2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
目录
数据和生成式人工智能技术推动人类智能
Sivasubramanian 博士首先解释了数据、生成式人工智能和人类智能之间的联系。他以鲸鲨和鮣鱼为例，将其比作自然界的共生关系。
鮣鱼负责清洁鲸鲨，保证鲸鲨健康，而鲸鲨则负责保护鮣鱼免受掠食者的伤害。同样，数据、生成式人工智能和人类之间也存在着互惠互利的关系。
Sivasubramanian 博士说：“生成性人工智能……正在激发人类的智慧和创造力。”
DevOps 专家兼 Pluralsight 作者Michael Cassidy与我分享了他的观点。“共生关系的协同作用使人类能够利用 AI 实现各种高级应用，从加速定制软件解决方案的开发到改善医疗保健等关键领域，”他说。
“人工智能的计算能力和数据处理能力与人类的智慧相得益彰，为各个领域带来了突破性的进步和效率。”
构建生成式 AI 应用程序的要点
Sivasubramanian 博士列出了构建生成式 AI 应用程序的四个要点：
可以使用多种基础模型 (FM)
利用您的数据的私人环境
易于使用的工具来构建和部署应用程序
专门构建的 ML 基础设施
数据也很重要。“强大的数据基础对于生成式人工智能至关重要，”他说。该基础包括一套全面、集成且受管理的服务。
使用 Titan Image Generator 创建负责任的 AI 生成图像
Sivasubramanian 博士主题演讲中最令人兴奋的公告之一是适用于 Amazon Bedrock 的Amazon Titan 图像生成器。您可以使用自然语言提示生成和自定义高质量、逼真的图像。Sivasubramanian 博士进行了快速演示，自定义选项将使其成为内容创作的宝贵资产。
Titan Image Generator 生成的任何图像还包含不可见的水印，以将其标识为 AI 生成的内容，减少错误信息，并支持负责任地使用 AI。
其他 Amazon Q 集成简化了数据管理
Amazon Q是一款安全的 AI 聊天机器人，可用于商业用途，可根据特定组织数据进行定制。今天，Sivasubramanian 博士宣布了它将与其他亚马逊服务集成的几种其他方式。
Amazon Redshift 中的 Amazon Q Generative SQL：根据纯英语生成 SQL 查询建议
AWS Glue 中的 Amazon Q 数据集成：简化自定义 ETL 作业并使用自然语言集成数据
- Quicksight 中的 Amazon Q：从数据中生成故事并快速提取见解
“这确实为许多不同的人打开了大门，使他们能够利用他们的数据仓库和存储在 S3 存储桶等中的数据，而无需成为数据专家，”建筑师、工程师兼 Pluralsight 作者Andru Estes分享道。
“我确信，利用 Q 和他们谈到的零 ETL 集成来构建数据管道的能力将会改变游戏规则。”
使用 Amazon SageMaker Hyperpod 减少模型训练时间
训练基础模型可能具有挑战性。您需要收集数据、创建集群并分发模型训练。然后，您需要检查模型并修复任何问题。如果一个集群失败了？整个训练过程就会停止。
Amazon SageMaker HyperPod通过提供专门构建的大规模分布式训练基础设施来解决这些痛点。它可以自动检查集群、替换故障节点并从检查点恢复训练。据 Sivasubramanian 博士称，它可以将模型训练时间缩短高达 40%。
技能再培训革命：生成式人工智能时代的软技能
AI 技术可以而且将会增强从数据管理到内容创建和客户支持等各个方面的能力。但由于 AI 技能的差距，有效利用 AI 技术对于许多组织来说是一个耗时且资源密集的过程。
Sivasubramanian 博士主题演讲中的一个主题是让每个人都能使用人工智能工具和技术的重要性——从人工智能和机器学习专家到刚进入该领域的新手。
他发布的产品和功能支持了这一点。根据工具及其用例，AI 工程师、开发人员、数据分析师和客户服务代表都可以使用 AI 来简化流程并提高生产力。
因为每个人都会与人工智能互动，所以技术技能并不是唯一需要发展的技能。Sivasubramanian 博士解释说，随着人工智能的出现，创造力、道德和适应性等软技能将变得更加重要。
更多 AWS 数据和 AI 公告
Sivasubramanian 博士谈到了许多新产品和服务，这些产品和服务将使您更容易管理数据、构建生成式 AI 应用程序和部署机器学习模型。
Amazon Titan 多模式嵌入：轻松为用户构建更准确、更相关的多模式搜索结果和推荐
Amazon Bedrock 上的模型评估：快速评估、比较并选择适合您用例的最佳基础模型
Anthropic Claude 的定制模型程序：与 AWS 专家合作，根据您的需求定制 Claude
AWS Clean Rooms ML：与合作伙伴协作构建、训练和部署 ML 模型，而无需共享整个数据集
Amazon OpenSearch Service 与 Amazon S3 的零 ETL 集成：无需创建 ETL 管道，即可在一个地方无缝搜索、分析和可视化数据
Amazon OpenSearch Serverless 的矢量引擎：存储、更新和搜索数十亿个矢量嵌入
Amazon Neptune Analytics：使用 Amazon Neptune 的分析数据库引擎存储图形和矢量数据
为人工智能和云计算的未来做好准备
Sivasubramanian 博士的主题演讲并不是周三唯一令人兴奋的事件。其他几位专家主持了有关为人工智能的未来做准备的会议。
构建生成式 AI 架构： AWS 专业服务副总裁 Francessca Vasquez 解释了如何创建架构以安全、经济且负责任地扩展生成式 AI。最终，正确的架构使组织能够充分利用生成式 AI 技术的优势。
利用生成式 AI 加快创新： AWS 人工智能和机器学习副总裁 Bratin Saha 博士在演讲中不断提供人工智能见解。他与客户进行了交谈，并揭示了他们利用人工智能和机器学习转变业务的策略和方法。
使用 AWS 数据库为您的应用程序提供面向未来的保障：随着 IT 格局的快速发展，为未来做好准备是大多数组织关注的重点。AWS 数据库和迁移服务副总裁 Jeff Carter 和 AWS 关系数据库引擎副总裁 Rahul Pathak 解释了如何设计最佳数据库以适应变化、敏捷性和适应性，以便您可以采用下一项新技术，无论是生成式 AI 还是其他技术。
通过亲手实践 AWS 实验室，亲身体验云技术
Sivasubramanian 博士最后重申了数据、生成式人工智能和人类可以发展出一种共生关系的方式。随着时间的推移，它们只会相互加强，它们对于创造成功的飞轮和加速人工智能之旅都是必不可少的。
准备好将您的见解付诸实践了吗？立即开始免费试用，并通过我们的实验室获得 AWS 的实际经验：
想要在组织中培养云和 AI 技能？详细了解 Pluralsight 云转型解决方案和资源，以缩小 AI 技能差距。
免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！
