AWS首席执行官Matt Garman表示,该公司的生成式AI助手Amazon Q正在通过将开发人员的生产力提升到新的高度来改变这家价值1100亿美金的公司。
AWS首席执行官Matt Garman
Garman在LinkedIn上表示:“Amazon Q正在改变我们的团队在亚马逊上查找信息的方式,这些数字非常惊人。仅今年一年,Amazon Q就解决了超过100万个亚马逊内部开发人员的问题,将花在手动技术调查上的时间减少了450000多个小时。”
AWS为Amazon Q提供了数百万份内部文档,并将Amazon Q集成到AWS团队每天使用的工具中,例如Slack。
Garman说:“现在,开发人员无需在问答板或Slack频道上等待数小时才能得到复杂技术问题的答复,而是可以在几秒钟内就得到答案,等待的时间越少,创新的时间就越多。”
这家总部位于美国西雅图的公司目前是全球云计算市场份额的领导者,占有31%的份额,其次是微软,占有20%的份额,第三位是谷歌,占有13%的份额。
AWS的Amazon Q策略如何发挥作用
AWS开发人员很难及时地找到复杂技术问题的答案。开发人员可以在AWS内部问答板上发布问题,也可以在Slack中找到合适的渠道来提出技术问题,但主题专家可能需要几个小时才能回复。
“这些问题的答案通常已经存在于我们的知识库中,但开发人员无法在Amazon拥有的工具和存储库的大海捞针中寻找到答案,”AWS高级软件开发工程师Alexandru Baluta在一篇博文中说道。
Baluta表示,AWS把Amazon Q Business与他们已经在使用的工具例如如社区留言板和Slack集成在一起。
AWS将由数百万份文档组成的内部知识库导入GenAI Amazon Q Business产品中,以便开发人员可以根据这些存储库中的数据获得答案。
此外,AWS把Amazon Q Business实例与开发人员经常提问的工具集成在一起。最后,AWS使用工具本身固有的上下文(例如用户提问的Slack频道)来提供更有用的响应。
Baluta说:“Amazon Q Business今年已经回答了超过100万个亚马逊内部开发人员的问题,把开发人员获得答案所需的时间缩短到几秒钟。”
AWS合作伙伴InterVision推动Amazon Q的发展
AWS AI全明星合作伙伴InterVision公司目前正在为客户部署和扩展Amazon Q,以帮助他们即时检索答案和信息。
总部位于美国密苏里州切斯特菲尔德的InterVision公司总裁兼首席执行官Jonathan Lerner表示:“很多客户拥有大量非结构化数据或者PDF格式的数据,但如果想想在他们整个建筑物内的所有数据,几乎每个问题的答案都隐藏在文档或数据中。”
和AWS一样,InterVision正在通过Amazon Q提高客户和开发人员的效率,同时还利用Amazon Q来帮助解决云应用或群聊中的问题,以及汇总文档。
Lerner表示:“我们将各种形式的人工智能和智能自动化——RPA及机器人融——入到我们所做的每一件事中,我们认为AWS是地球上最好的建设者。”
上周,AWS宣布2024年第三季度营收为275亿美元,销售额同比增长19%。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。