回想一下，当一套新技术或一款科技赋能的小玩意儿完全吸引你的注意力并激发你的想象力时的情景。早期的个人电脑、互联网和万维网的兴起、电子邮件、智能手机……这些事物以难以预见甚至难以立刻欣赏的方式改变了我们的生活，直到我们在集体层面上积累了与这些技术共处的经验之后，才真正体会到它们的价值。
我们正再次处于这样一个时刻——人工智能（AI）和机器学习（ML）。我相信，AI 和 ML 是我们这个时代最具变革性的技术。正因如此，亚马逊在过去二十多年里大力投资于 AI 和 ML 的开发，并将这些令人惊叹的能力注入到几乎每个业务部门中。
为什么生成式 AI 成为焦点
过去，AI 是小部分研究人员和数据科学家的专属领域。如今，你打开任何新闻信息流，都会看到有关 AI 尤其是生成式 AI 的提及。这可能令人惊讶，但 AI 的概念其实自 20 世纪 50 年代就已存在。
那么，这项已经酝酿了几十年的技术为何现在受到如此多的关注？简而言之，得益于技术进步与对其能力认知的加深，AI 已达到一个临界点。再加上数据的广泛普及、高度可扩展计算能力的可用性以及 ML 技术随时间的不断演进，对生成式 AI 的关注终于逐渐成形。
此外，你很可能已经在使用 AI 和 ML 方面有过体验。如果你听过 Wondery 播客、向 Alexa 询问今日天气、在 Prime Video 上搜索新剧集，或者去过采用 Just Walk Out 技术的商店，你就已经使用了来自 Amazon 的 AI。更具体地说，你与 ML 系统或模型进行了交互。正是这些 ML 模型构成了当前生成式 AI 热潮与潜力的核心。
那么，究竟什么是生成式 AI？它与其他 AI 有何不同？
尽管基于相同的概念，但我们多年来一直在应用的 AI 传统机器学习技术——特别是深度学习——与生成式 AI 之间存在一个清晰的区分。顾名思义，生成式 AI 是一种能够创造新内容和想法的人工智能类型。它可以生成文本、图像、视频、语音，甚至代码。与所有 AI 一样，生成式 AI 由机器学习模型驱动——这些是非常庞大的 ML 模型，它们在海量数据上进行预训练，通常被称为基础模型（FMs）。
在将基础模型（FMs）投入实际应用之前，传统的机器学习方法使我们能够接收简单的输入（如数值），并将其映射为简单的输出（如预测值）。借助更先进的机器学习技术，尤其是深度学习，我们可以处理相对复杂的输入（如视频或图像），并将它们映射为较为简单的输出。例如，你可以在视频流中查找违反准则的图像，或对文档进行情感分析。通过这种方法，你可以获得对所提供数据的洞察，但不会生成任何新内容。而使用生成式 AI，你可以利用海量数据——将复杂输入映射为复杂输出——在此过程中创造出各种类型的新内容。
传统机器学习模型往往也是针对特定任务的。例如，如果我想使用深度学习模型进行翻译，我会访问大量与翻译服务相关的具体数据，以学习如何将西班牙语翻译成德语。该模型仅能执行翻译工作，而无法进一步生成德语的西班牙海鲜饭食谱。它可以翻译已存在的西班牙海鲜饭食谱从西班牙语到德语，但不能创建新的食谱。
日落时分海滩上的独角兽
如今，借助生成式 AI，每个人都可以无需手动数据预处理即可使用 AI。支撑生成式 AI 应用的大型模型——即基础模型——采用了一种名为“Transformer”的神经网络架构构建。该架构于 2017 年左右在人工智能领域出现，显著缩短了开发流程。
使用 Transformer 架构，生成式 AI 模型可以在海量的各类未标记数据上进行预训练——包括文本、图像、音频等。无需手动数据准备，由于进行了大量的预训练（本质上是学习），这些模型可以开箱即用，适用于多种通用任务。这有点像 AI 领域的瑞士军刀。
使用 Amazon Bedrock 上的 SDXL 生成的图像。初始提示词为：“一只威严的独角兽在日落时分的海滩上以后腿站立。”
模型可以在预训练阶段学习，例如，什么是日落、海滩看起来是什么样，以及独角兽的特定特征是什么。对于一个设计用于接收文本并生成图像的模型，我不仅可以请求日落、海滩和独角兽的图像，还可以让模型生成一张日落时分海滩上独角兽的图片。并且只需少量标记数据（我们称之为“微调”），就可以将同一基础模型适配到特定的领域或行业。
生成式 AI 应用：生成式 AI 将彻底改变每家公司和组织的运营方式
只需少量标注数据，就能为任何任务定制预训练的基础模型（FM）——这正是生成式AI的革命性所在。这也正是我坚信：生成式AI最大的机遇不在消费者端，而在于彻底变革企业与组织的运营方式及其为客户创造价值的方式。
在医疗保健、法律、抵押贷款承保、内容创作、客户服务等领域，我们预计经过精心调优的生成式AI模型将发挥重要作用。试想，如果自动化文档处理能让报税变得简单快捷，让抵押贷款申请从耗时数周缩短为数天；如果与医疗保健提供者的对话不仅能以通俗语言进行转录和标注，还能为医生提供潜在治疗方案和最新研究成果；或者，你只需通过简单的提示词，就能探索新产品的设计，并在可持续性、成本和价格之间进行优化——这些不仅可能，而且极有可能随着生成式AI的实现而成为现实。
我们已经看到，生成式AI将在企业中通过四种主要模式显现其价值。
- 提升客户体验，借助聊天机器人、虚拟助手、智能呼叫中心、个性化推荐和内容审核等能力。
- 提高员工生产力，通过对话式搜索、文本摘要和代码生成等多种手段。
- 生产各类创意内容，涵盖艺术、音乐、文本、图像、动画和视频。
- 优化业务运营，利用智能文档处理、维护助手、质量控制与视觉检查，以及合成训练数据生成等技术。
关键在于确保你真正选对了具备AI能力的工具，并将其与适当程度的人类判断和专业 expertise 相结合。这些模型不会取代人类，而是将大幅提升我们的整体生产力。更重要的是，你需要以安全的方式使用自有数据对这些模型进行调优，从而使它们最终能够量身定制以满足你组织的需求。你的数据是差异化因素，也是打造卓越产品、客户体验或改善业务运营的关键要素。
就像1995年的互联网一样
生成式AI仍处于非常早期的阶段。还有大量创新与迭代空间。这让我想起大约1995年时的互联网，那时万维网刚刚起步，我们开始听说一种叫做“网页浏览器”的东西。
当我们退后一步审视当下以及未来将要发生的一切时，生成式AI有望彻底改变我们的生活，无论是在家庭、学校还是工作场所。借助亚马逊和我们的客户正在构建的这些工具，我们将能够把更多时间投入到最擅长的事情上，而减少在例行公事上的花费。这具有巨大的力量，也正是这将成为一个如此非凡时代的缘由。