AWS erbjuder nya artificiell intelligens, maskininlärning och generativa AI-guider för att planera din AI-strategi | Amazon webbtjänster

Genombrott inom artificiell intelligens (AI) och maskininlärning (ML) har funnits i rubrikerna i månader – och det av goda skäl. Den framväxande och utvecklande kapaciteten hos denna teknik lovar nya affärsmöjligheter för kunder inom alla sektorer och branscher. Men hastigheten på denna revolution har gjort det svårare för organisationer och konsumenter att bedöma vad dessa genombrott specifikt betyder för dem.

Under åren har AWS investerat i demokratisering av tillgång till och förståelse för AI, ML och generativ AI. Genom tillkännagivanden kring det senaste utvecklingen inom generativ AI och inrättandet av en 100 miljoner dollar Generative AI Innovation Center har Amazon Web Services (AWS) legat i framkant när det gäller att hjälpa till att skapa förståelse för vilken roll dessa innovationer kan spela i både individers och organisationers liv. För att hjälpa dig förstå dina alternativ i förhållande till AI och ML har AWS publicerat två nya guider: AWS Cloud Adoption Framework för artificiell intelligens, maskininlärning och generativ AI och Komma igång Resurscenter beslutsguide för maskininlärning.

AWS CAF för AI, ML och Generativ AI

Smakämnen AWS Cloud Adoption Framework för artificiell intelligens, maskininlärning och generativ AI (CAF-AI) är designad för att hjälpa dig att navigera på din AI-resa. Det är en mental modell för organisationer som strävar efter att skapa affärsvärde från AI/ML. Baserat på vår egen – och våra kunders – erfarenhet tillhandahåller vi inom detta ramverk av bästa praxis för en AI-transformation och accelererar affärsresultat genom innovativ användning av AI på AWS.

Används av kunder och partnerteam hjälper CAF-AI att härleda, prioritera, utveckla och kommunicera en strategi för AI-transformation. Följande figur visar hur vi förenklar en AI-resa genom CAF-AI: genom att arbeta bakåt från affärsresultat (1) till de möjligheter som AI, ML och generativ AI ger (2), över dina transformationsdomäner (3) och dina grundläggande förmågor (4) genom en iterativ process (5) för att bedöma, härleda och implementera åtgärdspunkter för en AI-strategi.

I CAF-AI beskriver vi AI/ML-resan du kan uppleva när dina organisatoriska förmågor inom AI och ML utvecklas. För att vägleda dig zoomar vi in ​​på utvecklingen av grundläggande förmågor som vi har observerat hjälper en organisation att växa sin mognad inom AI ytterligare.

Vi ger också föreskrivande vägledning genom en översikt över måltillståndet för dessa grundläggande förmågor och förklarar hur man utvecklar dem steg för steg för att skapa affärsvärde längs vägen. Följande bild visar dessa grundläggande funktioner för moln- och AI/ML-adoption. A kapacitet är en organisatorisk förmåga att använda processer för att distribuera resurser (såsom människor, teknik och andra materiella eller immateriella tillgångar) för att uppnå ett resultat. Eftersom CAF-AI är ett levande kunskapsindex kan du förvänta dig att det växer och förändras över tiden.

CAF-AI är utformad som en utgångspunkt och orienteringspunkt under en kunds ML- och AI-resa och är tänkt att vara ett dokument som organisationer kan hämta inspiration från när de formar sin AI- och ML-agenda på medellång sikt och försöker förstå de viktiga ämnena och perspektiven som påverkar det. Beroende på var du är på din AI/ML-resa kan du fokusera på ett specifikt avsnitt och finslipa dina färdigheter där, eller använda hela dokumentet för att bedöma mognad och hjälpa till att styra förbättringsområden på kort sikt.

Eftersom affärsproblemområdet som AI/ML kan tillämpas på inte är en enskild funktion eller domän, gäller det för alla funktioner i företag och alla branschdomäner där du letar efter sätt att återställa spelplanen på marknader där AI/ML gör en ekonomisk skillnad. De AWS Cloud Adoption Framework för artificiell intelligens, maskininlärning och generativ AI är ett av de många verktyg AWS tillhandahåller för att hjälpa dig uppnå detta resultat. Eftersom AI/ML möjliggör lösningar och lösningsvägar till problem som har förblivit oekonomiska att lösa i årtionden (eller var tekniskt omöjliga att ta itu med utan AI/ML), kan de resulterande affärsresultaten bli djupgående.

Beslutsguide för maskininlärning Komma igång Resurscenter

AWS har alltid handlat om val. När du ökar din användning av AI är det av största vikt att du har rätt stöd för att välja den bästa tjänsten, modellen och infrastrukturen för dina affärsbehov. De Komma igång Resurscenter beslutsguide för maskininlärning är utformad för att ge dig en detaljerad översikt över AI- och ML-tjänsterna som erbjuds av AWS, och ge strukturerad vägledning om hur du väljer de tjänster som kan vara rätt för dig och dina användningsfall.

Beslutsguiden kan också hjälpa dig att formulera och överväga de kriterier som kommer att ligga till grund för dina val. Den beskriver till exempel utbudet av AWS ML-tjänster (se följande skärmdump), som var och en tillgodoser olika nivåer av ledningskrav, beroende på hur mycket kontroll och anpassning du behöver.

Guiden förklarar också AWS-tjänsternas unika möjligheter för att realisera kraften i grundmodeller och var du kan få ut det mesta av denna snabbväxande gren av maskininlärning.

Den erbjuder detaljer om specifika tjänster, länkar till detaljerade tekniska guider på servicenivå, en jämförelsetabell som belyser nyckeltjänsternas unika möjligheter och kriterier för val av AI- och ML-tjänster. Den tillhandahåller också en utvald uppsättning länkar till nyckelresurser som kan hjälpa dig att komma igång med att använda AI, ML och generativa AI-tjänster på AWS.

Om du vill förstå bredden av AI, ML och generativa AI-erbjudanden från AWS är den här beslutsguiden ett bra ställe att börja.

Slutsats

Smakämnen Komma igång Resurscenter beslutsguide för maskininlärningTillsammans med AWS Cloud Adoption Framework för artificiell intelligens, maskininlärning och generativ AI, täcker de tekniska och icke-tekniska frågor som vi ofta hör. Vi hoppas att du tycker att dessa nya resurser är användbara och ser fram emot din feedback om dem.

---

Om författarna

Caleb Wilkinson har mer än ett decenniums erfarenhet av att bygga AI-lösningar. Som senior maskininlärningsstrateg på AWS är Caleb banbrytande för innovativa tillämpningar av AI som tänjer på gränserna för möjligheterna och hjälper organisationer att dra nytta av artificiell intelligens på ett ansvarsfullt sätt. Han är medförfattare till CAF-AI.

Alexander Wöhlke har ett decenniums erfarenhet av AI och ML. Han är senior maskininlärningsstrateg och teknisk produktchef på AWS Generative AI Innovation Center. Han arbetar med stora organisationer på deras AI-Strategy och hjälper dem att ta kalkylerade risker i framkant av den tekniska utvecklingen. Han är medförfattare till CAF-AI.

Geof Wheelwright hanterar AWS beslutsinnehållsteam, som skriver och utvecklar den växande samlingen av beslutsguider på AWS Getting Started Resource Center. Hans team skapade beslutsguiden för att välja en AWS-maskininlärning. Han har tyckt om att arbeta med AI och dess förfäder sedan han först introducerades till enkla, textbaserade Apple II versioner av ELIZA i de tidiga 1980-erna.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Fordon / elbilar, Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• BlockOffsets. Modernisera miljökompensation ägande. Tillgång här.
• Källa: https://aws.amazon.com/blogs/machine-learning/aws-offers-new-artificial-intelligence-machine-learning-and-generative-ai-guides-to-plan-your-ai-strategy/