角色内幕：为商业智能开创生成式人工智能

Steve Ash 最热衷的计算机科学是数据库系统，这份热爱最终促使他撰写了有关如何构建数据库存储布局和改进当时最新的固态硬盘（SSD）优化器启发式算法的理学硕士论文。此后，他继续深造并获得了博士学位，专注于机器学习和自然语言处理。

现在，作为 Amazon QuickSight 的首席软件开发人员，他正处在生成式人工智能技术的最前沿。他认为目前的生成式人工智能技术与家庭互联网的早期阶段非常相似，当时客户按小时付费。

“我们仍处于目睹生成式人工智能将会如何影响我们的软件和日常工作的初期阶段，”Ash 表示。

在此次问答中，Ash 分享了有关如何构建 Amazon Q in QuickSight 突破性生成式人工智能功能的见解。他讨论了快速原型设计的价值、客户对省时解决方案的积极反应以及将人工智能集成到现有用户工作流中的重要性。对于如何克服挑战和坚持采用以客户为中心的方法，同时利用不断发展的技术进行创新，他也发表了一些观点。

Amazon Q 是一个由生成式人工智能提供支持的助手，可以根据企业系统中的数据和信息回答问题、提供摘要、生成内容以及安全地完成任务。Amazon QuickSight 是专为云构建的 AWS 统一商业智能（BI）服务。

借助 Amazon Q in QuickSight，客户可获得一个生成式人工智能助手，使业务分析师能够利用自然语言在几分钟内构建商业智能控制面板，并轻松创建可视化和复杂计算。企业用户还可以获得由人工智能驱动的控制面板执行摘要、询问控制面板中显示的数据以外的其他数据的问题，以及获得自动创建的可重点介绍关键洞察、趋势和驱动因素的叙述和演示。

在获得计算机科学本科学位之后，我最初是作为一家银行技术软件供应商的程序员进入这一行业的，后来进入了研究生院并获得了计算机科学硕士学位和博士学位。

在攻读博士学位时，我将关注点转向了机器学习（ML），并致力于采用自然语言处理方法解决数据挖掘问题。作为这项工作的一部分，我在一次学术会议上遇到了 Amazon 首席科学家 Andrew Borthwick，几年后，当我毕业时，Andrew 招募我加入了他在 Amazon 的团队！ 我来这里已经快七年了，参与了几个介于工程工作与科学工作之间的有趣项目。

这是一个有趣的时刻。无论是在技术能力（大型基础模型）方面，还是在人们希望更广泛地了解并渴望将这项技术付诸大胆的应用方面，我们都经历了一个转折点。QuickSight 现在是一个非常令人兴奋的地方，因为我们拥有多种多样的客户角色，他们能够以有用、周到的方式应用人工智能以改善他们的日常工作，因此受益良多。此外，我还认为，商业智能是人类与基于数据的视觉洞察的交汇点，这一事实使它成为利用多模态基础模型的最新进展进行发明、创造的好地方，多模态基础模型非常自然地将来自语言文本和视觉图像的信息组合在一起。

在我看来，在人工智能功能和人类与人工智能互动的方式方面，我们还只是略知皮毛。最终，我们发明了非常有用的聊天机器人，并恢复了以往用作人机交互主要模式的文本终端！ 正如我们在 50 年前所做的那样，我们一定会超越文本终端并发明新的方法，以便将文本、视觉信息和基于用户界面的模式结合起来，让人类能够使用各项人工智能功能。 

聊天机器人吸引了如此多的公众对人工智能进行畅想，而且有望激发人们对这项技术进行大胆思考，这真是太好了。让我感到非常兴奋的一点是，大型基础模型如何改变用来构建应用人工智能解决方案的演算。

当前的大型基础模型擅长遵循以自然语言给出的指令，对于很多使用案例，可以从几个精心挑选的上下文示例中推断出如何完成任务。这样就使快速设计原型和改变模型行为成为了一项更简单的“提示工程”任务，不仅速度更快，还更容易供具有不同技能集的人员使用。

现在，我要求产品经理直接在 Bedrock Playground 中进行试验，以利用可能的技术获得实践经验。这一转变能够让更多的构建者使用和了解复杂的人工智能，这样将会改变我们构建软件的方式，即使在看似完全与聊天无关的地方也是如此！  

如果您对尖端技术充满热情并想真正发挥所长，我们会很高兴收到您的消息。查看我们在生成式人工智能领域的空缺职位并立即申请。