生成式人工智能/机器学习

为业务领导者解锁生成式人工智能的价值

生成式人工智能就是答案:

问题是什么?

生成式人工智能不仅是一个流行语,还是一项颠覆性技术,可以与印刷机和电力等历史创新相提并论。与 AWS 企业战略分析师 Tom Godden、Phil Le-Brun 和 Miriam McLemore 一起讨论如何利用生成式人工智能的力量实现价值驱动的结果。

在您的组织中集成生成式人工智能和机器学习

生成式人工智能代表在所有产业以及组织每条业务线内进行转型创新的机会。策略性思考将人工智能集成到现有工作流中的领导者将提高组织敏捷性和卓越运营,同时引领推动新的使用案例。

人工智能和机器学习: 现在是投资培养员工技能的好时机
AI 和 ML 有可能通过自动执行目前由人类执行的许多任务来彻底改变客户的运营方式。但是,要将 AI 和 ML 整合到您的业务中,需要一支熟练且多元化的专业团队,这就突显了投资培养员工技能的必要性
阅览文章 
在 AWS 上使用生成式人工智能重塑客户的业务
博客
在 AWS 上使用生成式人工智能重塑客户的业务
作者:AWS WW 管道和联盟副总裁 Ruba Borno
阅读博客 
您的组织如何为生成式人工智能做好准备
博客
您的组织如何为生成式人工智能做好准备
作者:Phil Le-Brun,AWS 企业战略分析师兼宣传官
阅读博客 
宣布推出在 AWS 上使用生成式人工智能进行构建的新工具
博客
宣布推出在 AWS 上使用生成式人工智能进行构建的新工具
作者:Swami Sivasubramanian,AWS 数据和机器学习副总裁
阅读博客 

如果您没有强大的数据基础,那么除了一些小把戏之外,真的很难利用生成式人工智能做任何其他事情。”

关于生成式人工智能的领导者访谈

“领导者访谈”是一个播客,主要内容是高管层关于领导力、愿景、文化和创新的讨论。收听该节目的剧集,重点关注生成式人工智能应用场景、战略见解以及技术领导者如何帮助组织为即将发生的事情做好万全准备。

生成式人工智能就是答案:问题是什么?
生成式人工智能就是答案:问题是什么?
嘉宾:AWS 企业战略分析师 Tom Godden、Phil Le-Brun 和 Miriam McLemore
收听播客 
数据信任:AI 创新最基本的要素
数据信任:AI 创新最基本的要素
嘉宾:IBM Security 的 Chris McCurdy 和 Dimple Ahluwalia 以及 AWS 企业战略总监 Clarke Rodgers
收听播客 
技术领导者如何为生成式人工智能做好准备
技术领导者如何为生成式人工智能做好准备
嘉宾:AWS 企业战略分析师兼宣传官 Phil Le-Brun
收听播客 

AWS 客户和领导者如何使用生成式人工智能和机器学习

倾听 AWS 客户和资深领导者的观点,了解他们的组织如何思考并实现生成式人工智能和机器学习。

AI21 Labs 使用 Amazon SageMaker 加快生成式人工智能模型的采用
AI21 Labs 使用 Amazon SageMaker 加快生成式人工智能模型的采用
了解生成式人工智能和大型语言模型领域的领导者 AI21 Labs 如何使用 Amazon SageMaker 快速预训练并发布 170 亿个参数的模型。
了解详情 
Merck 利用生成式人工智能解决方案提供创新的健康服务
Merck 利用生成式人工智能解决方案提供创新的健康服务
Merck & Co., Inc.(Merck)是一家拥有 130 多年历史的全球制药公司,通过开发重要的药物和疫苗,为人类带来了希望。
了解详情 
Stability AI 谈论使用 Amazon SageMaker 构建生成式人工智能
Stability AI 谈论使用 Amazon SageMaker 构建生成式人工智能
Stability AI 是一家领先的开源生成式人工智能(AI)公司,为成像、语言、代码、音频、视频、3D 内容等领域的前沿研究提供明确的途径。
了解详情 
Forethought 如何使用 Amazon SageMaker 将生成式人工智能模型的成本节省超过 66%
Forethought 如何使用 Amazon SageMaker 将生成式人工智能模型的成本节省超过 66%
了解 Forethought 如何使用 SageMaker 多模型端点来降低实时推理的成本。
了解详情 
LG AI Research 使用 Amazon SageMaker 开发基础模型
LG AI Research 使用 Amazon SageMaker 开发根基模型
LG AI Research 使用 Amazon SageMaker 构建 EXAONE(一个可用于变革业务流程的基础模型),让各个产业能够更容易运用人工智能。
进一步了解 
加速企业级人工智能/机器学习创新
加速企业级人工智能/机器学习创新
加速企业级人工智能/机器学习创新:GE 与 Autodesk
倾听 GE Healthcare 和 Autodesk 领导者的观点,他们在建立企业范围战略以加速人工智能/机器创新方面拥有丰富经验。
了解详情 
Accenture 如何使用 Amazon CodeWhisperer
Accenture 如何使用 Amazon CodeWhisperer 提高生产力
CodeWhisperer 是人工智能编码辅助工具,可协助不熟悉 AWS 的开发人员更快地上手处理使用 AWS 服务的项目。
了解更多 
技术领导者如何为生成式人工智能做好准备
人工智能工具如何为电影和视觉设计创造新契机
Runway 的首席执行官谈论人工智能“魔术”,该技术协助创造今年奥斯卡大奖影片“瞬息全宇宙”中的场景。
了解详情 

生成式人工智能在定义、衡量和减轻对公平性、毒害和知识产权等担忧方面带来了新的挑战。但是,人们已经开始制定解决方案。

— Michael Kearns,美国宾夕法尼亚大学计算机与信息科学教授

生成式技术时代下的负责任人工智能

阅读文章 

生成式人工智能在定义、衡量和减轻对公平性、毒害和知识产权等担忧方面带来了新的挑战。但是,人们已经开始制定解决方案。

生成式技术时代下的负责任人工智能

负责任人工智能的 AWS 之声:认识 Diya

观看视频  

认识 Diya,其领导客户参与负责任的人工智能,深入了解人工智能如何处于包容性、多元化和公平性与新兴技术的交叉点,以及每个人在以负责任方式打造人工智能方面所扮演的角色。  

负责任的人工智能:在 Thomson Reuters 培养信任感

观看视频  

倾听 Thomson Reuters 人工智能/机器学习和 BI 平台副总裁 Maria Apazoglou 的观点,了解 Thomson Reuters 为何在整个生命周期中优先考虑采用负责任的人工智能,范围从训练模型到模型建立,再到持续监控。

人工智能法规与培养对负责任人工智能的信任

阅读博客 

尽管人工智能的好处已经显而易见,并且每天都在改善我们的生活,但要充分发挥人工智能的潜力,就需要在消费者中建立更大的信心。阅读有关如何赢得公众对负责任地使用人工智能的信任的更多内容。

保护消费者并促进创新 — 人工智能法规与培养对负责任人工智能的信任

信息简介

将负责任的人工智能付诸实践

人工智能(AI)和机器学习(ML)是我们这一代会遇到的一些最具变革性的技术 — 解决商业和社会问题、改善客户体验以及促进创新。随着人工智能得到广泛使用和规模不断增长,我们必须在公平/偏见、解释性、隐私/安全性、稳健性、管控和透明度等维度负责任地使用人工智能。

在此 IDC 信息简介中,了解在机器学习生命周期中培养信任感并集成负责任人工智能的最佳实践和指导原则。您将探索重要的主题,例如:

  • 操作负责任的人工智能和人工智能治理
  • 全球新兴法规
  • 人工智能治理的基础知识
  • AWS 针对负责任人工智能提供的新资源和工具
将负责任的人工智能付诸实践
将负责任的人工智能付诸实践
在本信息简介中,您将从 IDC 学习负责任人工智能的最佳实践和指导原则。

生成式人工智能的基础知识

认识生成式人工智能

Amazon首席技术官 Werner Vogels 博士和 AWS 数据库、分析和机器学习副总裁 Swami Sivasubramanian 坐下来讨论生成式人工智能的广泛前景。

认识大型语言模型

Amazon首席技术官 Werner Vogels 与 AWS 杰出科学家 Sudipta Sengupta 和 Dan Roth 坐下来揭开大型语言模型(LLM)的神秘面纱。

更进一步

AWS 上的生成式人工智能

了解更多

深入了解我们的客户如何使用生成式人工智能以及 AWS 提供的各种工具。


LinkedIn

持续关注

AWS Executive Connection 是业务和技术领导者的数字目的地,我们在这里共享信息。

主管活动

观看点播视频

通过这个独特的国际人际网,从同行那里获得见解并发现推动数字化转型之旅的新方法。

播客

聆听和学习

聆听高管和 AWS 企业战略专家(均为前高管),讨论他们的数字化转型之旅。

关于生成式人工智能和机器学习的常见问题

问:关于生成式人工智能,首席执行官需要了解什么?

生成式人工智能正在为从日常运营到战略规划的各个方面注入新水平的智能和创造力,从而改变商业世界。首席执行官和所有领导层必须了解其潜力、影响以及有效实施的必要考虑因素。

生成式人工智能模型在大量数据集上进行训练,使它们能够生成从文本到设计模式的连贯的、上下文相关的输出。它们可以预测可能的结果,甚至可以创建类似人类的对话和回应。

运营效率是该技术的主要优势。生成式人工智能可以自动执行内容创建、数据分析和客户互动等任务,从而提高绩效,让员工能腾出时间完成流程中的其他任务。

在创新方面,生成式人工智能提供了独特的机会。它能从复杂的数据中提取信息,从而提供新的见解,帮助首席执行官针对几乎任何主题制定更明智的策略。这种新水平的预测分析可以揭示原本可能未被发现或被忽视的趋势和模式。

此外,生成式人工智能可以支持聊天机器人提供个性化、高效的客户界面,而不会过度消耗员工资源或带宽,从而显著增强客户体验。

值得注意的是,随着生成式人工智能的发展,首席执行官们应通过实施强有力的治理框架和控制措施来确认和解决许多道德注意事项、数据隐私问题以及滥用的可能性。阅读我们关于将负责任的人工智能付诸实践的信息简报。

 

问:生成式人工智能如何使企业受益?

生成式人工智能为企业带来了独特的优势,从根本上转变运营效率、决策和客户参与度等方面:

  • 运营效率:生成式人工智能可以自动执行内容生成和客户支持等业务流程,从而提高生产力。通过处理重复性任务,生成式人工智能可以为战略计划释放员工资源,从而在提高整体效率的同时帮助简化运营。
  • 决策:生成式人工智能具有卓越的预测分析能力,这为企业提供了强大的工具,使其可以更自信地制定决策。它可以通过筛选复杂的数据集来识别模式和趋势,这通常是人类能力望尘莫及的。这使企业能够做出更积极的、以数据为导向的决策,从而增强战略规划并促进创新。
  • 客户互动:生成式人工智能可以支持人工智能驱动的聊天机器人进行个性化交互和故障排除,从而增强客户体验。
  • 创新和技能提升:就像 AWS 开发人员中心为创新提供资源一样,生成式人工智能也可以激发创造力,提供激发新解决方案的独特见解和预测模型。它还鼓励持续学习和提升技能的文化,这在快速发展的科技环境中至关重要。
  • 成本效益:长远看来,通过自动化某些流程并减少对手动工作的依赖,生成式人工智能可以节省大量成本。

问:组织如何为生成式人工智能做好准备?

对于寻求利用这种变革性技术力量的组织来说,为生成式人工智能做好准备是关键的一步。也就是说,这种准备工作需要采取战略性的、经过精心策划的方法。

您的组织应考虑执行以下步骤,为实施生成式人工智能做准备:

  • 了解技术:组织必须首先了解什么是生成式人工智能,以及它帮助实现组织独特业务目标的具体方式。与 AI 专家接触、参加研讨会或利用 AWS 开发人员中心等平台可以进一步加深理解。
  • 评测需求和目标:为实现生成式人工智能定义明确的目标至关重要。无论是通过人工智能驱动的聊天机器人增强客户服务,还是自动创建内容,设定具体目标都有助于选择适当的工具和模型。
  • 投资基础设施和技能:支持人工智能模型和数据信任的强大技术基础设施至关重要。云解决方案,例如 AWS 提供的解决方案,在这个阶段可能至关重要。此外,投资于员工培训以发展相关技能可以营造一个良好的环境,以便随时利用生成式人工智能。
  • 合规和道德注意事项:制定确保合乎道德标准的使用、隐私和合规的指导方针,这一点不容小视。这涉及创建管理数据处理和模型部署的策略和框架。阅读更多关于生成式技术时代下负责任的人工智能的注意事项。
  • 试点测试和迭代:在全面实施之前,运行试点项目有助于确定潜在的挑战和需要改进的方面。持续的监控和迭代可确保系统与组织目标保持一致。
  • 拥抱创新文化:在文化层面上鼓励技术创新可以确保更顺畅的过渡,为员工提供使用新工具进行实验和创新的空间。