智東西（公眾號：zhidxcom）
作者 | ZeR0
編輯 | 漠影
如何應用人工智能（AI）進行創新和增強業務競爭力？這是當下許多企業正在思考的方向。在生成式AI和大模型熱潮驅動下，各家云計算巨頭都在摩拳擦掌，從計算層、平臺與工具層到應用層，提供面向企業生成式AI訓練和部署的多元選項。
每年舉行的云計算盛會AWS?re:Invent大會，是科技行業具有參考意義的“風向標”之一。在今年11月底舉行的re:Invent大會上，全球最大公有云巨頭亞馬遜云科技（AWS）全面披露了其生成式AI技術堆棧，并公布多項生成式AI新服務、新工具，特別是改變用戶構建、部署、運維應用和工作負載方式的企業級生成式AI助手Amazon Q。
期間，AWS生成式AI全球副總裁Vasi Philomin博士接受智東西等少數媒體的采訪。他告訴智東西，Amazon Q的命名來自007系列電影中給詹姆斯·邦德提供各種技術工具的著名軍需官Q；而Amazon Q之所以能成為企業業務的“懂王”，實現讓客戶能夠更輕松地探索新服務和功能、學習不熟悉的技術、構建解決方案、發現問題、升級應用程序等多種復雜的任務，其背后不是單一模型，而是多種模型的組合。
過去五年，Vasi Philomin負責推出并管理了亞馬遜云科技的多項AI服務，包括語言類、視覺類、工業類AI服務以及開發者工具。在采訪中，他談論了AWS圍繞生成式AI落地、監管等議題的見解，強調AWS擅長讓AI技術在現實世界的商業環境中真正有用，并將其所有的AI能力提供給客戶，以便企業在競爭中脫穎而出。
一、一款大模型不能包打天下，99.9%客戶不應構建新的大模型
早在20世紀90年代，Vasi Philomin還在讀博士時，坐擁電商平臺的亞馬遜已經大規模應用機器學習算法來為客戶推薦書籍。如今，亞馬遜有大量的AI落地用例，例如裝機量超過1億的智能語音助手Alexa，每周與用戶有超過10億次語音互動；在訂單履行中心，人類與機器人協作，每天搬運上百萬個包裹。
“我們知道如何利用這些東西，并將其應用于現實世界的業務問題與規模，這是我們正用通用人工智能做的事情。”Vasi Philomin說，這需要端到端的思考，在不同堆棧層上進行創新，最終客戶才能真正接受你的服務。
在他看來，在提供生成式AI服務方面，AWS有三點能力與眾不同：
首先，單一模型不能包攬一切，AWS提供不同種類的模型選擇，能夠以非常簡單的方式為客戶提供適合其業務工作負載的最佳模型組合。
其次，云計算企業會將相同的功能提供給所有客戶，那么企業如何利用這些功能才能變得與其競爭對手不同？企業自有的數據是關鍵。可對托管基礎模型進行訪問的Amazon Bedrock平臺提供了定制功能，讓企業能使用自己的數據私密且安全地定制模型，構建差異化的生成式AI應用。
第三，亞馬遜自研基礎模型的Amazon Titan實現了多項升級，包括新增Amazon Titan Text Lite與Amazon Titan Text Express大語言模型、Amazon Titan多模態嵌入模型、Amazon Titan圖像生成器模型，這些均可微調。
其中，Amazon Titan圖像生產器的獨特之處在于從實際用例開始逆向工作，其工作方式不是考慮需要最好的圖像生成技術，而是首先了解它將用在哪里（廣告或營銷行業的創意人員定義新品、新公司想要創建一個品牌logo等），然后確定模型是什么、應用如何運作。AWS投入很多精力來確保現實世界的偏見不會影響生成圖像。
在Vasi Philomin看來，99.9%的客戶不應該嘗試構建新的大模型，這是沒有商業意義的，只有當你重新思考一個非常具體的業務，它才有意義。構建大模型需要花費大量資金和人才，現有定制功能可以將構建生成式AI應用的過程變得更便宜、更容易，把事情從幾個月減少到幾小時、從1億美元減少到不到100萬美元。
二、五個策略，確保實現負責任的AI
在取得客戶信任方面，進行上述工作時，AWS始終牢記企業客戶對隱私安全的需求，多年來已建立一系列安全控制，并在實現負責任AI的道路上做了五件事：
第一，護欄功能。企業可根據自身用例及負責任的AI政策，制定模型必須規避的主題，通過自動評估最終用戶的輸入和基礎模型的回應，提高模型對應用程序中不良內容的響應方式的一致性，促進最終用戶與生成式AI應用的安全交互。
第二，模型評估功能。Amazon Bedrock的模型評估包括自動和人工評估，可幫助客戶評估、比較和選擇在構建應用或用Agent來執行自動化工作時哪個模型更適合他們。
第三，版權賠償。如果客戶使用Amazon Titan模型或其輸出內容侵犯了第三方版權，AWS將對使客戶進行賠償。客戶無需擔心版權訴訟。
第四，隱形水印。所有Amazon Titan模型生成的圖像都包含不可見水印，這些水印被設計成“拒絕更改”，對圖像被篡改具備抵抗力，有助于減少錯誤信息傳播，確保AI技術安全、透明。
第五，服務卡（Service Card）。這比模型卡（Model Card）更有意義，Model Card只針對一個模型來記錄模型檔案，為安全與倫理道德提供參考，但通常使用模型前后還有一些工作要做，因此需從系統的角度來看。AWS去年定義了超越模型功能的AI Service Card概念，解釋了構建模型的目的、做法、限制、原則、隱私安全、偏見與公平等等，這些都有助于客戶決定如何以負責任的方式使用該模型。
“我認為我們今天所擁有的，足以讓客戶真正開始使用這個東西，并追求一些真正具有顛覆性的使用案例，這將改變他們今天所擁有的創新潛力。”Vasi Philomin說。
三、Agent擅長做的事，與還需解決的難題
Vasi Philomin也分享了對agent概念的理解。在他看來，GPT只是一個模型，而agent更像是一個工作流。Agent是基礎模型之上的抽象，本質上是一個可以同時做兩件事的數字工作者：
第一，它可以幫助你快速創建一個了解業務特定知識的數字工作者。
你可以用工作流快速教它關于業務的知識，比如AWS今年推出的Agents for Amazon Bedrock功能，可通過簡單幾步創建和部署完全托管式的agent，借助特定業務的知識庫私有數據，動態調用API來執行復雜的業務任務。這樣做能夠讓agent立即變成特定業務知識的專家。
第二，它可以幫你將工作自動化。
企業有很多內部API，需要調用各個API來串聯業務邏輯。比如你在亞馬遜電商網站上買東西，收貨后想換一雙同一品牌、不同顏色的鞋，亞馬遜做的幕后工作是用agent實現的，其做法是創建一個agent，教agent所有內部API和文件中的知識，比如一個API可以去查詢這個牌子是否有這種顏色的鞋子、一個API可以檢查顏色是否可用，一個API可以進行訂單交換。
現在agent會分解任務，首先用你所擁有的知識來了解業務，然后通過了解所有內部API，收集調用API所需的信息，并決定何時調用它們。Agents for Amazon Bedrock功能使生成式AI應用能夠跨公司系統和數據源執行多步驟任務。
Vasi Philomin告訴智東西，要加速AI agents的應用，需要解決如下問題：
第一步，創建一個企業就緒的agent框架，制定數據安全和隱私策略，確保調用API有正確的權限，為特定應用創建的agent可訪問相應信息。
下一步，今天尚且不能創建出一個可以教它100個API的agent并期望它知道調用哪些，因為其背后模型還沒那么強大，如果想做更復雜的事情，需要更多的科學進步。
當前的解法是把問題分解成更小的部分，創建多個有不同功能的agent，然后把這些agent所做的工作結合起來，最終完成任務。這要求開發人員做一些軟件開發工作，通過編寫代碼來解決每一個更小的部分再進行組合。
AWS的目標群體是企業開發人員，一直在思考客戶面臨的挑戰以及如何使用技術來幫助他們解決，希望為不同企業客戶提供解決方案，使他們嘗試做的事情變得更容易或更具成本效益，或者讓他們有機會做以前不可能做到的事情。
結語：推動生成式AI普惠的關鍵：私密安全定制，負責任地開發
圍繞生成式AI模型的創新正在重塑人們在工作和家庭中交互的許多應用，提升人類的生產力。隨著生成式AI日益普及，越來越多的企業關注如何在同等資源的基礎上取得競爭優勢，以及如何以經濟有效的方式將AI大規模應用于現實世界。對此，AWS認為企業使用私有數據打造更懂得自身業務、更懂客戶的生成式AI應用至為關鍵。
看向未來，Vasi Philomin向智東西總結了他所關注的生成式AI關鍵挑戰：一是企業就緒，必須真正關心企業的數據和數據治理，關心誰有權利訪問這些東西，與通用人工智能緊密結合，這是許多客戶選擇AWS的真正原因；二是取得客戶信任，負責任地解決一些挑戰，這仍然需要做很多工作，隨著時間推移，基礎模型會變得更強大，能在未來實現更復雜任務的自動化。
