درست به دنبال معرفی Nova Forge، سرویسی برای آموزش مدلهای سفارشی Nova AI، آمازون وب سرویسز (AWS) ابزارهای بیشتری را برای مشتریان سازمانی برای ایجاد مدلهای پیشرفته خود معرفی کرد.
AWS قابلیتهای جدیدی را در Amazon Bedrock و Amazon SageMaker AI در کنفرانس AWS re:Invent در روز چهارشنبه معرفی کرد. این قابلیتهای جدید برای آسانتر کردن ساخت و تنظیم دقیق مدلهای زبانی بزرگ (LLM) سفارشی برای توسعهدهندگان طراحی شدهاند.
به گفته آنکور مهروترا، مدیر کل پلتفرمهای هوش مصنوعی در AWS، این ارائهدهنده خدمات ابری، سفارشیسازی مدل بدون سرور را در SageMaker معرفی میکند که به توسعهدهندگان اجازه میدهد بدون نیاز به فکر کردن در مورد منابع محاسباتی یا زیرساخت، شروع به ساخت مدل کنند. او این مطلب را در مصاحبه با خبرنگار بیان کرد.
برای دسترسی به این قابلیتهای ساخت مدل بدون سرور، توسعهدهندگان میتوانند یک مسیر نقطه و کلیک خودراهنما را دنبال کنند یا از یک تجربه مبتنی بر عامل استفاده کنند که در آن میتوانند با استفاده از زبان طبیعی، SageMaker را هدایت کنند. ویژگی مبتنی بر عامل در حال حاضر در مرحله پیشنمایش قرار دارد.
مهروترا گفت: «اگر شما یک مشتری در حوزه بهداشت و درمان هستید و میخواهید مدلی داشته باشید که بتواند اصطلاحات پزشکی خاصی را بهتر درک کند، میتوانید به سادگی SageMaker AI را هدایت کنید، اگر دادههای برچسبگذاری شده دارید، سپس تکنیک مورد نظر را انتخاب کنید و SageMaker مدل را بهطور دقیق تنظیم میکند.»
این قابلیت برای سفارشیسازی مدلهای Nova خود آمازون و مدلهای متنباز خاص (مدلهایی با وزنهای مدل در دسترس عموم)، از جمله DeepSeek و Llama متا در دسترس است.
AWS همچنین Reinforcement Fine-Tuning را در Bedrock عرضه میکند که به توسعهدهندگان اجازه میدهد یک تابع پاداش یا یک گردش کار از پیش تعیینشده را انتخاب کنند و Bedrock بهطور خودکار یک فرآیند سفارشیسازی مدل را از ابتدا تا انتها اجرا میکند.
به نظر میرسد مدلهای زبانی بزرگ پیشرفته (LLM) و سفارشیسازی مدل، حوزه تمرکز AWS در کنفرانس امسال است.
AWS در سخنرانی مت گارمن، مدیرعامل AWS در روز سهشنبه، از Nova Forge، سرویسی که در آن AWS مدلهای Nova سفارشی را برای مشتریان سازمانی خود به قیمت ۱۰۰,۰۰۰ دلار در سال میسازد، رونمایی کرد.
مهروترا گفت: «بسیاری از مشتریان ما میپرسند: “اگر رقیب من به همان مدل دسترسی داشته باشد، چگونه میتوانم خودم را متمایز کنم؟”» او ادامه داد: «چگونه راهحلهای منحصربهفردی بسازم که بهینه شده باشند، برای برند من، برای دادههای من، برای مورد استفاده من، و چگونه خودم را متمایز کنم؟ چیزی که ما متوجه شدهایم این است که کلید حل این مشکل، توانایی ایجاد مدلهای سفارشی است.»
AWS هنوز نتوانسته پایگاه کاربری قابل توجهی برای مدلهای هوش مصنوعی خود به دست آورد. یک نظرسنجی در تیر ماه از Menlo Ventures نشان داد که شرکتها Anthropic، OpenAI و Gemini را به مدلهای دیگر ترجیح میدهند. با این حال، توانایی سفارشیسازی و تنظیم دقیق این LLMها میتواند شروعی برای ایجاد یک مزیت رقابتی برای AWS باشد.
پوشش سالانه رویداد فناوری سازمانی توسط خبرنگار را دنبال کنید و تمام اطلاعیههایی را که ممکن است تاکنون از دست دادهاید، در اینجا مشاهده کنید.
