Blog de Amazon Web Services (AWS)

Anuncios principales en análisis de datos e inteligencia artificial en AWS re:Invent 2023

Por Fabiana Serangelli, Arquitecta de Soluciones en AWS México

Como cada año, re:Invent se presenta como el mayor evento de nube de AWS para nuestros clientes, miles de asistentes de todo el mundo presentes para escuchar a más de 2000 sesiones, Builders Sessions, Chalk Talks, Peer Talks, entre otros. Para ayudar a nuestros clientes en entender todos los servicios que se presentaron, escribimos una serie de blogs para diferentes perfiles, para que saquen el mayor provecho de este. En esta sección de inteligencia artificial y análisis de datos, proporcionaremos un resumen completo de los anuncios clave en el tema e incluiremos información sobre dónde puedes ver la conferencia magistral y las sesiones según te convenga.

Inteligencia Artificial y IA Generativa

Amazon Q

Amazon Q es un asistente impulsado por IA (Inteligencia Artificial) generativa, o un chatbot enfocado al ámbito profesional, el cual se integrará a los servicios en la nube de Amazon Web Services (AWS) y permitirá a los usuarios realizar tareas corporativas diarias de manera más eficiente, como mantener conversaciones, resolver problemas, generar contenido, obtener información y tomar medidas conectándose a los repositorios de información, códigos, datos y sistemas empresariales de tu empresa. Amazon Q proporciona la información y asesoramiento a los empleados para optimizar las tareas, acelerar la toma de decisiones y la resolución de problemas, y ayudar a generar creatividad e innovación en el trabajo.

Ejemplo de uso de Amazon Q

Este ejemplo fue extraído del blog escrito por Antje Barth

Poniendo el ejemplo donde eres gerente de marketing, puedes pedirle a Amazon Q que transforme un comunicado de prensa en una publicación de blog, que cree un resumen del comunicado de prensa o un borrador de correo electrónico basado en el comunicado proporcionado. Amazon Q busca en el contenido de tu empresa, que puede incluir guías de estilo internas, por ejemplo, para brindar una respuesta adecuada a los estándares de marca de tu empresa. Luego, puedes pedirle a Amazon Q que genere mensajes de redes sociales personalizados para promocionar la historia a través de cada uno de tus canales de redes sociales. Más adelante, puedes pedirle a Amazon Q que analice los resultados de la campaña y los resuma para revisiones de liderazgo.

En el siguiente ejemplo, implementamos Amazon Q con acceso a publicaciones del blog de noticias de AWS de 2023 y llamamos al asistente «Experto en blogs de AWS».

Volviendo al ejemplo anterior donde eres un gerente de marketing, y queremos que Amazon Q nos ayude a crear publicaciones en las redes sociales para publicaciones recientes en el blog de la empresa.

Atrás de bambalinas, Amazon Q busca los documentos en fuentes de datos conectadas y crea una sugerencia relevante y detallada para una publicación en las redes sociales basada en las publicaciones de los blogs. Amazon Q también te puede decir qué documento se utilizó para generar la respuesta. En este caso, se trata de un archivo PDF de las publicaciones del blog en cuestión.

Para leer a más profundidad sobre Amazon Q y cómo aplicarlo en diferentes casos de uso, consulta este blog.

Amazon Bedrock ahora te brinda acceso al último modelo de Anthropic, Claude 2.1

Anthropic, la compañía de IA generativa con una misión corporativa enfocada en la ética y transparencia de sus modelos, presentó hace poco su último modelo, Claude 2.1, que cuenta con una ventana de procesamiento de contexto dos veces mayor que su antecesor, tasas reducidas de alucinaciones, precisión mejorada en documentos largos, indicaciones del sistema, herramientas para llamadas de funciones y orquestación de flujos de trabajo.

Claude 2.1 se encuentra ahora disponible en Amazon Bedrock, donde puedes crear aplicaciones de IA generativa listas para tu empresa utilizando sistemas de IA más honestos y confiables de Anthropic. Ahora puedes utilizar el modelo Claude 2.1 proporcionado por Anthropic en la consola de Amazon Bedrock.

Estos son algunos aspectos claves sobre el nuevo modelo Claude 2.1 en Amazon Bedrock:

  • Ventana de contexto de 200,000 tokens: Claude 2.1 admite 200.000 tokens, el equivalente a aproximadamente 150,000 palabras o más de 500 páginas de documentos. Al cargar información extensa en Claude, puede resumir, realizar preguntas y respuestas, pronosticar tendencias y comparar y contrastar múltiples documentos para redactar planes de negocios y analizar contratos complejos.
  • Fuertes mejoras en la precisión para crear aplicaciones más confiables y de misión crítica para clientes y empleados. El equipo de ingenieros asegura que la tasa de error en respuestas a preguntas abiertas y con contexto amplio se redujo en 30%.
  • Avisos del sistema: Claude 2.1 ahora admite avisos del sistema, una nueva característica que puede mejorar el desempeño de Claude de varias maneras, incluida una mayor profundidad del personaje y cumplimiento de roles en escenarios de juegos de roles, particularmente en conversaciones más largas, así como un cumplimiento más estricto de las pautas, reglas e instrucciones.

Para más información sobre las características y capacidades de Claude 2.1, visita Anthropic Claude en Amazon Bedrock y la documentación de Amazon Bedrock.

Amazon Titan Image Generator y modelos de texto ahora disponibles en Amazon Bedrock

Amazon Titan Image Generator

Como creador de contenido, ahora puedes utilizar Amazon Titan Image Generator para crear y perfeccionar imágenes rápidamente mediante indicaciones en lenguaje natural en inglés. Esto ayuda a las empresas de publicidad, comercio electrónico, medios y entretenimiento a crear imágenes realistas con calidad de estudio en grandes volúmenes y a bajo costo. El modelo facilita la iteración de conceptos de imágenes al generar múltiples opciones de imagen basadas en las descripciones de texto. El modelo puede comprender indicaciones complejas con múltiples objetos y genera imágenes relevantes. Está entrenado con datos diversos y de alta calidad para crear resultados más precisos, como imágenes realistas con atributos inclusivos y distorsiones limitadas.

Las funciones de edición de imágenes de Titan Image Generator incluyen la capacidad de editar automáticamente una imagen con un mensaje de texto utilizando un modelo de segmentación incorporado. También puedes configurar las dimensiones de la imagen y especificar la cantidad de variaciones de imagen que deseas que genere el modelo.

Modelos de texto

Amazon Titan Text Lite y Amazon Titan Text Express son modelos de lenguaje (LLM) que admiten una amplia gama de tareas relacionadas con el texto, incluidos sistemas de resumen, traducción y chatbot conversacional. También pueden generar código y están optimizados para admitir lenguajes de programación y formatos de texto populares como JSON y CSV.

  • Titan Text Express: Titan Text Express tiene una longitud de contexto máxima de 8192 tokens y es ideal para una amplia gama de tareas, como generación de texto abierto y chat conversacional, y soporte dentro de flujos de trabajo de generación aumentada por recuperación (RAG).
  • Titan Text Lite: Titan Text Lite tiene una longitud de contexto máxima de 4096 tokens y es una versión económica que es ideal para tareas en inglés. El modelo es altamente personalizable y se puede ajustar para tareas como el resumen de artículos y la redacción publicitaria.

Para leer a más profundidad sobre las nuevas capacidades de Amazon Bedrock, consulta este blog.

Amazon SageMaker HyperPod

Amazon SageMaker HyperPod ayuda a reducir el tiempo para entrenar Foundation Models (FM) al proporcionar una infraestructura diseñada específicamente para el entrenamiento distribuido a escala. Ahora puedes usar SageMaker HyperPod para entrenar FMs durante semanas o incluso meses mientras SageMaker monitorea activamente el estado del clúster y proporciona resiliencia automatizada de nodos y trabajos, reemplazando nodos defectuosos y reanudando el entrenamiento del modelo desde un punto de control.

Para más información a profundidad sobre Amazon SageMaker HyperPod, consulta este blog

Evalúa, compara y selecciona los mejores modelos en Amazon Bedrock

En Amazon Bedrock, ahora se puede evaluar, comparar y seleccionar los mejores Foundation Models (FM) para tu caso de uso. La evaluación del modelo en Amazon Bedrock está disponible en preview.

Amazon Bedrock ofrece una opción de evaluación automática y evaluación humana. Puedes utilizar la evaluación automática con métricas predefinidas como precisión, solidez y toxicidad. Para métricas subjetivas o personalizadas, como amabilidad, estilo y alineación con la voz de la marca, puedes configurar flujos de trabajo de evaluación humana con solo unos pocos clics.

Para más información sobre esta capacidad, consulta este blog.

Personaliza modelos en Amazon Bedrock con tus propios datos

En Amazon Bedrock, ahora puedes personalizar de forma privada y segura los Foundation Models (FM) con datos propios para crear aplicaciones específicas para tu dominio, organización y caso de uso. Con modelos personalizados, puedes crear experiencias de usuario únicas que reflejen el estilo, la voz y los servicios de tu empresa.

Para más información sobre esta capacidad, consulta este blog.

Otros anuncios en la categoría de Inteligencia Artificial y IA Generativa en el re:Invent 2023

Análisis de datos

AWS Clean Rooms ML

AWS Clean Rooms es un servicio de análisis que ayuda a las empresas y a sus socios a analizar y colaborar en sus conjuntos de datos. Permite a los clientes ejecutar sesiones colaborativas de consulta de datos en conjuntos de datos confidenciales que se encuentran en diferentes cuentas de AWS.

AWS Clean Rooms ML es una nueva capacidad de AWS Clean Rooms que se encuentra en preview. AWS Clean Rooms ML ayuda al cliente y a sus socios a aplicar modelos de aprendizaje automático (ML) en sus datos colectivos sin copiar ni compartir datos sin procesar entre sí. Con esta nueva capacidad, puedes generar información predictiva utilizando modelos de aprendizaje automático mientras continúa protegiendo tus datos confidenciales. Con AWS Clean Rooms ML, puedes entrenar tu propio modelo personalizado y puedes invitar a socios a traer una pequeña muestra de sus registros para colaborar y generar un conjunto ampliado de registros similares mientras proteges los datos subyacentes de todos.

En este blog podrás ver cómo utilizar AWS Clean Rooms ML para generar información predictiva.

Crear historias en Amazon Q en QuickSight a partir de tus datos

Con el anuncio de Amazon Q, los usuarios ahora pueden generar historias convincentes que se pueden compartir examinando sus datos, ver resúmenes ejecutivos de paneles que muestran información clave a partir de los datos en segundos y responder con certeza a preguntas relacionadas con datos no cubiertos por dashboards e informes.

En la imagen inferior podemos ver un ejemplo de cómo se ve una historia en Amazon Q en QuickSight donde pide escribir una estrategia de marketing a base de las tendencias de ventas regionales.

Este ejemplo fue extraído del blog escrito por Donnie Prakoso

En este blog podrás ver a profundidad estas capacidades descritas.

Detección de anomalías en Amazon CloudWatch Logs y AWS Glue

Amazon CloudWatch Logs

Buscar en los logs para encontrar información operativa o empresarial a menudo se siente como buscar una aguja en un pajar. Por lo general, requieres filtrar y revisar manualmente los logs. Para ayudar con esta situación, Amazon CloudWatch ha agregado nuevas capacidades para reconocer y agrupar patrones, extraer contenido y tendencias notables y notificarte anomalías, utilizando algoritmos avanzados de aprendizaje automático (ML). Las siguientes capacidades son:

  • La pestaña Patrones en la página Logs Insights encuentra patrones recurrentes en los resultados de tu consulta y te permite analizarlos en detalle.
  • El botón Comparar en el selector de intervalo de tiempo en la página Logs Insights te permite comparar rápidamente el resultado de la consulta para el rango de tiempo seleccionado con un período anterior, como el día, la semana o el mes anterior.
  • La página Anomalías de registro en la sección Registros del panel de navegación muestra automáticamente las anomalías encontradas en tus registros mientras se procesan durante la ingesta.

Este ejemplo fue extraído del blog escrito por Danilo Poccia

En este blog podrás ver a profundidad estas capacidades descritas.

Otros anuncios en la categoría de análisis de datos en el re:Invent 2023

Conclusión

Dentro del amplio espectro de innovaciones que vemos cada año en los eventos de re:Invent, es muy importante identificar aquellos que son soluciones de negocio ya totalmente construidas y listas para ser utilizadas por empresas que desean acortar drásticamente los tiempos para lanzar innovaciones al mercado o que no cuentan con los recursos humanos y tecnológicos para diseñar desde cero, construir, entrenar afinar y depurar complejos modelos de Machine Learning o Inteligencia Artificial Generativa. Ponte en contacto con tu equipo de cuenta, quienes te pondrán en contacto con los expertos globales que pueden ayudar a entender la manera más sencilla de aprovechar estos servicios innovadores.

Acerca de la autora

Fabiana Serangelli es arquitecta de soluciones en AWS México. Le interesa la analítica de datos y la implementación de inteligencia artificial.

Revisores

  

 

José Angel Arias es gerente de cuentas empresariales del sector financiero en AWS México. Tiene décadas de experiencia en consultoría de negocios y proyectos de transformación. Cuenta con certificaciones de AWS como Cloud Practitioner, Arquitecto de Soluciones Asociado y Especialidad en Machine Learning.

 
Manuel Quijano es un Arquitecto de Soluciones en AWS especializado en Infraestructura como Código (IaC), DevOps y Developer Experience. Manuel trabaja con clientes de AWS para proporcionar orientación y asistencia técnica en prácticas de DevOps, IaC y mejores prácticas de desarrollo.