애플리케이션 사용자 지정
데이터를 사용하여 생성형 AI 애플리케이션 및 에이전트를 안전하게 사용자 지정
엔터프라이즈 데이터를 사용하여 안전한 맞춤형 AI 애플리케이션 구축
조직은 고유한 엔터프라이즈 데이터를 활용하여 차별화된 비즈니스 경험을 구축할 수 있습니다. RAG (Retrieval Augmented Generation), 모델 미세 조정, 모델 증류, 멀티모달 데이터 처리와 같은 기술을 사용하여 특정 사용 사례에 맞는 제너레이티브 AI 애플리케이션을 구축할 수 있습니다. 민감한 정보를 완벽하게 제어할 수 있습니다. 사용자의 데이터는 기본 모델을 교육하는 데 사용되거나 Amazon을 비롯한 모델 공급자와 공유되지 않습니다.
앱을 위한 차별화 만들기
여러 데이터 사용자 지정 도구를 결합하여 도메인별 정확도에 맞게 모델을 최적화합니다.
Amazon Bedrock Knowledge Bases
Knowledge Bases for Amazon Bedrock는 완전관리형 엔드 투 엔드 검색 증강 생성(RAG) 워크플로를 제공합니다. 이를 통해 데이터 소스의 컨텍스트 정보를 통합하여 매우 정확하고 지연 시간이 짧으며 안전하고 사용자 지정 가능한 생성형 AI 애플리케이션을 생성할 수 있습니다.
- 엔드 투 엔드 RAG 워크플로
- FM 및 에이전트를 데이터 소스에 안전하게 연결
- 런타임에 정확한 응답 제공
모델 미세 조정
기초 모델을 훈련시켜 특정 작업의 성능을 향상시키거나 (미세 조정이라고 함), 특정 유형의 입력에 익숙해지도록 모델을 사전 훈련 (지속적 사전 훈련이라고 함) 할 수 있습니다. 특정 요구 사항에 맞게 파운데이션 모델을 조정하여 특수 작업의 성능을 개선합니다.
데이터 자동화
Amazon Bedrock Data Automation은 애플리케이션에 쉽게 통합할 수 있는 완전 관리형 API입니다. 제너레이티브 AI 애플리케이션 개발을 간소화하고 문서, 이미지, 오디오 및 비디오와 관련된 워크플로를 자동화합니다.
- 지능형 문서 처리, 미디어 분석 및 기타 멀티모달 데이터 중심 자동화 솔루션 구축
- 설명 용이성을 위한 신뢰도 점수가 포함된 시각적 접지, 내장된 환각 완화 기능 등의 기능과 함께 저렴한 비용으로 업계 최고의 정확도를 제공합니다.
- Amazon Bedrock 지식 베이스와 통합되어 구조화되지 않은 멀티모드 콘텐츠에서 의미 있는 정보를 쉽게 생성하여 RAG에 대해 보다 관련성 높은 응답을 제공할 수 있습니다.
모델 증류
Amazon Bedrock Model Distillation을 사용하면 Amazon Bedrock의 최첨단 모델에 필적하는 사용 사례별 정확도를 제공하는 더 작고 빠르며 비용 효율적인 모델을 사용할 수 있습니다. Amazon Bedrock의 증류 모델은 원래 모델보다 최대 500% 더 빠르고 비용은 최대 75% 저렴하며 RAG와 같은 사용 사례의 경우 정확도 손실은 2% 미만입니다.
- 원하는 정확도를 갖춘 '교사' 모델을 사용하여 '학생' 모델을 미세 조정하세요.
- 독점 데이터 합성을 통해 증류된 모델 성능을 극대화
- 프로덕션 데이터를 가져와 비용을 절감 Model Distillation을 사용하면 프롬프트를 제공한 다음 이를 사용하여 응답을 생성하고 학생 모델을 미세 조정할 수 있습니다.
- 에이전트의 함수 직접 호출 예측 정확도를 개선합니다. 소규모 모델에서 함수 호출을 정확하게 예측하여 응답 시간을 크게 단축하고 운영 비용을 절감할 수 있습니다.
오늘 원하는 내용을 찾으셨나요?
페이지의 콘텐츠 품질을 개선할 수 있도록 피드백을 보내주십시오.