint egy API-hívás, és a legújabb technikákat alkalmazzuk. A modell testreszabása minden fejlesztő kezében van, és az ügyfelek biztonságban vannak, adataik pedig titkosak. Izgatottan várjuk, hogy bemutassunk néhány új képességet, amelyek még könnyebbé teszik az ügyfelek számára a generatív AI-alkalmazások építését és méretezését:
- Bővül a modellválaszték az Anthropic Claude 2.1-el, a Meta Llama 2 70B-vel és az Amazon Titan család kiegészítéseivel. Ezekben a korai időkben az ügyfelek még mindig tanulnak és kísérleteznek különböző modellekkel, hogy meghatározzák, melyiket szeretnék különféle célokra használni. Azt akarják, hogy könnyedén kipróbálhassák a legújabb modelleket, és azt is teszteljék, mely képességek és funkciók biztosítják számukra a legjobb eredményt és költségjellemzőket az adott felhasználási módnak megfelelően. Az Amazon Bedrock segítségével az ügyfelek egyetlen API-hívásra vannak az új modelltől. A leglenyűgözőbb eredmények, amelyeket az ügyfelek az elmúlt hónapokban tapasztaltak, olyan LLM-ektől származnak, mint például Az Anthropic Claude modellje, amely a kifinomult párbeszéd- és tartalomgenerálástól a bonyolult érvelésig a feladatok széles skálájában jeleskedik, miközben megőrzi a nagyfokú megbízhatóságot és kiszámíthatóságot. Az ügyfelek arról számolnak be, hogy a Claude sokkal kevésbé valószínű, hogy káros kimeneteket produkál, könnyebben kommunikál vele, és jobban irányítható más FM-ekhez képest, így a fejlesztők kevesebb erőfeszítéssel érhetik el a kívánt kimenetet. Az Anthropic legmodernebb modellje, a Claude 2 a 90. percentilis feletti pontszámot éri el a GRE olvasás- és írásvizsgákon, és hasonlóképpen a kvantitatív érvelésben is. És most az újonnan kiadott Claude 2.1 modell elérhető az Amazon Bedrockban. A Claude 2.1 olyan kulcsfontosságú képességeket biztosít a vállalatok számára, mint az iparágvezető 200 2 token kontextusablak (a Claude 2.0 kontextusának kétszerese), a hallucinációk csökkentése és a pontosság jelentős javulása, még nagyon hosszú kontextushossz esetén is. A Claude 2.1 továbbfejlesztett rendszerpromptokat is tartalmaz – amelyek olyan modellutasítások, amelyek jobb élményt nyújtanak a végfelhasználóknak –, miközben 25%-kal csökkentik a felszólítások és a kitöltések költségeit.
Egyre több ügyfél számára, akik a Meta nyilvánosan elérhető Llama 2 modelljének felügyelt verzióját szeretnék használni, az Amazon Bedrock a Llama 2 13B-t kínálja, és hozzáadjuk a Llama 2 70B-t. A Llama 2 70B alkalmas olyan nagyszabású feladatokra, mint a nyelvi modellezés, szöveggenerálás és párbeszédrendszerek. A nyilvánosan elérhető Llama modelleket több mint 30 millió alkalommal töltötték le, és az ügyfelek szeretik, hogy az Amazon Bedrock felügyelt szolgáltatás részeként kínálja őket, ahol nem kell aggódniuk az infrastruktúra miatt, vagy nem kell mély ML-szakértelemmel rendelkezniük a csapatukban. Ezenkívül a képgeneráláshoz a Stability AI népszerű szöveg-képmodell-csomagot kínál. A Stable Diffusion XL 1.0 (SDXL 1.0) a legfejlettebb ezek közül, és már általánosan elérhető az Amazon Bedrockban. Ennek a népszerű képmodellnek a legújabb kiadása nagyobb pontossággal, jobb fotorealizmussal és nagyobb felbontással rendelkezik.
Az ügyfelek is használják Amazon Titan modellek, amelyeket az AWS hozott létre és oktatott ki, hogy hatékony és gazdaságos képességeket kínáljanak a legkülönfélébb felhasználási esetekben. Az Amazon 25 éves múlttal rendelkezik az ML és a mesterséges intelligencia területén – a vállalkozásainkban használt technológia terén –, és sokat tanultunk a modellek felépítéséről és bevezetéséről. Gondosan választottuk meg, hogyan képezzük modelljeinket, és milyen adatokat használunk ehhez. Kártalanítjuk ügyfeleinket azon követelések ellen, amelyek szerint modelljeink vagy azok kimenetei sértik bárki szerzői jogait. Ez év áprilisában mutattuk be első Titan modelljeinket. Titan Text Lite– jelenleg általánosan elérhető– egy tömör, költséghatékony modell olyan felhasználási esetekre, mint a chatbotok, szövegösszegzés vagy szövegírás, és a finomhangolás is lenyűgöző. Titan Text Express – már általánosan elérhető-terjedelmesebb, és a szövegalapú feladatok szélesebb köréhez használható, mint például a nyílt végű szöveggenerálás és a társalgási csevegés. Ezeket a szövegmodell-lehetőségeket kínáljuk annak érdekében, hogy az ügyfelek a pontosság, a teljesítmény és a költségek optimalizálását a használati esetüktől és az üzleti követelményeiktől függően optimalizálhassák. Az olyan ügyfelek, mint a Nexxiot, a PGA Tour és a Ryanair a két Titan Text modellünket használják. Van egy beágyazási modellünk is, a Titan Text Embeddings a keresési felhasználási esetek és a személyre szabás érdekében. Az olyan ügyfelek, mint a Nasdaq, nagyszerű eredményeket értek el a Titan Text Embeddings használatával, amellyel a Nasdaq IR Insight képességeit továbbfejlesztve több mint 9,000 globális vállalat fenntarthatósági, jogi és számviteli csapatának dokumentumaiból nyerhetnek betekintést. És idővel további modellekkel bővítjük a Titan családot. Új beágyazási modellt vezetünk be, a Titan Multimodal Embeddings-et, hogy a képeket és szöveget (vagy mindkettő kombinációját) bemenetként használó felhasználók multimodális keresési és ajánlási élményei legyenek. És mi vagyunk egy új szöveg-képmodell, az Amazon Titan Image Generator bemutatása. A Titan Image Generator segítségével az ügyfelek az olyan iparágakban, mint a reklám, az e-kereskedelem, valamint a média és a szórakoztatás, szövegbevitellel valósághű, stúdióminőségű képeket hozhatnak létre nagy mennyiségben és alacsony költséggel. Izgatottak vagyunk, hogy az ügyfelek hogyan reagálnak a Titan Models-re, és számíthat rá, hogy itt folytatjuk az innovációt.
- Új lehetőségek a generatív AI-alkalmazások biztonságos testreszabásához a védett adatokkal: Az Amazon Bedrock egyik legfontosabb képessége, hogy milyen egyszerű a modell testreszabása. Ez igazán izgalmassá válik az ügyfelek számára, mert a generatív mesterséges intelligencia itt találkozik alapvető megkülönböztető elemükkel – adataikkal. Mindazonáltal nagyon fontos, hogy adataik biztonságban maradjanak, hogy az út során kézben tartsák azokat, és hogy a modellfejlesztések privátak legyenek. Számos módja van ennek, és az Amazon Bedrock a testreszabási lehetőségek legszélesebb választékát kínálja több modellben. Az első a finomhangolás. A modell finomhangolása az Amazon Bedrockban egyszerű. Egyszerűen kiválasztja a modellt, és az Amazon Bedrock másolatot készít róla. Ezután rámutat néhány felcímkézett példára (pl. jó kérdés-válasz párok sorozata), amelyeket az Amazon Simple Storage Service-ben (Amazon S3) tárol, és az Amazon Bedrock „fokozatosan betanítja” (az új információval kiegészíti a másolt modellt). ezeken a példákon, és az eredmény egy privát, pontosabb, finomhangolt modell, amely relevánsabb, testreszabottabb válaszokat ad. Örömmel jelentjük be, hogy a finomhangolás általában elérhető a Cohere Command, a Meta Llama 2, az Amazon Titan Text (Lite és Express), az Amazon Titan Multimodal Embeddings és az Amazon Titan Image Generator előnézeti verziójában. Az Anthropickal való együttműködésünk révén pedig hamarosan korai hozzáférést biztosítunk az AWS ügyfeleinknek egyedi funkciókhoz a modell testreszabásához és a Claude csúcsmodelljének finomhangolásához.
Az LLM-ek és más FM-ek vállalkozása számára történő testreszabásának másik módszere a retrieval augmented generation (RAG), amely lehetővé teszi a modell válaszainak testreszabását azáltal, hogy a promptokat több forrásból származó adatokkal egészíti ki, beleértve a dokumentumtárakat, adatbázisokat és API-kat. Szeptemberben bevezettük a RAG képességet, a Knowledge Bases for Amazon Bedrock-ot, amely biztonságosan összekapcsolja a modelleket a védett adatforrásaival, hogy további információval egészítse ki a kéréseket, így alkalmazásai relevánsabb, kontextus szerinti és pontosabb válaszokat adnak. Tudásbázisok ma már általánosan elérhető olyan API-val, amely a teljes RAG munkafolyamatot végrehajtja a prompt kiegészítéséhez szükséges szöveg lekérésétől a prompt modellnek való elküldéséig, a válasz visszaadásáig. A Tudásbázisok olyan vektoros képességekkel rendelkező adatbázisokat támogatnak, amelyek az adatok numerikus reprezentációit tárolják (beágyazások), amelyeket a modellek az adatok eléréséhez használnak a RAG számára, beleértve az Amazon OpenSearch Service-t és más népszerű adatbázisokat, például a Pinecone és a Redis Enterprise Cloudot (az Amazon Aurora és a MongoDB vektor támogatása érkezik hamar).
Az Amazon Bedrock modelljei testreszabásának harmadik módja a folyamatos előképzés. Ezzel a módszerrel a modell az általános nyelvi megértés eredeti előképzésére épít a tartományspecifikus nyelv és terminológia elsajátítására. Ez a megközelítés azoknak az ügyfeleknek szól, akik nagy mennyiségű címkézetlen, domain-specifikus információval rendelkeznek, és szeretnék lehetővé tenni LLM-jüknek, hogy megértsék a világukra (és vállalkozásukra) jellemző nyelvet, kifejezéseket, rövidítéseket, fogalmakat, definíciókat és szakzsargont. A finomhangolástól eltérően, amely meglehetősen kis mennyiségű adatot vesz igénybe, a folyamatos előképzés nagy adathalmazokon (pl. több ezer szöveges dokumentumon) történik. Mostantól az Amazon Bedrock a Titan Text Lite és a Titan Text Express számára elérhető az előképzési lehetőségek.
- Általános elérhetősége Az Amazon Bedrock ügynökei többlépcsős feladatok végrehajtásának elősegítése rendszerek, adatforrások és vállalati ismeretek felhasználásával. Az LLM-ek kiválóan alkalmasak a beszélgetésekre és a tartalom generálására, de az ügyfelek azt szeretnék, ha alkalmazásaik képesek legyenek erre do még ennél is több – például intézkedik, oldja meg a problémákat, és interakcióba lép egy sor rendszerrel, hogy olyan többlépcsős feladatokat hajtson végre, mint az utazások lefoglalása, a biztosítási igények benyújtása vagy a pótalkatrészek rendelése. Az Amazon Bedrock pedig segíthet ebben a kihívásban. Az ügynökök segítségével a fejlesztők kiválasztanak egy modellt, írnak néhány alapvető utasítást, mint például: „Ön egy vidám ügyfélszolgálati ügynök” és „ellenőrizze a termékek elérhetőségét a készletrendszerben”, rámutat a kiválasztott modellre a megfelelő adatforrásokra és vállalati rendszerekre (pl. CRM). vagy ERP-alkalmazások), és írjon néhány AWS Lambda-függvényt az API-k végrehajtásához (pl. ellenőrizze egy elem elérhetőségét az ERP-leltárban). Az Amazon Bedrock automatikusan elemzi a kérést, és a kiválasztott modell érvelési képességei segítségével logikai sorrendre bontja azt, hogy meghatározza, milyen információkra van szükség, milyen API-kat kell hívni, és mikor kell őket meghívni egy lépés végrehajtásához vagy feladat megoldásához. Az immár általánosan elérhető ügynökök megtervezhetik és végrehajthatják a legtöbb üzleti feladatot – a termékek elérhetőségével kapcsolatos ügyfelek kérdéseinek megválaszolásától a rendelések felvételéig –, és a fejlesztőknek nem kell ismerniük a gépi tanulást, a mérnöki utasításokat, a modellek betanítását vagy a rendszerek manuális csatlakoztatását. A Bedrock mindezt biztonságosan és privát módon teszi, és az olyan ügyfelek, mint a Druva és az Athene, már használják őket generatív AI-alkalmazásaik pontosságának és fejlesztési sebességének javítására.
- Bemutatjuk Védőkorlátok az Amazon Bedrock számára így a használati eset követelményei és a felelős AI-irányelvek alapján biztosítékokat alkalmazhat. Az ügyfelek biztosak akarnak lenni abban, hogy az AI-alkalmazásaikkal folytatott interakciók biztonságosak, kerüljék a mérgező vagy sértő nyelvezetet, relevánsak maradjanak üzleti tevékenységük szempontjából, és megfeleljenek felelős mesterségesintelligencia-irányelveiknek. A védőkorlátok segítségével az ügyfelek meghatározhatják a kerülendő témákat, és az Amazon Bedrock csak azokra a kérdésekre ad jóváhagyott válaszokat, amelyek ezekbe a korlátozott kategóriákba tartoznak. Például beállítható egy online banki alkalmazás a befektetési tanácsadás elkerülésére és a nem megfelelő tartalmak (például gyűlöletbeszéd és erőszak) eltávolítására. 2024 elején az ügyfelek a személyazonosításra alkalmas információkat (PII) is törölhetik a modellválaszokban. Például, miután az ügyfél kapcsolatba lép egy telefonos ügyfélszolgálati ügynökkel, az ügyfélszolgálati beszélgetést gyakran összefoglalják a nyilvántartás céljából, és a korlátok eltávolíthatják a személyazonosításra alkalmas adatokat ezekből az összefoglalókból. A védőkorlátok az Amazon Bedrock modelljei között (beleértve a finomhangolt modelleket is) és az Agents for Amazon Bedrock szolgáltatással használhatók, így az ügyfelek egységes védelmi szintet hozhatnak létre minden generatív AI-alkalmazásukban.
A halom felső rétege: A folyamatos innováció révén a generatív mesterséges intelligencia több felhasználó számára elérhető
A verem legfelső rétegében olyan alkalmazások helyezkednek el, amelyek kihasználják az LLM-eket és más FM-eket, így a munka során kihasználhatja a generatív mesterséges intelligencia előnyeit. Az egyik terület, ahol a generatív AI már megváltoztatja a játékot, a kódolás. Tavaly bemutattuk az Amazon CodeWhisperert, amely azáltal, hogy szinte valós időben kódjavaslatokat és ajánlásokat generál, segít gyorsabban és biztonságosabban létrehozni alkalmazásokat. Az olyan ügyfelek, mint az Accenture, a Boeing, a Bundesliga, a The Cigna Group, a Kone és a Warner Music Group a CodeWhisperert használják a fejlesztői termelékenység növelésére – az Accenture pedig akár 50,000 XNUMX szoftverfejlesztőjük és informatikai szakember számára is lehetővé teszi az Amazon CodeWhisperer használatát. Azt akarjuk, hogy a lehető legtöbb fejlesztő kihasználhassa a generatív mesterséges intelligencia termelékenységi előnyeit, ezért a CodeWhisperer ingyenes ajánlásokat kínál minden egyén számára.
Bár az AI kódoló eszközök sokat tesznek azért, hogy megkönnyítsék a fejlesztők életét, termelékenységi előnyeiket korlátozza a belső kódbázisok, belső API-k, könyvtárak, csomagok és osztályok ismeretének hiánya. Ennek egyik módja az, hogy ha felvesz egy új fejlesztőt, még ha világszínvonalú is, addig nem lesz olyan produktív a cégénél, amíg meg nem ismeri az Ön legjobb gyakorlatait és kódját. A mai mesterséges intelligencia alapú kódolóeszközök olyanok, mint az újonnan felvett fejlesztők. Ennek segítésére nemrégiben bemutattunk egy új előnézetet testreszabási lehetőség az Amazon CodeWhispererben, amely biztonságosan kihasználja az ügyfél belső kódbázisát, hogy relevánsabb és hasznosabb kódjavaslatokat nyújtson. Ezzel a képességgel a CodeWhisperer szakértő a te kódot, és olyan ajánlásokat ad, amelyek relevánsabbak a még több idő megtakarítása érdekében. A Persistent-tel, egy globális digitális mérnöki és vállalati korszerűsítési vállalattal végzett tanulmányunkban azt találtuk, hogy a testreszabások segítségével a fejlesztők akár 28%-kal gyorsabban hajthatnak végre feladatokat, mint a CodeWhisperer általános képességei esetén. Mostantól egy egészségügyi technológiai vállalat fejlesztője megkérheti a CodeWhisperert, hogy „importálja az ügyfélazonosítóhoz társított MRI-képeket, és futtassa át azokat a képosztályozón” az anomáliák észlelése érdekében. Mivel a CodeWhisperer hozzáfér a kódbázishoz, sokkal relevánsabb javaslatokat tud nyújtani, amelyek magukban foglalják az MRI-képek importálási helyét és az ügyfél-azonosítókat. A CodeWhisperer a testreszabásokat teljesen privátban tartja, és a mögöttes FM nem használja őket képzésre, védve az ügyfelek értékes szellemi tulajdonát. Az AWS az egyetlen olyan nagy felhőszolgáltató, amely ehhez hasonló képességet kínál mindenkinek.
Bemutatjuk Amazon Q, a generatív mesterséges intelligenciával működő asszisztens munkára szabva
Minden bizonnyal nem a fejlesztők az egyedüliek, akik a generatív mesterséges intelligencia használatában vannak – emberek milliói használnak generatív mesterséges intelligencia csevegőalkalmazásokat. Amit a korai szolgáltatók tettek ezen a területen, az izgalmas és rendkívül hasznos a fogyasztók számára, de sok szempontból nem „működnek” a munkahelyükön. Általános ismereteik és képességeik nagyszerűek, de nem ismerik az Ön cégét, adatait, ügyfeleit, működését vagy vállalkozását. Ez korlátozza, hogy mennyit tudnak neked segíteni. Nem sokat tudnak az Ön szerepéről sem – milyen munkát végez, kivel dolgozik együtt, milyen információkat használ fel, és mihez fér hozzá. Ezek a korlátozások érthetőek, mivel ezek az asszisztensek nem férnek hozzá az Ön vállalata személyes adataihoz, és nem úgy lettek kialakítva, hogy megfeleljenek azoknak az adatvédelmi és biztonsági követelményeknek, amelyeket a vállalatoknak biztosítaniuk kell számukra. Nehéz utólag ráerősíteni a biztonságra, és elvárni, hogy jól működjön. Úgy gondoljuk, hogy van egy jobb módszerünk, amely lehetővé teszi, hogy minden szervezetben minden ember biztonságosan használja a generatív mesterséges intelligenciát a mindennapi munkája során.
Wizgatottan várjuk a bemutatkozást Amazon Q, egy új típusú generatív AI-alapú asszisztens, amely kifejezetten a munkához készült, és az Ön vállalkozására szabható. A Q segítségével gyorsan és releváns válaszokat kaphat a sürgető kérdésekre, megoldhat problémákat, tartalmat generálhat, és lépéseket tehet a vállalata információtárakban, kódokban és vállalati rendszereiben található adatok és szakértelem felhasználásával. Amikor az Amazon Q-val cseveg, azonnali, releváns információkat és tanácsokat ad a feladatok egyszerűsítéséhez, a döntéshozatal felgyorsításához, valamint a kreativitás és az innováció felkeltéséhez a munkahelyen. Az Amazon Q-t úgy építettük fel, hogy biztonságos és privát legyen, és képes megérteni és tiszteletben tartani az Ön meglévő személyazonosságát, szerepköreit és engedélyeit, és felhasználja ezeket az információkat interakciói személyre szabására. Ha egy felhasználónak nincs engedélye bizonyos adatokhoz Q nélkül, akkor a Q használatával sem férhet hozzá. Az Amazon Q-t úgy terveztük meg, hogy az első naptól kezdve megfeleljen a vállalati ügyfelek szigorú követelményeinek – egyetlen tartalmukat sem használják fel az alapul szolgáló modellek fejlesztésére.
Az Amazon Q az Ön szakértő asszisztense az AWS-re építeni: Az Amazon Q-t 17 évnyi AWS-tudással és tapasztalattal oktattuk, hogy átalakíthassa az alkalmazások és a munkaterhelések AWS-en való építésének, üzembe helyezésének és üzemeltetésének módját. Az Amazon Q csevegési felülettel rendelkezik az AWS Management Console-ban és a dokumentációban, az IDE-ben (a CodeWhispereren keresztül), valamint a csapat csevegőszobájában a Slackben vagy más csevegőalkalmazásokban. Az Amazon Q segíthet az új AWS-képességek felfedezésében, a gyorsabb kezdésben, az ismeretlen technológiák elsajátításában, az építész megoldások elsajátításában, a hibaelhárításban, a frissítésben és még sok másban – szakértője az AWS jól megtervezett mintáinak, bevált gyakorlatainak, dokumentációjának és megoldási megvalósításának. Íme néhány példa arra, hogy mit tehet új AWS szakértői asszisztensével:
- Éles válaszokat és útmutatást kaphat az AWS képességeiről, szolgáltatásairól és megoldásairól: Kérje meg az Amazon Q-t, hogy „Tell me about Agents for Amazon Bedrock”, és Q megadja a funkció leírását, valamint a releváns anyagokra mutató hivatkozásokat. Az Amazon Q-nak gyakorlatilag bármilyen kérdést feltehet az AWS-szolgáltatás működésével kapcsolatban (pl. „Mik a skálázási korlátok egy DynamoDB táblán?” „Mi az a Redshift Managed Storage?”), vagy hogyan lehet a legjobban megtervezni bármennyi megoldást ( „Melyek a legjobb gyakorlatok az eseményvezérelt architektúrák építéséhez?”). Az Amazon Q pedig összegyűjti a tömör válaszokat, és mindig hivatkozik (és linkel) a forrásaira.
- Válassza ki a legjobb AWS szolgáltatást az Ön használati esetéhez, és kezdje el gyorsan: Kérdezze meg az Amazon Q-t „Milyen módok vannak az AWS-en webalkalmazások létrehozására? ", és listát fog adni a lehetséges szolgáltatásokról, mint pl AWS erősítés, AWS Lambdaés Amazon EC2 mindegyik előnyeivel. Innentől kezdve leszűkítheti a lehetőségeket azáltal, hogy segít a Q-nak megérteni követelményeit, preferenciáit és korlátait (pl. „Melyik lenne a legjobb ezek közül, ha konténereket szeretnék használni?” vagy „Relációs vagy nem relációs adatbázist kell használnom? ”). Fejezze be a „Hogyan kezdjem el?” és az Amazon Q felvázol néhány alapvető lépést, és további források felé mutat.
- Optimalizálja számítási erőforrásait: Az Amazon Q segíthet az Amazon EC2 példányok kiválasztásában. Ha azt kéri, hogy „Segítsen megtalálni a megfelelő EC2-példányt, hogy a legnagyobb teljesítményű videókódolási munkaterhelést telepíthessem a játékalkalmazásomhoz”, akkor a Q egy listát kap a példánycsaládokról, az egyes javaslatok okaival együtt. És tetszőleges számú további kérdést feltehet, hogy segítsen megtalálni a munkateherhez legjobban megfelelőt.
- Kérjen segítséget a kód hibakereséséhez, teszteléséhez és optimalizálásához: Ha hibát észlel az IDE kódolása közben, kérheti az Amazon Q segítségét, mondván: „A kódomban IO hiba van, tudna javítani?” és Q generálja a kódot az Ön számára. Ha tetszik a javaslat, megkérheti az Amazon Q-t, hogy adja hozzá a javítást az alkalmazásához. Mivel az Amazon Q benne van az IDE-ben, megérti a kódot, amelyen dolgozik, és tudja, hová kell beilleszteni a javítást. Az Amazon Q egységteszteket is létrehozhat ("Egységtesztek írása a kiválasztott funkcióhoz"), amelyeket beilleszthet a kódjába, és futtathatja. Végül, az Amazon Q meg tudja mondani, hogyan optimalizálhatja a kódot a nagyobb teljesítmény érdekében. Kérje meg a Q-t, hogy „Optimalizálja a kiválasztott DynamoDB-lekérdezésemet”, és a kód megértése alapján természetes nyelvi javaslatot ad a javításra, valamint az egyetlen kattintással megvalósítható kísérő kódot.
- Problémák diagnosztizálása és hibaelhárítása: Ha problémákat tapasztal az AWS Management Console-ban, például EC2-engedélyezési hibákat vagy Amazon S3 konfigurációs hibákat, egyszerűen nyomja meg a „Hibaelhárítás az Amazon Q-val” gombot, és a rendszer a hiba típusának és szolgáltatásának megértését fogja használni, ahol a hiba található. hogy javaslatokat tegyen a javításra. Megkérheti az Amazon Q-t a hálózat hibaelhárítására is (pl. „Miért nem tudok csatlakozni az EC2-példányomhoz SSH használatával?”), a Q pedig elemzi a végpontok közötti konfigurációt, és diagnosztizálja (pl. „Ez a példány úgy tűnik, hogy egy privát alhálózatban van, ezért előfordulhat, hogy nyilvános hozzáférést kell létrehozni”).
- Gyorsan egy új kódbázisra: Amikor az IDE-ben cseveg az Amazon Q-val, az egyesíti a szoftverkészítés terén szerzett szakértelmét a kód megértésével – ez egy hatékony párosítás! Korábban, ha valaki mástól vett át egy projektet, vagy ha új volt a csapatban, akkor előfordulhat, hogy órákat kellett eltöltenie a kód és a dokumentáció manuális áttekintésével, hogy megértse, hogyan működik és mit csinál. Most, mivel az Amazon Q megérti az IDE-ben lévő kódot, egyszerűen megkérheti az Amazon Q-t, hogy magyarázza el a kódot ("Adja meg nekem, hogy mit csinál és hogyan működik ez az alkalmazás"), a Q pedig részleteket ad, például, hogy mely szolgáltatások kódot használja, és mit csinálnak a különböző funkciók (pl. Q válaszolhat valami ilyesmivel: „Ez az alkalmazás egy alapvető támogató jegyrendszert épít Python Flask és AWS Lambda segítségével”, majd leírja az egyes alapvető képességeit, azok megvalósítását, és még sok más).
- Gyorsabban törölje a funkcióhátralékot: Még azt is megkérheti az Amazon Q-ra, hogy vezessen végig és automatizálja a funkciók alkalmazásához való hozzáadásának teljes folyamatát. Amazon CodeCatalyst, egységes szoftverfejlesztő szolgáltatásunk csapatoknak. Ehhez egyszerűen hozzá kell rendelnie a Q-hoz egy hátralékos feladatot a problémák listájából – akárcsak egy csapattársához –, és a Q lépésről lépésre elkészíti a funkció felépítésének és megvalósításának módját. Miután jóváhagyta a tervet, a Q megírja a kódot, és kódellenőrzésként bemutatja a javasolt változtatásokat. Kérhet átdolgozást (ha szükséges), jóváhagyást és/vagy telepítést!
- Frissítse kódját az idő töredéke alatt: A legtöbb fejlesztő valójában csak idejének töredékét tölti új kód írásával és új alkalmazások építésével. Ciklusaikból sokkal többet költenek fájdalmas, lompos területekre, például karbantartásra és frissítésekre. Frissítse a nyelvi verziókat. Sok ügyfél továbbra is a Java régebbi verzióit használja, mert hónapokig – sőt évekig – és több ezer órányi fejlesztői időt vesz igénybe a frissítés. Ennek halogatása valós költségekkel és kockázatokkal jár – lemarad a teljesítménynövekedésről, és ki van téve a biztonsági problémáknak. Úgy gondoljuk, hogy az Amazon Q megváltoztathatja a játékot, és izgatottak vagyunk Amazon Q kód átalakítás, egy olyan funkció, amely eltávolítja ezt a nehéz terhet, és napokról percekre csökkenti az alkalmazások frissítéséhez szükséges időt. Csak nyissa meg a frissíteni kívánt kódot az IDE-ben, és kérje meg az Amazon Q-t, hogy „/transformálja” a kódot. Az Amazon Q elemzi az alkalmazás teljes forráskódját, generálja a kódot a célnyelven és -verzión, és teszteket hajt végre, segítve a legújabb nyelvi verziók biztonsági és teljesítménybeli fejlesztéseit. Nemrég az Amazon fejlesztőinek egy nagyon kis csapata az Amazon Q Code Transformation segítségével 1,000 éles alkalmazást frissített Java 8-ról Java 17-re mindössze két nap alatt. Az alkalmazásonkénti átlagos idő kevesebb, mint 10 perc volt. Ma az Amazon Q Code Transformation Java nyelvi frissítéseket hajt végre Java 8-ról vagy Java 11-ről Java 17-re. A következő (és hamarosan) lehetőség lesz a .NET-keretrendszer transzformációs .NET-té alakítására (a jövőben még több átalakítás következik) .
Az Amazon Q az Ön üzleti szakértője: Csatlakoztathatja az Amazon Q-t üzleti adataihoz, információihoz és rendszereihez, így mindent szintetizálhat, és személyre szabott segítséget nyújthat az embereknek a problémák megoldásában, a tartalom létrehozásában és a vállalkozása szempontjából releváns intézkedések megtételében. Az Amazon Q-t egyszerűen behozhatja vállalkozásába. Több mint 40 beépített csatlakozóval rendelkezik olyan népszerű vállalati rendszerekhez, mint az Amazon S3, a Microsoft 365, a Salesforce, a ServiceNow, a Slack, az Atlassian, a Gmail, a Google Drive és a Zendesk. Ezenkívül csatlakozhat a belső intranethez, wikihez és könyveket futtathat, az Amazon Q SDK-val pedig kapcsolatot építhet ki bármelyik belső alkalmazással. Irányítsa az Amazon Q-t ezekre a tárolóhelyekre, és ez „felpörgeti” vállalkozását, rögzíti és megérti azokat a szemantikai információkat, amelyek egyedivé teszik vállalatát. Ezután megkapja saját, barátságos és egyszerű Amazon Q webalkalmazását, így a vállalat alkalmazottai kommunikálhatnak a párbeszédes felülettel. Az Amazon Q ezenkívül csatlakozik az Ön identitásszolgáltatójához, hogy megértse a felhasználót, szerepét és azt, hogy milyen rendszerekhez férhetnek hozzá, így a felhasználók részletes, árnyalt kérdéseket tehetnek fel, és személyre szabott eredményeket kaphatnak, amelyek csak olyan információkat tartalmaznak, amelyek megtekintésére jogosultak. Az Amazon Q olyan válaszokat és betekintést generál, amelyek pontosak és hűek az Ön által biztosított anyagokhoz és tudáshoz, és korlátozhatja az érzékeny témákat, blokkolhatja a kulcsszavakat, vagy kiszűrheti a nem megfelelő kérdéseket és válaszokat. Íme néhány példa arra, hogy mit tehet vállalkozása új szakértői asszisztensével:
- Éles, rendkívül releváns válaszokat kaphat üzleti adatai és információi alapján: Az alkalmazottak kérdezhetik az Amazon Q-t bármiről, amit korábban mindenféle forrásból keresniük kellett. Kérdezd meg a „Mik a legújabb irányelvek a logóhasználathoz?” vagy „Hogyan igényelhetek vállalati hitelkártyát?”, és az Amazon Q szintetizálja az összes talált releváns tartalmat, és gyors válaszokkal, valamint a releváns linkekre mutató linkekkel tér vissza. források (pl. márkaportálok és logótárak, vállalati T&E szabályzatok és kártyaalkalmazások).
- A napi kommunikáció egyszerűsítése: Csak kérdezzen, és az Amazon Q tartalmat generál ("Hozzon létre egy blogbejegyzést és három közösségi média címsort, amelyek bejelentik a jelen dokumentációban leírt terméket"), készíthet vezetői összefoglalókat ("Írjon összefoglalót megbeszélésünkről a műveleti elemek felsorolásával" ), biztosítson e-mailes frissítéseket („E-mail tervezete, amely kiemeli az indiai ügyfeleink harmadik negyedéves képzési programjainkat”), és segít a megbeszélések felépítésében („Hozzon létre egy értekezlet napirendjét a legújabb ügyfél-elégedettségi jelentésről”).
- Végezze el a feladatokat: Az Amazon Q segíthet bizonyos feladatok elvégzésében, csökkentve az alkalmazottak ismétlődő munkára, például jegyek benyújtására fordítandó idejét. Kérje meg az Amazon Q-t, hogy „Összefoglalja az ügyfelek visszajelzéseit a Slack új árajánlatáról”, majd kérje meg a Q-t, hogy vegye át ezeket az információkat, és nyissa meg a jegyet a Jirában a marketingcsapat frissítéséhez. Megkérheti Q-t, hogy „Összefoglalja ezt a hívásátiratot”, majd „Új ügy megnyitása A ügyfél számára a Salesforce-ban”. Az Amazon Q más népszerű munkaautomatizálási eszközöket is támogat, mint például a Zendesk és a Service Now.
Az Amazon Q megtalálható az Amazon QuickSightban: A Amazon Q a QuickSightban, az AWS üzleti intelligencia szolgáltatása, a felhasználók olyan kérdéseket tehetnek fel irányítópultjaikon, mint például: „Miért nőtt a megrendelések száma a múlt hónapban?” és vizualizációkat és magyarázatokat kaphat a növekedést befolyásoló tényezőkről. Az elemzők pedig az Amazon Q segítségével napokról percekre csökkenthetik az irányítópultok felépítéséhez szükséges időt egy egyszerű felszólítással, például: „Mutasd az eladásokat régiónként hónaponként halmozott oszlopdiagramként”. A Q azonnal visszatér ezzel a diagrammal, és egyszerűen hozzáadhatja egy irányítópulthoz, vagy tovább cseveghet a Q-val a vizualizáció finomításához (pl. „Változtassa meg az oszlopdiagramot Sankey-diagrammá” vagy „Országok megjelenítése régiók helyett”). Az Amazon Q a QuickSightban ezenkívül megkönnyíti a meglévő irányítópultok használatát az üzleti érdekelt felek tájékoztatására, a kulcsfontosságú információk megismerésére és az adattörténetek segítségével történő döntéshozatal egyszerűsítésére. Például a felhasználók felkérhetik az Amazon Q-t, hogy „Készítsen egy történetet arról, hogyan változott az üzlet az elmúlt hónapban, hogy egy üzleti áttekintést lehessen végezni a felső vezetéssel”, és az Amazon Q másodpercek alatt olyan adatvezérelt történetet közöl, amely vizuálisan lenyűgöző és teljesen testreszabható. Ezek a történetek biztonságosan megoszthatók a szervezeten belül, így segítve az érdekelt felek összehangolását és jobb döntések meghozatalát.
Az Amazon Q az Amazon Connectben található: Az Amazon Connectben, a kapcsolattartó központunkban, az Amazon Q segít az ügyfélszolgálati ügynökeinek jobb ügyfélszolgálatban. Az Amazon Q kihasználja azokat a tudástárakat, amelyeket az ügynökök általában használnak, hogy információkat szerezzenek az ügyfeleknek, majd az ügynökök közvetlenül a Connectben cseveghetnek az Amazon Q-val, hogy olyan válaszokat kapjanak, amelyek segítségével gyorsabban reagálhatnak az ügyfelek kérésére anélkül, hogy maguknak kellene keresniük a dokumentációban. És bár az Amazon Q-val csevegni szupergyors válaszokért nagyszerű, az ügyfélszolgálatban nincs olyan, hogy túl gyors. Ezért Amazon Q In Connect az ügynökkel folytatott élő ügyfélbeszélgetést felszólítássá változtatja, és automatikusan megadja az ügynöknek a lehetséges válaszokat, a javasolt műveleteket és az erőforrásokhoz mutató hivatkozásokat. Például az Amazon Q képes észlelni, hogy az ügyfél felveszi a kapcsolatot egy autókölcsönző céggel, hogy módosítsa a foglalását, választ generál az ügynök számára, hogy gyorsan közölje, hogyan vonatkoznak a vállalat módosítási díjaira vonatkozó irányelvek, és végigvezeti az ügynököt a frissítéshez szükséges lépéseken. foglalás.
Az Amazon Q az AWS ellátási láncban van (hamarosan): Az AWS Supply Chainben, az ellátási lánc betekintési szolgáltatásunkban, az Amazon Q segít a kereslet- és kínálattervezőknek, a készletkezelőknek és a kereskedelmi partnereknek optimalizálni az ellátási láncukat azáltal, hogy összefoglalja és kiemeli a lehetséges készlethiány vagy túlkészletezési kockázatokat, valamint a probléma megoldásához szükséges forgatókönyvek megjelenítését. A felhasználók „mi”, „miért” és „mi lenne, ha” kérdéseket tehetnek fel az Amazon Q-nak az ellátási lánc adataival kapcsolatban, és összetett forgatókönyveken és a különböző ellátási láncon belüli döntések közötti kompromisszumokon keresztül cseveghetnek. Például egy ügyfél megkérdezheti: „Mi okozza a küldeményeim késését, és hogyan gyorsíthatom fel a dolgokat?” amire az Amazon Q válaszolhat: „Megrendeléseinek 90%-a a keleti parton van, és egy nagy vihar délkeleten 24 órás késést okoz. Ha Miami helyett New York kikötőjébe szállít, felgyorsítja a szállítást, és 50%-kal csökkenti a költségeket.”
Ügyfeleink gyorsan alkalmazzák a generatív mesterséges intelligenciát – úttörő modelleket oktatnak az AWS-en, rekordsebességgel fejlesztenek generatív mesterségesintelligencia-alkalmazásokat az Amazon Bedrock segítségével, és olyan játékmódosító alkalmazásokat telepítenek szervezeteikben, mint az Amazon Q. Legújabb bejelentéseinkkel az AWS még több teljesítményt, választékot és innovációt hoz az ügyfelek számára a halom minden rétegébe. A re:Invent által nyújtott összes képesség együttes hatása jelentős mérföldkövet jelent egy izgalmas és értelmes cél elérése felé: A generatív mesterséges intelligencia minden méretű és műszaki képességű vásárló számára elérhetővé tesszük, hogy újra feltalálhassák és átalakíthassák lehetséges.
Tudástár
A szerzőről
Swami Sivasubramanian az AWS adat- és gépi tanulásért felelős alelnöke. Ebben a szerepkörben Swami felügyeli az összes AWS-adatbázis, Analytics, valamint AI és gépi tanulási szolgáltatást. Csapata küldetése, hogy segítse a szervezeteket adataik munkába állításában egy teljes, végpontok közötti adatmegoldással, amely tárolja, elérheti, elemzi, vizualizálja és előre jelezheti.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/welcome-to-a-new-era-of-building-in-the-cloud-with-generative-ai-on-aws/
- :van
- :is
- :nem
- :ahol
- $ UP
- 000
- 1
- 10
- 100
- 11
- 12
- 17
- 200
- 2019
- 2024
- 25
- 30
- 300
- 35%
- 40
- 50
- 500
- 65
- 8
- 9
- a
- képességek
- képesség
- Képes
- Rólunk
- felett
- gyorsul
- felgyorsult
- gyorsítók
- Accenture
- hozzáférés
- megközelíthetőség
- hozzáférhető
- számvitel
- pontosság
- pontos
- szerez
- át
- Akció
- cselekvések
- aktívan
- tulajdonképpen
- alkalmazkodni
- hozzá
- hozzáadott
- hozzáadásával
- mellett
- További
- Ezen kívül
- kiegészítések
- Hozzáteszi
- Adidas
- vályogtégla
- Elfogadása
- fejlett
- továbbjutó
- Előny
- előnyei
- Hirdetés
- tanács
- Után
- ellen
- napirend
- Ügynök
- szerek
- adalékanyag
- Augusztus
- AI
- AI és gépi tanulás
- AI chatbot
- ai kutatás
- AI-hajtású
- összehangolása
- Minden termék
- lehetővé
- lehetővé teszi, hogy
- mentén
- már
- Is
- mindig
- amazon
- Amazon Code Whisperer
- Amazon EC2
- Amazon QuickSight
- Amazon SageMaker
- Az Amazon Web Services
- összeg
- Összegek
- an
- elemzés
- elemző
- Az elemzők
- analitika
- elemez
- elemzések
- és a
- bejelent
- Közlemények
- Bemutatjuk
- válasz
- válaszok
- Antropikus
- bármilyen
- bárki
- bármi
- api
- API-k
- app
- Megjelenik
- Alkalmazás
- alkalmazások
- alkalmaz
- méltányol
- megközelítés
- jóváhagy
- jóváhagyott
- alkalmazások
- április
- VANNAK
- TERÜLET
- területek
- vitathatóan
- körül
- AS
- kérdez
- Támogatás
- Helyettes
- asszisztensek
- társult
- társult
- At
- Atlassian
- fokozza
- bővített
- gyarapítja
- Sárgásvörös
- felhatalmazott
- automatizált
- automaták
- Automatikus
- automatikusan
- Automatizálás
- autóipari
- elérhetőség
- elérhető
- átlagos
- elkerülése érdekében
- el
- AWS
- AWS Inferentia
- AWS Lambda
- AWS felügyeleti konzol
- vissza
- Banking
- bár
- akadályok
- bázis
- alapján
- alapvető
- BE
- mert
- válik
- óta
- kezdődött
- Hisz
- Előnyök
- BEST
- legjobb gyakorlatok
- Jobb
- között
- Nagy
- Billió
- milliárd
- Blokk
- Blocks
- Blog
- Boeing
- Csavarozza
- foglalás
- Booking.com
- Könyvek
- mindkét
- Alsó
- határait
- márka
- szünet
- szünetek
- hoz
- Bringing
- épít
- Épület
- épít
- épült
- beépített
- üzleti
- üzleti intelligencia
- vállalkozások
- de
- gomb
- by
- hívás
- hívóközpont
- TUD
- Kaphat
- képességek
- képesség
- képes
- Kapacitás
- Rögzítése
- autó
- szén
- szén-dioxid kibocsátás
- kártya
- gondosan
- eset
- esetek
- kategóriák
- okozó
- Központ
- bizonyos
- biztosan
- lánc
- kihívás
- kihívások
- változik
- megváltozott
- Changer
- Változások
- változó
- jellemzők
- Táblázatos
- táblázatok
- chat szobák
- chatbot
- chatbots
- beszélgetni
- ellenőrizze
- csip
- játékpénz
- választás
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- választja
- választott
- követelések
- osztályok
- Takarításra
- világos
- kettyenés
- felhő
- felhő infrastruktúra
- Fürt
- csoportosítás
- Tengerpart
- kód
- kódbázis
- Kódellenőrző
- Kódolás
- együttműködő
- együttműködés
- COM
- kombináció
- össze
- kombinált
- kombájnok
- hogyan
- jön
- érkező
- Hamarosan
- kommunikálni
- távközlés
- Companies
- vállalat
- Társaságé
- képest
- kényszerítő
- teljes
- teljesen
- bonyolult
- bonyolultság
- átfogó
- Kiszámít
- fogalmak
- Configuration
- konfigurálása
- sejtés
- Csatlakozás
- összefüggő
- kapcsolat
- Connectivity
- összeköt
- következetes
- Konzol
- korlátok
- Fogyasztók
- fogyasztás
- kapcsolat
- kapcsolatközpont
- Konténerek
- tartalom
- kontextus
- szövegre vonatkozó
- folytatódik
- tovább
- tovább
- folyamatos
- ellenőrzés
- ellenőrzések
- Beszélgetés
- társalgó
- beszélgetések
- copyright
- szövegírás
- Mag
- Költség
- költséghatékony
- kiadások
- országok
- csónakkormányos
- teremt
- készítette
- kreativitás
- alkotók
- hitel
- hitelkártya
- Bűncselekmény
- ROPOGÓS
- CRM
- cross-platform
- vevő
- Vásárlói élmény
- Vevői elégedettség
- Vevőszolgálat
- Ügyfelek
- szabható
- testreszabás
- testre
- szabott
- vágás
- ciklusok
- napi
- műszerfal
- műszerfalak
- dátum
- Adatok előkészítése
- Adatvédelem
- Adatvédelem és biztonság
- adatkészletek
- adatalapú
- adatbázis
- adatbázisok
- Adattárak
- nap
- napról napra
- Nap
- Döntéshozatal
- határozatok
- mély
- mély tanulás
- mélyebb
- definíciók
- Fok
- késleltetés
- szállít
- A szállítások
- átadó
- szállít
- Kereslet
- demokratizálásának
- attól
- telepíteni
- telepített
- bevezetéséhez
- bevetés
- mélység
- leírni
- leírt
- leírás
- tervezett
- kívánatos
- részletes
- részletek
- kimutatására
- Határozzuk meg
- DEUTSCHE TELECOM
- Fejlesztő
- fejlesztők
- fejlesztése
- Fejlesztés
- diagnózis
- Párbeszéd
- Párbeszéd
- DID
- különböző
- Diffusion
- digitális
- közvetlenül
- terjeszteni
- megosztott
- elosztott képzés
- elosztó
- do
- dokumentum
- dokumentáció
- dokumentumok
- nem
- Nem
- Ennek
- csinált
- ne
- megduplázásával
- le-
- hajtás
- két
- ismétlődések
- időtartama
- e
- e-commerce
- minden
- Korai
- könnyebb
- könnyen
- Keleti
- keleti part
- könnyű
- Közgazdaságtan
- kiadás
- hatékonyan
- hatékonyság
- eredményesen
- erőfeszítés
- bármelyik
- más
- e-mailek
- Kibocsátások
- alkalmazottak
- képessé
- képessé
- lehetővé
- lehetővé téve
- kódolás
- találkozás
- végén
- végtől végig
- energia
- Energiafogyasztás
- energiahatékonyság
- mérnök
- Mérnöki
- növelése
- fejlesztések
- gazdagító
- Vállalkozás
- vállalati szintű
- Vállalatok
- Szórakozás
- Egész
- boríték
- Ez volt
- ERP
- hiba
- hibák
- Eter (ETH)
- értékelések
- Még
- események
- EVER
- Minden
- mindenki
- minden
- evolúció
- fejlődik
- példa
- példák
- izgatott
- izgalmas
- kivégez
- végrehajtó
- létező
- kiterjedt
- vár
- gyors
- drága
- tapasztalat
- tapasztalt
- Tapasztalatok
- szakértő
- szakvélemény
- Magyarázza
- feltárása
- expressz
- szövet
- Arc
- tény
- tényezők
- meglehetősen
- hűséges
- sólyom
- Esik
- ismerős
- családok
- család
- GYORS
- gyorsabb
- hibás
- Funkció
- Jellemzők
- díj
- Visszacsatolás
- kevés
- Benyújtás
- szűrő
- Végül
- pénzügyi
- Találjon
- megtalálása
- leletek
- végén
- befejezni
- vezetéknév
- Rögzít
- rugalmas
- összpontosított
- következik
- A
- A fogyasztók számára
- Előre
- talált
- Alapítvány
- négy
- töredék
- Keretrendszer
- keretek
- Ingyenes
- gyakran
- barátságos
- ból ből
- funkciók
- további
- jövő
- játék
- játék-váltó
- szerencsejáték
- általános
- általában
- generál
- generál
- generáló
- generáció
- nemző
- Generatív AI
- generátor
- kap
- szerzés
- Ad
- Globális
- globális digitális
- gmail
- Go
- cél
- megy
- jó
- GPU
- GPU
- nagy
- Földi
- úttörő
- Csoport
- Növekvő
- felnőtt
- útmutatást
- útmutató
- irányelvek
- kellett
- kezek
- Esemény
- Kemény
- hardver
- káros
- gyűlölet
- Gyűlöletbeszéd
- Legyen
- tekintettel
- Headlines
- egészségügyi
- nehéz
- súlyemelés
- segít
- segít
- segít
- itt
- Magas
- <p></p>
- legnagyobb
- kiemelve
- nagyon
- bérel
- övé
- tárhely
- NYITVATARTÁS
- Hogyan
- How To
- azonban
- HTTPS
- Több száz
- i
- ID
- identitások
- Identitás
- ids
- if
- kép
- képalkotás
- képek
- azonnali
- Hatás
- végre
- megvalósítások
- végre
- importál
- fontos
- hatásos
- javul
- javított
- fejlesztések
- in
- tartalmaz
- magában foglalja a
- Beleértve
- Növelje
- <p></p>
- növekvő
- mutatók
- egyének
- iparágak
- ipar
- iparágvezető
- befolyásolható
- info
- tájékoztat
- információ
- Infrastruktúra
- újít
- újító
- Innováció
- újítások
- újító
- bemenet
- bemenet
- Insight
- meglátások
- példa
- példányok
- helyette
- Intézet
- utasítás
- biztosítás
- integráció
- szellemi
- szellemi tulajdon
- Intelligencia
- szándékozik
- kölcsönhatásba
- kölcsönhatások
- kölcsönhatásba lép
- összekapcsolt
- Felület
- belső
- beavatkozik
- bele
- bevezet
- Bevezetett
- bevezetéséről
- Feltalált
- leltár
- befektet
- nyomozó
- befektetés
- beruházás
- Beruházások
- részt
- jár
- kérdések
- IT
- IT szakemberek
- ITS
- japán
- zsargon
- Jáva
- jpg
- éppen
- csak egy
- Tart
- tartás
- Kulcs
- Kulcsterületek
- kulcsszavak
- készlet
- Kit (SDK)
- Ismer
- tudás
- tudja
- Labs
- hiány
- nyelv
- nagy
- nagyarányú
- legnagyobb
- keresztnév
- Tavaly
- Késő
- Késleltetés
- legutolsó
- indított
- indítás
- ügyvédek
- réteg
- tojók
- Vezetés
- vezető
- TANUL
- tanult
- tanulás
- Jogi
- kevesebb
- Lets
- szint
- Tőkeáttétel
- kihasználja
- Lexis Nexis
- LG
- könyvtárak
- életciklus
- emelő
- mint
- Valószínű
- korlátozások
- Korlátozott
- határértékek
- vonalak
- LINK
- linkek
- Lista
- él
- életek
- Láma
- található
- helyszínek
- logikus
- logo
- Hosszú
- régóta fennálló
- Sok
- szerelem
- Elő/Utó
- alacsonyabb
- legalacsonyabb
- gép
- gépi tanulás
- készült
- fenntartása
- fenntartása
- karbantartás
- fontos
- csinál
- KÉSZÍT
- Gyártás
- sikerült
- vezetés
- Menedzserek
- kézikönyv
- kézi munka
- kézzel
- sok
- Marketing
- anyag
- anyagok
- maximális
- Lehet..
- me
- jelentőségteljes
- eszközök
- Média
- Találkozik
- találkozó
- találkozók
- Megfelel
- Partnerek
- mers
- meta
- módszer
- Miami
- microsoft
- Microsoft 365
- Középső
- esetleg
- mérföldkő
- jegyzőkönyv
- hiányzik
- Küldetés
- ML
- modell
- modellezés
- modellek
- korszerűsítés
- Lendület
- MongoDB
- monitorok
- Hónap
- hónap
- több
- a legtöbb
- Legnepszerubb
- mozgó
- MRI
- sok
- többszörös
- zene
- kell
- my
- név
- Nasdaq
- Természetes
- Természetes nyelv
- Közel
- elengedhetetlen
- Szükség
- szükséges
- igénylő
- háló
- hálózat
- hálózatba
- Új
- New York
- újonnan
- következő
- Nitro
- nem
- laptopok
- Most
- szám
- Nvidia
- of
- kedvezmény
- támadó
- ajánlat
- felajánlás
- Ajánlatok
- gyakran
- idősebb
- on
- egyszer
- ONE
- azok
- online
- online banki
- csak
- nyitva
- működik
- Művelet
- Optimalizálja
- optimalizált
- optimalizálása
- Opciók
- or
- rendelés
- szervezet
- szervezetek
- eredeti
- Más
- Egyéb
- mi
- ki
- vázlat
- teljesítmény
- kimenetek
- felett
- Elhalmoz
- túlnyomórészt
- saját
- Béke
- csomagok
- fájdalmas
- párok
- paraméter
- paraméterek
- rész
- partnerek
- alkatrészek
- múlt
- minták
- szünet
- Emberek (People)
- mert
- teljesít
- teljesítmény
- teljesített
- Előadja
- engedély
- engedélyek
- person
- Testreszabás
- megszemélyesít
- Személyesen
- PGA túra
- kifejezés
- PII
- Hely
- terv
- Plató
- Platón adatintelligencia
- PlatoData
- plusz
- pont
- Politikák
- Népszerű
- pozitív
- lehetséges
- állás
- potenciális
- hatalom
- powered
- erős
- Gyakorlati
- gyakorlatilag
- gyakorlat
- pontos
- előre
- Tippek
- preferenciák
- előkészítés
- Készít
- be
- elnök
- nyomja meg a
- sürgős
- Preview
- korábban
- ár
- árazás
- elsődleges
- magánélet
- Adatvédelem és biztonság
- magán
- személyes információ
- Probléma
- problémák
- folyamat
- Folyamatok
- feldolgozás
- gyárt
- Termékek
- Termelés
- termelő
- termelékenység
- szakmai
- tehetséges alkalmazottal
- Programok
- program
- utasításokat
- ingatlan
- szabadalmazott
- védelme
- védelem
- ad
- ellátó
- szolgáltatók
- biztosít
- amely
- nyilvános
- nyilvánosan
- célokra
- Nyomja
- Toló
- tesz
- elhelyezés
- Piton
- pytorch
- Q3
- mennyiségi
- kérdés
- Kérdések
- Quick
- gyorsan
- egészen
- K + F
- hatótávolság
- gyors
- gyorsan
- Az árak
- RE
- Olvasás
- igazi
- real-time
- valószerű
- észre
- realizált
- tényleg
- kaszálás
- miatt
- nemrég
- Ajánlást
- ajánlások
- rekord
- csökkenteni
- Csökkent
- csökkentő
- finomítani
- vidék
- felszabaduló
- megbízhatóság
- maradványok
- eltávolítása
- eltávolítása
- javítás
- ismétlő
- csere
- válasz
- jelentést
- raktár
- kérni
- kéri
- kötelező
- követelmények
- kutatás
- Booking
- Tartalék
- Felbontás
- rezonál
- Tudástár
- tisztelet
- Reagálni
- válaszol
- válasz
- válaszok
- felelős
- korlátoz
- korlátozott
- eredményez
- Eredmények
- visszatérő
- Kritika
- felülvizsgálata
- jobb
- kockázatok
- Szerep
- szerepek
- Szobák
- útvonalak
- Szabály
- futás
- futás
- kifutópálya
- feláldozása
- biztonságos
- biztosítékok
- biztosan
- sagemaker
- értékesítés
- értékesítési erő
- azonos
- elégedettség
- Megtakarítás
- mondás
- Skála
- skálázás
- forgatókönyvek
- hatálya
- pontszámok
- kaparni
- sdk
- zökkenőmentes
- Keresés
- Második
- Második generáció
- másodperc
- biztonság
- biztosan
- biztonság
- lát
- látás
- látott
- válasszuk
- kiválasztott
- kiválasztás
- elküldés
- idősebb
- felső vezetés
- érzékeny
- szeptember
- Sorozat
- Series of
- szerverek
- szolgáltatás
- ServiceNow
- Szolgáltatások
- készlet
- Szettek
- számos
- Megosztás
- megosztott
- hajó
- rövid
- kellene
- oldal
- jelentős
- Szilícium
- Hasonlóképpen
- Egyszerű
- egyszerűsítése
- egyszerűen
- óta
- SIX
- méretek
- laza
- kicsi
- So
- Közösség
- Közösségi média
- szoftver
- Szoftverfejlesztők
- szoftverfejlesztés
- szoftverfejlesztői csomag
- megoldások
- Megoldások
- SOLVE
- néhány
- Valaki
- valami
- Nemsokára
- kifinomult
- forrás
- forráskód
- Források
- délkeleti
- Hely
- Szikra
- kifejezetten
- beszéd
- sebesség
- költ
- Stabilitás
- stabil
- verem
- egymásra rakva
- érdekeltek
- kezdődött
- Kezdve
- Startups
- csúcs-
- tartózkodás
- Lépés
- Lépései
- Még mindig
- tárolás
- tárolni
- árnyékolók
- TÖRTÉNETEK
- vihar
- Történet
- áramvonal
- Meg kell erősíteni
- szigorú
- struktúra
- Tanulmány
- alhálózati
- lényeges
- ilyen
- megfelelő
- kíséret
- összegez
- ÖSSZEFOGLALÓ
- szuper
- kiegészítés
- szállítók
- kínálat
- Kereslet és kínálat
- ellátási lánc
- támogatás
- Támogatja
- biztos
- meglepő
- felügyelet
- gyanús
- Fenntarthatóság
- kapcsoló
- szintetizál
- rendszer
- Systems
- táblázat
- szabott
- Vesz
- tart
- bevétel
- Beszél
- cél
- Feladat
- feladatok
- csapat
- Csapattagok
- csapat
- Műszaki
- technika
- technikák
- Technologies
- Technológia
- technológiai innováció
- mondd
- sokatmondó
- tíz
- tíz
- tensorflow
- terminológia
- teszt
- Tesztelés
- tesztek
- szöveg
- szöveggenerálás
- mint
- hogy
- A
- A jövő
- a világ
- azok
- Őket
- maguk
- akkor
- Ott.
- Ezek
- ők
- dolog
- dolgok
- Szerintem
- Harmadik
- ezt
- idén
- azok
- ezer
- három
- Keresztül
- egész
- áteresztőképesség
- jegy
- jegyek
- idő
- alkalommal
- titán-
- nak nek
- Ma
- mai
- együtt
- jelképes
- is
- vett
- szerszám
- szerszámok
- felső
- Témakörök
- Bejárás
- felé
- felé
- vágány
- Kereskedés
- Vonat
- kiképzett
- Képzések
- Tranzakciók
- Másolat
- Átalakítás
- Átalakítás
- transzformációk
- transzformáló
- utazás
- billió
- utazás
- valóban
- Bízzon
- megpróbál
- próbál
- fordul
- kettő
- típus
- jellemzően
- mögöttes
- megért
- érthető
- megértés
- megérti
- ismeretlen
- egységes
- egyedi
- egyedi tulajdonságok
- egység
- nem úgy mint
- -ig
- Frissítések
- Frissítés
- frissítés
- fejlesztések
- us
- Használat
- használ
- használati eset
- használt
- használó
- Felhasználók
- használ
- segítségével
- Értékes
- fajta
- különféle
- változat
- Ellen
- nagyon
- keresztül
- vice
- Alelnök
- videó
- gyakorlatilag
- megjelenítés
- Képzeld
- előző
- kötetek
- Sebezhető
- akar
- Warner
- warner zenei csoport
- volt
- hullám
- Út..
- módon
- we
- háló
- webalkalmazás
- webes szolgáltatások
- honlapok
- hét
- Hetek
- fogadtatás
- JÓL
- jól ismert
- voltak
- Mit
- Mi
- amikor
- vajon
- ami
- míg
- WHO
- miért
- széles
- Széleskörű
- szélesebb
- lesz
- ablak
- val vel
- belül
- nélkül
- Munka
- dolgozott
- munkafolyamatok
- dolgozó
- művek
- világ
- világszínvonalú
- aggódik
- érdemes
- lenne
- ír
- kódot írni
- írás
- év
- év
- york
- te
- A te
- Zendesk
- zephyrnet