در مقاله از آمازون آمده است که مشتریان AWS چگونه از هوش مصنوعی مولد برای ساده کردن وظایف و ایجاد کار مفیدتر و لذت بخش تر استفاده می کنند. دهها هزار کسبوکار و سازمان در همه اندازهها، در سراسر صنایع، در حال آزمایش، یادگیری و ساختن بر روی سرویس هوش مصنوعی مولد AWS، Amazon Bedrock، و توسعه ابزارهایی برای سادهسازی کار روزانه خود هستند.
مشتریان خدمات وب آمازون که از Amazon Bedrock استفاده میکنند، دسترسی ایمن و آسان به گستردهترین مدلهای زبان بزرگ (LLM) با کارایی بالا و کاملاً مدیریت شده و سایر مدلهای پایه (FM) دارند، و این سادهترین راه را برای آنها برای شروع ساخت و مقیاسسازی مولد میسازد. برنامه های کاربردی هوش مصنوعی، با هوش مصنوعی مسئول داخلی.
افزودههای جدید به Amazon Bedrock ساخت اپلیکیشنهای هوش مصنوعی مولد را آسانتر از همیشه کرده است. توانایی آوردن مدل هوش مصنوعی خود به Bedrock. مدل های بیشتر آمازون تایتان. محافظت جامع از محتوای مضر. در اینجا موارد جدید در Amazon Bedrock آمده است.
در اینجا پنج روشی که شرکتها از Amazon Bedrock برای کارآمدتر، خلاقتر و مولدتر استفاده میکنند، آورده شده است.
۱-برای ارائه الهام بگیرید
ساختن یک عرشه قاتل یک شکل هنری است و معمولا ساعت ها طول می کشد. شرکت بازاریابی و تبلیغات جهانی Media.Monks به جای شروع هر بار از صفر، از هوش مصنوعی مولد استفاده می کند تا مطمئن شود ایده های عالی از بین نمی روند. این مشتری و شریک AWS که اولین پذیرنده این فناوری بود، یک راه حل هوش مصنوعی داخلی و سازمانی برای خودکارسازی گردش کار خود – هم به صورت داخلی و هم از طرف مشتریانش ایجاد کرده است.
پلتفرم Monks.Flow با Amazon Bedrock ارتباط برقرار می کند و راه حل های هوشمندی را برای فعالیت های بازاریابی مشتریان ارائه می دهد. طراحی شده برای کار در پشته های فناوری موجود، و بسته به نیاز مشتری، می تواند وظایفی مانند بررسی اسناد و همچنین استخراج داده ها و بینش های ارزشمند از سیستم های موجود یک شرکت را انجام دهد.
به عنوان مثال، فرض کنید تیم Media.Monks در حال آماده سازی یک ارائه برای یک مشتری احتمالی است. Monks.Flow از LLM های مختلفی استفاده می کند که از طریق Amazon Bedrock به آنها دسترسی پیدا می کند تا در تعداد زیادی از عرشه هایی که این شرکت در طول سال ها کار کرده است جستجو کند. نه تنها میتواند به سرعت اطلاعات قابل استفاده برای هر کسبوکار جدیدی را که تیم امروز ارائه میکند، بیابد، بلکه میتواند آنها را به ترتیب مرتبط رتبهبندی کند – دسترسی فوری به انبوهی از دانش و تخیل تیمهای توربوشارژ را فراهم میکند.
۲-بررسی های محصول را به زبان های مختلف مقایسه کنید
اگر فروشنده آمازون یا هر تجارت دیگری هستید که محصولات را به صورت آنلاین می فروشد، نظرات مشتریان گنجینه ای از اطلاعات را در خود جای داده است. اما اگر در سطح جهانی بفروشید و صدها، حتی هزاران نقد را به زبانهایی که به آنها صحبت نمیکنید دریافت کنید، جمعآوری اطلاعات از دادهها میتواند بسیار دشوار باشد. قدم به جلو Cohere Embed، یک مدل زبان نمایش متن از شرکت هوش مصنوعی Cohere است.
در Amazon Bedrock موجود است و می تواند در بیش از ۱۰۰ زبان کار کند. جارون والدمن، مدیر ارشد محصول Cohere، این موضوع را اینگونه بیان می کند: «تصور کنید یکسری بررسی محصول در آمازون به ۱۰۰ زبان مختلف داشتید. شما میخواهید آن نظرات را تجزیه و تحلیل کنید.
بنابراین میتوانید سؤالی مانند «همه بررسیهای مربوط به تحویل محصول را به من نشان دهید» بپرسید تا ببینید آیا مشکلی در تحویل وجود دارد یا اینکه تحویل به خوبی انجام میشود. شما می توانید همه این کارها را با Cohere Embed انجام دهید.
۳- برنامه ریزی را ساده کنید
برای صاحبان کسب و کار می تواند سخت باشد که برنامه های پرسنلی را سازماندهی کنند که متناسب با نیازهای مشتریان و کارمندان باشد. مشتری AWS AlayaCare خدمات نرم افزاری را به شرکت هایی ارائه می دهد که مراقبت های بهداشتی خانگی را ارائه می دهند.
این استارت آپ مستقر در مونترال از هوش مصنوعی مولد برای مقابله با یکی از بزرگترین سردردهای صنعت یعنی جابجایی کارکنان استفاده می کند. تحقیقات AlayaCare نشان میدهد که بزرگترین دلیلی که کارکنان خدمات مراقبت از منزل – مراقبین سختکوش که معمولاً ساعتی دستمزد میگیرند – شغل خود را ترک میکنند، نارضایتی از برنامهریزی است.
نائومی گلداپل، معاون ارشد داده و اطلاعات AlayaCare میگوید: «بسیاری از اوقات، تفاوت بین ساعاتی که میخواهند و ساعاتی که دریافت میکنند، است. تیم او نمونهسازی اولیهای را در Amazon Bedrock انجام داده است تا به زمانبندیها کمک کند تا به سرعت جایگاههای بازدید از خانه را که باید پر کنند، ببینند و بر اساس معیارهای خاصی که مراقبتکنندگان و بیماران را راضی میکند، بهترین مسابقات کارمندان را برای آنها فراهم کند.
۴- اسناد را در یک فلش خلاصه کنید
AlayaCare همچنین از هوش مصنوعی مولد برای جمعآوری و سپس خلاصه کردن آنچه گلداپل با محبت آن را «فضولات یادداشت» مینامد، استفاده میکند: یادداشتهایی که توسط مراقبان و پرستاران مختلف که برای ارائه مراقبت به خانه بیمار میروند، تهیه میشوند.
یک پرستار ممکن است در بخشی از پلتفرم AlayaCare در مورد یک بیمار خاص که از افزایش کمردرد شکایت دارد یادداشت کند. سپس پرستار دیگری که روز بعد از همان بیمار بازدید می کند، ممکن است در قسمت دیگری از سکو یادداشتی در مورد آن بیمار که دچار سرگیجه و تنگی نفس می شود، یادداشت کند.
LLMها میتوانند تمام این یادداشتها را در مکانهای مختلف بخوانند، مهمترین اطلاعات (مانند ذکر مداوم درد) را جمعآوری کنند و آنها را به گونهای خلاصه کنند که به پزشک اجازه دهد روندها را تشخیص دهد و زودتر مداخله کند تا از بستری شدن بیمار در بیمارستان جلوگیری شود.
۵- مشاوره شخصی دریافت کنید
اگر به مشاوره نیاز دارید یا می خواهید طوفان فکری کنید، اما کسی در اطراف نیست، چرا از داپلگانگر دیجیتال خود نپرسید؟ معاون Media.Monks و رئیس مهندسی جهانی، Iran Reyes، شخصیت دیجیتالی خود را در سرویس Monks.Flow مبتنی بر هوش مصنوعی و حرفهای مدیریت کرده است.
برای استفاده از اطلاعات به روز شده آمازون، با زاکولا همراه باشید.
پیشنهادهایی برای شما
دسته بندی مورد نظر را انتخاب کنید
دیدگاهتان را بنویسید