生成式AI优势：创始人指南之利用数据脱颖而出

亚马逊云科技概览 3生成式人工智能 4 5 7 11让思维突破技术范畴创造竞争优势 14总结 19词汇表 20亚马逊云科技2概览对投资者也有巨大的吸引力，根据Pitchbook的统计，生成式鉴于这些研究成果，初创企业创始人和数据领导者纷纷希望快速推进自己的生成式人工智能应用程序，也就不足为奇了。他们不仅想知道如何走好下一步，还想了解如何在这个新兴领域抢占竞争优亚马逊云科技3概括而言，生成式人工智能可以定义为一种用于生成新内容和新想法的人工智能。例如，生成式人工智能应用程序可以撰写故事、生成代码、设计数字图像。这些应用程序还可以自动执行繁琐的任人工智能人工智能机器学习神经网络生成式模型•通过聊天机器人、虚拟助理、个性化或内容审核等功能改善客户体验•通过对话式搜索、内容创建、文本摘要或代码创建来提高员工的工作效率•加速各类创意内容（如艺术、音乐或动画）的制作•通过智能文档处理、预测性维护、质量把控和视觉检测，或者通过数据增强，来简化业务运营亚马逊云科技4生成式人工智能与所有人工智能一样，生成式人工智能也是由机器学习（ML）模型提供支持，而且使用的是基于海值得注意的是，基础模型的核心是利用机器学习的新进展。像生成式预训练转换器（GPT）模型这一类的基础模型，通常被称为大型语言模型（LLM专门用我们很早就知道，数据是企业的战略资产。然而，根据Accenture的一项研究，即使对数据基础设％）生成式人工智能有助于改善这种状况。生成式人工智能让您能够以全新的方式利用自己的数据，并从中挖掘出更多的价值。通过这种技术，您可以更迅速地基于自己的数据进行创新，在新型应用程我们已经看到一些客户将数据与生成式人工智能相结合，改善了业务成果和客户体验。例如，Intuit构建了IntuitAssist，这是一款新型的生成式人工智能助手，通过使用小型企业、消费金融和税务Clearhead是一家初创企业，能够提供创新的员工援助计划（EAP该计划力图让用户能够更轻松地在其健康平台上找到合适的治疗师，从而更好地获取心理健康支持，其中也包括改进数字化治疗师聊天机器人的应对能力。Clearhead在AmazonBedrock上使用AmazonTitan来增强聊天机器人提供的个性化体验，能够更好地结合具体情境进行讨论，使治疗师搜索更准确，并降低生成式人亚马逊云科技5生成式人工智能这些应用程序令人振奋，而这些只是生成式人工智能给初创企业及其客户所带来价值的冰山一角。生成式人工智能还将以哪些方式改变我们的世界，人们仍在拭目以待。您是不是感觉自己进入到一个未知的领域，对于该如何实现生成式人工智能的巨大潜力感到茫然？实际上，使用生成式人工智能实现商业价值的方式与使用任何其它技术没有太大区别。这取决于您是否制定了足够强大的数据您可能已经制定了数据战略，也可能刚刚开始制定。无论属于哪种情况，现在都是将生成式人工智能纳入战略的绝佳时机，如此方能让您实现更多商业价值。通过利用自己的数据实现差异化，您将在本白皮书中，我们为创始人及其团队提供了洞见和后续行动建议，助力初创企业更充分地利用数据，打造出独有的生成式人工智能应用程序。要在这一领域进行创新和竞争，您需要制定全面的数据战略，还要将技术、业务优先事项、应用该战略代表了一种看待数据的现代化方法，可确保您从生成式人工智能应用程序中实现商业价值。我们将从三个重点领域出发，为您剖析如何制1313亚马逊云科技6您的应用程序是一般通用型的，还是能够深入了解您的初创企业和客户？这两者之间的差别就在于您是否恰当使用了自己的数据。因此，您必须确定如何妥善利用自己的数据来精准把握自身业务的独特性，并将这些独特之处加以推广。对于大多数初创企业而言，部署生成式人工智能应用程序的起点都是开箱即用的基础模型（FM）。仅有少数初创企业会选择构建自己的基础模型，来支持其生虽然开箱即用的基础模型功能足够强大，但从设计的角度看，这些模型都是一般通用型的。它们的些基础模型无法访问初创企业的新数据，或者无法执行特定领域的任务，因而无法满足用户请求。要利用生成式人工智能应用程序满足您的客户体验要求、内部知识、品牌风格和道德标准，您的数例如，如果您是一家在线旅行社，想要通过生成式人工智能应用程序为客户提供更好的旅行建议，那么您可能需要利用特定于客户的个人数据，例如过去的旅行、网页浏览历史记录和旅行偏好等等数据。您还需要访问有关相似旅行者的惯性和旅行清单的汇总数据，以便提供更好的建议。通过使此外，开箱即用的基础模型人人都可得而用之，因此只有使用自己的数据对其进行定制，您的生成式人工智能应用程序才能凸显出自己的不同之处。假设您还使用开箱即用的基础模型为您的在线旅行社起草营销文案，您的竞争对手可能也在使用相同的模型做同样的事情。这些模型在很大程度上使用的是同一个通用知识库生成内容。因此，如果不进行定制，可能会导致您和您的竞争对手创建定制化创造出来的竞争优势是可持续的。有几种方法可以定制基础模型，其中包括微调和上下文亚马逊云科技7亚马亚马云科技作为全球交通数据和分析提供商，INRIX正在构建以AmazonBedrock为核心的新解决方案。解决方案用于实时提供最新信息，以便交通和安全工程师能够了解到街道上所出现的情况，事件发生亚马逊云科技8使用开箱即用的基础模型时，您必须利用自己的数据来定制模型，从而满足您独特的业务需求。对于领域密集型应用程序，例如技术支持坐席或企业特有的内容创作，微调是一个不错的选择。借助AmazonBedrock，您可以安全地使用自己的数据定制基础模型，并使用其它内置工具来构建了解设想一下，一位服务于领先电子商务初创企业的内容营销经理，需要为即将推出的新手袋系列制作有针对性的全新广告和活动文案。为此，他们向AmazonBedrock提供了一些带标签的示例，这些示例存储在AmazonSimpleStorageService（AmazonS3）上的数据湖中，其中包含了他们在过去的活动中表现出色的标语，以及相关的产品描述。AmazonBedrock针对客户另外各克隆了一套基础模型，只有该客户才能访问到自己的基础模型副本进行模型训练。训练结束后，Amazon亚马逊云科技9基础模型是在某个时刻训练的，每次数据集更改时都对其进行微调是不切实际的。一旦完成训练，基础模型就不会再摄取新的知识或数据了。如果需要额外的上下文来解决问题，基础模型也无法找为了提高响应的相关性且更符合上下文，不妨通过上下文学习为基础模型提供数据，这种技术通过索增强型生成作为进行上下文学习的主要方法。检索增强型生成有便于您的基础模型使用到初创企业的新数据，从而提供更准确、更相关的响应。检索增强型生成通常使用向量嵌入（即，以数字形虽然您可以单独使用上述每种技术，但结合使用微调和检索增强型生成，将会更有助于您利用数据增强版上下文大型语言模型端点搜索相关信息增强版上下文大型语言模型端点搜索相关信息>2查询为增强上下文而获取的相关信息生成的文字回应提示+查询+ >1提示+查询 >< >知识来源453亚马逊云科技10您的数据是使用生成式人工智能应用程序创造价值的关键。因此，使用高质量、相关、易于访问且可供使用的数据来定制模型，也就变得尤为重要。要满该基础应包括一组面面俱到、集为一体的数据服务，适用于所有工作负载、应用场景和数据类型，还要包括一些数据治理工具。下面简要概述对于生成式人工智能，您需要存储各种类型的数据，包括非结构化数据、结构化数据、流数据和向量数据，这些数据可用于构建和定制模型，以通常，一套面面俱到的生成式人工智能数据服务都会包括一个耐久性和可扩展性都较高的数据湖。该数据湖用于存储您构建和定制基础模型所需的特定领域数据。多年来，亚马逊云科技一直在通过AmazonS3、AmazonGlue和AmazonLakeFormation等服务，为客户奠定坚实的数据湖基础，用以存储结构化和非结构化数据。我们的客户已使用AmazonS3创建了数十万个数据湖。生成式人工智能的数据基础还包括用于检索增强型生成的高性能知识存储库。亚马逊云科技根据您以记住之前的响应。事务型数据库可存储上下文和客户信息，从而能够创建出更加个性化的响应。您还可以使用像AmazonKendra这样的知识存储库，连接到多个结构化和非结构化内容存储库，为您的基础模型提供基于文档的知识来源。或者，您也可以使用具有向量搜索功能的数据库，这些数据库是专为高效存储和检索嵌入而设计的。在现有使用的数据库中使用向量搜索的功能具有一定库已在生产环境中经过验证，能够满足可扩展性、可用性、存储和计算方面的要求。而且，当您的向量和业务数据存储在同一个位置时，您的应用程序可以更快地运行，无需担心数据同步或数据移动。亚马逊云科技为许多常用数据存储提供了向量搜索功能，让客户可以在构建生成式人工智能应亚马逊云科技11面面俱到的数据基础同时涵盖了数据分析和数据存储。您可以使用数据仓库来定制需要最新运营数据的基础模型和应用场景，例如构建基础模型或其它大型语言模型，通过自然语言查询提供有关业《WhateveryCEOshouldknowaboutgenerativeAI》，McKinseyDigital，2023年数据整合使您能够全面了解自己的业务，并确保您的生成式人工智能应用程序可以随时访问您的数据。通过亚马逊云科技服务之间的直接集成，我们可以减少和消除常见应用场景中的提取、转进行分析和机器学习。亚马逊云科技可连接到数百种数据来源，包括软件即服务、本地和其它云亚马逊云科技AmazonRedshift性价比12在构建生成式人工智能应用程序的整个生命周期中，您的数据都需要受到安全保护和正确治理。亚马逊云科技提供了多种工具来确保数据质量、隐私和访问权限管控，因此您可以将高质量且合规的使用AmazonBedrock，您的所有数据都使用您自己的密钥管理服务（KMS）密钥进行静态加密，这样您就能完全掌控存储和访问数据及定制模型的方式。借助AmazonPrivateLink，您可以只通过亚马逊云科技网络，将您存储在亚马逊云科技云端的数据传输到AmazonBedrock，而无需使用也不会用来训练或定制可供其它初创企业使用的模型。AmazonTitan基础模型可检测出然后删除您用于定制的数据中的有害内容，拒绝用户输入内容中的不当内容，并过滤掉包含不当内容（例如在本白皮书前面的部分中，我们也讨论了定制基础模型在反映您的特定品牌和增强客户体验，以及根除不准确或不相关内容方面的重要性。尽管量身定制对于应对这些挑战很重要，但以人工监督和反馈的形式进行数据治理也很重要。您需要进行人工干预，来确保所生成的内容能够反映出您希望向世界展示的形象。例如，通过真人反馈方法进行强化学习，您将能够训练基础模型在真人专家的指导下作出决策和采取行动。这些专家会寻找潜在的症结，例如数据中的偏见、数据质量问题和数亚马逊云科技13传统上，创始人在制定数据战略时所持的思维方式是，数据是构建解决方案的平台和手段。这种观随着人们对生成式人工智能的兴趣与日俱增，我们发现越来越人都持有这种思维。这种观点的盛行是可以理解的，因为创始人希望将生成式人工智能利用起来，以期保持竞争力。但是，他们首先必须清楚这些应用程序如何帮他们解决问题，或如何使他们的业务脱颖而出。这就需要将生成式人工智能视为一种不断演变，且能够带来实际价值的数据产品。运用这种思维方式，初创企业就会将重切实可行的洞察，以便增强客户体验并满足不断产生亚马逊云科技14我们通过飞轮方法协助客户将数据驱动型产品变为现实，满足客户的应用场景让您以更快的速度抓住高价值商机或客户，并打造出把握这些机会的数据产品或体验。一旦飞飞轮有助于加速转型并创造增量价值。我们将其总结为“大处着眼，小处与业务和技术领导层交流，与业务和技术领导层交流，制定出有吸引力的“放眼大局”愿景针对具有挑战性的业务应用场景，开展生产就绪型高速产品开发按照9–12个月的按照9–12个月的优先项目路线图扩大规模在实施云端数据积累开发数据产品的经验举个例子，在线美容零售商BEAUTYBAY尽力提供卓越的客户体验，并让其年轻受众随时了解最新时尚趋势。该公司与亚马逊云科技合作伙伴BJSS合作开展数生了影响。他们共同对IT资产开展AmazonWell-Architected审查，对订单管理系统进行了亚马逊云科技15），例如，MarketingEvolution在亚马逊云科技云端构建了一个创新型测量和归因解决方案。为了减少耗时的手动流程，MarketingEvolution开始使用AmazonGlue，这是一种无服务器数据集成服务，可让您更轻松地挖掘、准备、迁移并集成来自多方来源的数据，以展开分析、机器学习和应用程序开发。通过这些举措，MarketingEvolution得以削减成本并提高解决方案的效率，加快获得Protium使用AmazonAurora开发了Turiya，这是其内部贷款和风险管控堆栈，也是这家初创企业业务的核心。得益于采用亚马逊云科技的平台，Protium通过Turiya得以面向更大的用户群扩展和定制信贷服务。通过基于工作流的模型，团队可以在其平台上加快产品和服务的发布。此外，Protium现在可以跨渠道进行集成和扩展，同时以经济实惠的方式保持高可用性、性能和合规性。亚马逊云科技16生成式人工智能有助于让更多员工能够利用数据进行创新。为了防止出现障碍和瓶颈，企业必须制定适当的策略，让员工能够更轻松地挖掘、使用、共享和管理数据。传统上，初创企业内的数据传团队。我们常常将这种模式称为现代化数据社区，目前已经有许多客户纷纷开始采用这一模式，助生成式人工智能将会催生出许许多多全新的职位，并且将对现有人员提出更高的要求。根据世界经括人工智能和机器学习专家，以及数据分析然而，目前人工智能、机器学习和云专业人才的数量极其有限。初创企业通常缺乏一支技能高超的多元化员工队伍，因此无法充分贯彻自己的数据战略。为了确保不断向前迈进，初创企业需要投资员工进行培训，使其具备与数据交互的能力，进而避免遇到瓶颈，让他们在正需之时能够使用到所提升员工技能是数据战略的重要一环。这些举措是一项投资，而不是某些创始人可能认为的无用负担。同样，借助人工智能/机器学习，您可以更轻松地为技术能力水平各异的员工提供相应的工具，让员工都能够分析数据、汲取洞察和构造叙述。例如，我们的全新生成式人工智能助手AmazonQ，可协助您在AmazonQuickSight中使用自然语言生成总览板，并根据总览板数据创建引人入胜的视觉故事。AmazonQ还可以协助您使用自然语言创建数据集成管线。例如，您可以要求AmazonQ个端到端的数据整合任务来执行此操作。借助Am提高工作效率。亚马逊云科技17生成式人工智能让人们开始思考“负责任的人工智能”的重要性，并为数据治理增添了新的维度。您仍然必须考虑数据共享、安全和隐私等问题，而且现在您还需要考虑与偏见、道德和虚假信息有如初创企业创始人所知，数据治理的关键与其说是工具选择，不如说是战略制定。数据治理的架构我们经常听到创始人抱怨，他们很难体现数据治理计划的商业价值。我们的建议是，创始人可以从一个更广阔的视角看待企业的数据战略并将其与业务优先事项对应起来，这样就能够更好地展现该完善的数据战略很重要，因为这样就能确保数据治理政策与组织结构保持一致。要使用生成式人工智能进行创新和快速行动，您的团队就需要随时都能使用到所需的数据，还需要在符合安全、共享和隐私政策的范围内运作。您需要在不容商榷的原则与自主权和速度之间取得平衡。当您将数据治亚马逊云科技