AWS biedt nieuwe kunstmatige intelligentie, machine learning en generatieve AI-gidsen om uw AI-strategie te plannen | Amazon-webservices

Doorbraken op het gebied van kunstmatige intelligentie (AI) en machine learning (ML) zijn al maanden in het nieuws – en met goede reden. De opkomende en evoluerende mogelijkheden van deze technologie beloven nieuwe zakelijke kansen voor klanten in alle sectoren en industrieën. Maar de snelheid van deze revolutie heeft het voor organisaties en consumenten moeilijker gemaakt om te beoordelen wat deze doorbraken specifiek voor hen betekenen.

Door de jaren heen heeft AWS geïnvesteerd in het democratiseren van de toegang tot en het begrip van AI, ML en generatieve AI. Via aankondigingen rond de laatste ontwikkelingen in generatieve AI en de oprichting van een Generatief AI Innovation Center ter waarde van $ 100 miljoen programma loopt Amazon Web Services (AWS) voorop bij het vergroten van het begrip over de rol die deze innovaties kunnen spelen in de levens van zowel individuen als organisaties. Om u te helpen uw opties met betrekking tot AI en ML te begrijpen, heeft AWS twee nieuwe handleidingen gepubliceerd: de AWS Cloud Adoption Framework voor kunstmatige intelligentie, machinaal leren en generatieve AI en Aan de slag Resource Center-beslissingsgids voor machine learning.

AWS CAF voor AI, ML en generatieve AI

De AWS Cloud Adoption Framework voor kunstmatige intelligentie, machinaal leren en generatieve AI (CAF-AI) is ontworpen om u te helpen bij het navigeren op uw AI-reis. Het is een mentaal model voor organisaties die ernaar streven bedrijfswaarde te genereren uit AI/ML. Op basis van onze eigen ervaringen (en die van onze klanten) bieden we in dit raamwerk best practices voor een AI-transformatie en versnellen we bedrijfsresultaten door innovatief gebruik van AI op AWS.

CAF-AI wordt gebruikt door klanten en partnerteams en helpt bij het afleiden, prioriteren, ontwikkelen en communiceren van een strategie voor AI-transformatie. De volgende afbeelding laat zien hoe we een AI-traject via CAF-AI vereenvoudigen: door terug te werken van bedrijfsresultaten (1) naar de kansen die AI, ML en generatieve AI bieden (2), in uw transformatiedomeinen (3) en uw fundamentele capaciteiten (4) via een iteratief proces (5) van het beoordelen, afleiden en implementeren van actiepunten voor een AI-strategie.

In CAF-AI beschrijven we het AI/ML-traject dat u kunt ervaren naarmate uw organisatorische capaciteiten op het gebied van AI en ML volwassener worden. Om u te begeleiden zoomen we in op de evolutie van de fundamentele capaciteiten die we hebben waargenomen om een ​​organisatie te helpen haar volwassenheid op het gebied van AI verder te laten groeien.

We bieden ook voorgeschreven richtlijnen door middel van een overzicht van de doelstatus van deze fundamentele capaciteiten en leggen uit hoe u deze stap voor stap kunt ontwikkelen om gaandeweg bedrijfswaarde te genereren. De volgende afbeelding toont deze fundamentele mogelijkheden voor de adoptie van de cloud en AI/ML. A bekwaamheid is het vermogen van de organisatie om processen te gebruiken om middelen (zoals mensen, technologie en andere materiële of immateriële activa) in te zetten om een ​​resultaat te bereiken. Omdat de CAF-AI een levende index van kennis is, kun je verwachten dat deze in de loop van de tijd zal groeien en veranderen.

CAF-AI is ontworpen als start- en oriëntatiepunt tijdens het ML- en AI-traject van een klant en is bedoeld als een document waaruit organisaties inspiratie kunnen putten bij het vormgeven van hun AI- en ML-agenda voor de middellange termijn en proberen de belangrijke onderwerpen en perspectieven te begrijpen. die er invloed op hebben. Afhankelijk van waar u zich bevindt op uw AI/ML-traject, kunt u zich op een specifiek gedeelte concentreren en daar uw vaardigheden aanscherpen, of het hele document gebruiken om de volwassenheid te beoordelen en verbeterpunten op de korte termijn te helpen bepalen.

Omdat de zakelijke probleemruimte waarop AI/ML kan worden toegepast niet één enkele functie of domein is, is deze van toepassing op alle functies van bedrijven en alle industriële domeinen waar u op zoek bent naar manieren om het speelveld te resetten in markten waar AI/ML maakt wel een economisch verschil. De AWS Cloud Adoption Framework voor kunstmatige intelligentie, machinaal leren en generatieve AI is een van de vele tools die AWS biedt om u te helpen dit resultaat te bereiken. Omdat AI/ML oplossingen en oplossingstrajecten mogelijk maakt voor problemen die tientallen jaren lang onrendabel zijn gebleven om op te lossen (of technisch onmogelijk aan te pakken waren zonder AI/ML), kunnen de daaruit voortvloeiende bedrijfsresultaten diepgaand zijn.

De beslissingsgids voor Machine Learning van Getting Started Resource Center

Bij AWS draait het altijd om keuze. Naarmate u uw gebruik van AI opvoert, is het van het grootste belang dat u de juiste ondersteuning krijgt bij het kiezen van de beste service, het beste model en de beste infrastructuur voor uw zakelijke behoeften. De Aan de slag Resource Center-beslissingsgids voor machine learning is ontworpen om u een gedetailleerd overzicht te geven van de AI- en ML-services die door AWS worden aangeboden, en om gestructureerde begeleiding te bieden bij het kiezen van de services die mogelijk geschikt zijn voor u en uw gebruiksscenario's.

De beslissingsgids kan u ook helpen bij het formuleren en overwegen van de criteria die uw keuzes zullen beïnvloeden. Het beschrijft bijvoorbeeld het scala aan AWS ML-services (zie de volgende schermafbeelding), die elk tegemoetkomen aan verschillende niveaus van beheervereisten, afhankelijk van hoeveel controle en maatwerk u nodig heeft.

De gids legt ook de unieke mogelijkheden van AWS-services uit bij het realiseren van de kracht van basismodellen en waar u het meeste uit deze snel evoluerende tak van machine learning kunt halen.

Het biedt details over specifieke services, links naar gedetailleerde technische handleidingen op serviceniveau, een vergelijkingstabel die de unieke mogelijkheden van belangrijke services benadrukt, en criteria voor het selecteren van AI- en ML-services. Het biedt ook een samengestelde reeks links naar belangrijke bronnen die u kunnen helpen aan de slag te gaan met het gebruik van AI-, ML- en generatieve AI-services op AWS.

Als u de reikwijdte van het AI-, ML- en generatieve AI-aanbod van AWS wilt begrijpen, is deze beslissingsgids een goed beginpunt.

Conclusie

De Aan de slag Resource Center-beslissingsgids voor machine learningSamen met de AWS Cloud Adoption Framework voor kunstmatige intelligentie, machinaal leren en generatieve AI, behandelt de technische en niet-technische vragen die we vaak horen. We hopen dat u deze nieuwe bronnen nuttig vindt en kijken uit naar uw feedback hierover.

---

Over de auteurs

Caleb Wilkinson heeft meer dan tien jaar ervaring met het bouwen van AI-oplossingen. Als Senior Machine Learning Strategist bij AWS pioniert Caleb met innovatieve toepassingen van AI die de grenzen van de mogelijkheden verleggen en organisaties helpen op verantwoorde wijze te profiteren van kunstmatige intelligentie. Hij is de co-auteur van CAF-AI.

Alexander Wöhlke heeft tien jaar ervaring in AI en ML. Hij is Senior Machine Learning Strategist en Technisch Product Manager bij het AWS Genative AI Innovation Center. Hij werkt met grote organisaties aan hun AI-strategie en helpt hen berekende risico's te nemen in de voorhoede van de technologische ontwikkeling. Hij is de co-auteur van CAF-AI.

Geof Wielmaker beheert het AWS-beslissingsinhoudsteam, dat de groeiende verzameling beslissingsgidsen op het AWS Getting Started Resource Center schrijft en ontwikkelt. Zijn team creëerde de beslissingsgids voor het kiezen van een AWS-machine learning. Hij heeft met veel plezier met AI en zijn voorouders gewerkt sinds hij voor het eerst kennis maakte met de eenvoudige, op tekst gebaseerde Apple II versies van ELIZA in de vroege 1980s.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/aws-offers-new-artificial-intelligence-machine-learning-and-generative-ai-guides-to-plan-your-ai-strategy/