借助 Amazon SageMaker Canvas，利用基础模型展开大规模业务分析



今天，我很高兴向大家介绍 Amazon SageMaker Canvas 的一项新功能：通过无代码体验使用 Amazon Bedrock 和 Amazon SageMaker Jumpstart 中的基础模型（FM）。此项新功能允许您以高度准确的方式，更加轻松地针对特定用例评估和生成 FM 响应。

每家企业都有一套面向专门领域的独特词汇，通用模型未经训练，无法理解或回应它们。Amazon SageMaker Canvas 中的新功能有效地填补了这一空白。SageMaker Canvas 将为您训练模型，使用我们公司的数据，您无需编写任何代码，即可让模型的输出准确体现您的业务领域和应用场景（例如完成市场分析）。在微调过程中，SageMaker Canvas 会在您的账户中创建新的自定义模型，用于微调的数据不用来训练原始 FM，这为您的数据隐私性提供了保障。

今年早些时候，我们扩展了 Amazon SageMaker Canvas 对即用型模型的支持，将基础模型（FM）纳入了支持范围。这允许您通过无代码聊天界面访问、评估和查询 Claude 2、Amazon Titan 和 Jurassic-2（由 Amazon Bedrock 提供支持）等 FM，以及 Falcon 和 MPT（由 Amazon SageMaker JumpStart 提供支持）等公开可用模型。在这项体验的基础上，我们进一步启用了 FM 查询功能，以便从您自有的企业文档索引（如 Amazon Kendra）中的一组文档中提炼出见解。尽管查询 FM 很有帮助，但客户仍希望构建可针对其用例生成响应和见解的 FM。今后，一项构建 FM 的新功能将满足生成自定义响应的需求。

要开始使用这项新功能，我需要打开 SageMaker Canvas 应用程序，在左侧的导航窗格中选择我的模型。 点击新建模型按钮，选择微调基础模型，然后点击创建。

我需要选择训练数据集，最多可以选择三个模型进行调整。我要选择带有提示文本的输入列，以及带有所需输出文本的输出列。然后，选择微调，启动微调过程。

完成微调过程后，SageMaker Canvas 会使用各种指标（例如，困惑度和损失曲线、训练损失、验证损失等）分析经过微调的模型，并向我提供分析结果。此外，SageMaker Canvas 还提供了模型排行榜，使我能够衡量和比较生成模型的模型质量指标。

现在，我已准备好测试模型，并将该模型的响应与原始基础模型的响应进行对比。要进行测试，我需要在分析页面选择在即用型模型中测试。经过微调的模型已自动部署，现在，我可以与它聊天，并对响应做出比较。

现在，我已准备好生成和评估针对我特定用例的见解。实现这一结果无需编写任何代码，这算得上是锦上添花。

了解详情

• Amazon SageMaker Canvas 产品页面
• Amazon SageMaker Canvas 开发人员指南

立即构建！

— Irshad

附注：即使文章标题下只有一个署名，但撰写 AWS 的博客文章始终离不开团队的共同努力。在此，我要感谢 Shyam Srinivasan 提供的技术帮助。

*前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。