Author: AWS Team

这篇文章通过一个真实的客户使用案例概述了生成式人工智能，提供了简明的描述并概述了生成式人工智能的优点，引用了 AWS DeepComposer 用于创建新音乐作品的简单易学的演示，并概述了如何使用 Amazon SageMaker JumpStart 开始部署 GPT2、Stable Diffusion 2.0 和其他生成式人工智能模型。

在这篇文章中，我们探讨了在面向任务的机器人中添加开放域功能的问题，该机器人会将用户请求路由到开源的大型语言模型。

亚马逊云科技和我们的合作伙伴社区将共同引导客户的业务创新和解决方案的开发，使各种规模和行业的客户都能从中受益。大型企业将使用这些工具在各种业务流程中提高效率、提升生产力和提高创新力。这些工具曾是仅限于行业领导者享有的，现在中小企业也可以用这些强大的工具来跟上创新的步伐。

本文介绍使用 Amazon Transcribe，Amazon Translate，Amazon Polly，AWS Elemental MediaConvert 等服务快速合成多语言的视频。

在这篇文章中，我们介绍了一种训练、优化和部署自定义集成的方法。我们详细介绍了使用单个训练作业训练多个模型的过程、如何使用自动模型调整来优化集成超参数，以及如何部署一个融合多个模型推理的无服务器端点。

我们展示了使用由 Streamlit、Lambda 和 API Gateway 提供支持的用户界面的图像生成示例和文本生成示例。现在，您可以在 JumpStart 中使用预训练的人工智能模型来构建生成式人工智能项目。您还可以扩展此项目，针对自己的使用案例对根基模型进行微调，并控制对 API Gateway 端点的访问。

这篇博文由担任 Partner Solutions Architect 的 Benjamin Gardiner […]

许多公司知道他们需要人工智能，但却不知道从何入手。在这篇博文中，我将分享五项行动，帮助您超越行业术语的空谈，真正落实人工智能驱动的数字转型，重塑企业的未来。

Hugging Face 生态体系中的 Transformers 库为 state-of-the-art 预训练模型提供了非常方便的 API 和工具集，帮助用户轻松下载模型并完成训练，是工程师手边的必备神器。为了在更多加速硬件上（如亚马逊云科技的 Trainium 和 Inferentia）训练和运行 Transformers 模型，提升整体的效率，Hugging Face 推出了开源项目 Optimum 对其进行扩展，它提供了一套性能优化工具，可以最大效率地在目标硬件上训练和运行模型。

本文介绍了如何基于 Uniprot 开放数据集使用 Cytoscape.js 和 Amazon Neptune 图形数据库快速搭建无服务化蛋白质数据分析平台。