专访AWS高管：企业面临的挑战和AWS带来的生成式AI创新机会

20多年来，Amazon一直致力于构建人工智能系统并使用机器学习。个性化和推荐是这家电子商务网站引入的早期创新技术之一，而如今Alexa语音助手等其他技术概念有助于推动AWS公有云服务中的AI创新，这些创新技术可以提供给企业IT客户使用。

行业讨论几乎持续不断，在这个背景下企业采用AI变成了一项艰巨的任务。近日，AWS专业服务和GenAI Innovation Center for AWS副总裁Francessca Vasquez和我们讨论了在企业中采用AI的诸多挑战。

当被问及IT和业务领导者如何制定可行的AI战略时，考虑到围绕AI技术的所有行业炒作，Vasquez建议那些将AI纳入业务战略的企业要首先考虑IT基础设施的功能，这是构建和训练基础模型所必需的。

Vasquez认为，尽管围绕AI发生了这一切，但对于许多组织来说，机器学习仍然是一个非常有用的工具。

Vasquez表示：“你不一定需要生成式AI提供的一些复杂的深度学习输入和输出。”很多企业正在优先考虑他们认为最有意义的、最有影响力的AI和机器学习用例，此类项目通常具有良好的投资回报。

Vasquez说：“这些项目通常风险较低，可以让组织更快地启动。”这有点像部署自动化来解决效率低下等等这样组织“容易实现的目标”。

在对此类任务的自动化中融入一定程度的智能，可以让组织在简化业务流程中低效步骤方面运转得更快。

“让我最兴奋的是，我认为每个客户都能实现一些切实的成果，比如开发人员如何开发软件以及整个软件开发生命周期。对我来说，这是自动化+AI+人类的一个很好的案例，所有这些都可以用来提高效率。”

AWS上的AI服务

谈到AWS的AI产品，Vasquez表示：“我们一直大量投入自己的计算芯片和定制芯片。”

在硬件之上，AWS运行了一个名为GenAI Bedrock的平台层。她说：“这实际上是托管服务，让组织可以使用大型语言模型和基础模型。”

Bedrock提供了AWS所谓的构建和扩展安全生成式AI应用的基础。具体来说，它的目标是通过单一应用程序编程接口（API）提供单一平台，让企业可以访问AWS的Titan大型语言模型以及多个第三方基础模型，包括AI21 Labs、Cohere、Stability AI或者Anthropic、Meta和Mistral AI的模型。

“真正令我感到兴奋的是，在生成式AI堆栈的顶部，你可以看到通过构建生成式AI应用能力而引发的创新，”她说。

其中一个AI应用是Amazon Q，一款由生成式AI驱动的助手，可以根据企业系统中的数据和信息回答问题、提供摘要、生成内容和完成任务。AWS表示，这一切都可以安全地实现。

管理AI模型和数据访问

在锁定数据访问以确保合规性和确保满足强大的网络安全政策，以及使用公司特定数据推动创新和创造价值的能力之间，始终要保持平衡。有许多引人注目的例子表明，在使用公共大型语言模型的时候，数据无意中被泄露了。

当被问及她会给那些考虑采用大型语言模型的企业提供什么建议时，Vasquez说：“我要说的第一件事就是，数据正在以指数级的速度增长，我们都应该以此为基础。”

大多数组织都存储了TB级的数据；有些甚至拥有PB级的数据存储空间；在极少数的情况下，存储的数据会达到EB级。她说：“信息规模正在不断增长，信息创建的格式也越来越多，超出了你所想象的结构化数据。”

对于Vasquez来说，要从组织以不同格式保存数据的数据存储库中获取价值，企业就需要借助生成式AI的力量,“大多数组织首先必须进入公有云才能利用生成式AI。”

她解释说：“在AWS，如果我只考虑我们的云，安全性，例如数据隐私就是一个非常重要的优先事项。”

这意味着AWS在开发和发布新服务的时候，不会单独考虑安全性。她说：“我们认为所有信息都必须加密和管理，我们仍然采用不变的共同责任结构，您必须能够在虚拟公有云[VPC] 中构建应用，并且信息永远不会离开这个VPC。”

而且这个想法还在不断发展，以支持AWS客户对大型语言模型服务的期望。她说：“客户需要在模型访问控制和治理方面有更强有力的护栏，可以自动过滤掉不需要的概念、言论或脏话，或者你不希望输入到模型中的东西。”

AWS的方法就是将此类功能构建到Bedrock中。

通过训练以避免混乱

Vasquez承认，大型语言模型很容易感到困惑，例如当聊天机器人对一个模棱两可的问题做出了毫无意义的回答。她说：“当我们研究这些模型如何在全球范围内应用时，这一点变得越来越重要，我们不会期望仅仅一个基础模型就可以做所有的事情。”

Vasquez敦促那些正在部署大型语言模型的企业重点关注优化他们使用的基础模型，其中一个常见的例子就是在检索增强生成学习的背景下，模型会根据引入的附加数据进行调整。

有些企业需要的可能不止是自我学习。“我们确实认为一些客户希望能够进行微调，而且你会看到一些客户希望随着新信息的出现而对模型进行持续的预训练。”

对于Vasquez来说，让AI模型和人类合作总是有意义的，这样就可以应对那些模型训练不足的场景。“归根结底，这都是推理，也许你可以称之为人类逻辑或人类智能。”