网站图片验证码出不来,定制高端网页,wordpress文件夹,佛山宣传片制作公司前言 本篇文章授权活动官方亚马逊云科技文章转发、改写权#xff0c;包括不限于在 亚马逊云科技开发者社区, 知乎#xff0c;自媒体平台#xff0c;第三方开发者媒体等亚马逊云科技官方渠道 “Your Data, Your AI, Your Future.#xff08;你的数据#xff0c;你的AI…前言 本篇文章授权活动官方亚马逊云科技文章转发、改写权包括不限于在 亚马逊云科技开发者社区, 知乎自媒体平台第三方开发者媒体等亚马逊云科技官方渠道 “Your Data, Your AI, Your Future.你的数据你的AI你的未来。 如果问2023年大家谈论频率最多的几个技术词汇我想生成式AI、大模型一定有一席之地。
11月6日OpenAI发布的GPT Builder让AI App的开发门槛降到了“搭积木”的程度。通过将应用开发程序封装进不同的流程模块用户可以在GPT Builder中用设置参数的方式完成应用的开发。
怎样的开发模式才能做到比GPTs的门槛更低一年一度的 re:Invent用PartyRock给出了答案。只要一句话就能搞定所有的开发流程。Swami博士在开场中这样说道“今天人类和技术之间正展现出前所未有的紧密关系生成式AI正以许多意想不到的方式提升人类的生产力。这种关系让人类与人工智能共同形成新的创新充满了无限可能性。”
以往的生成式AI更像是一本自带操作手册的工具书你需要遵循规则去不断的进行尝试比如提示词工程、模型微调掌握各种技能逐渐熟悉一个全新的领域。从创意到应用落地就更加离不开一定的编程基础了如果你想创建有特色的AI应用又苦于自己不会编程那么用PartyRock就可以很方便创建自定义的GPT。最近这是一次让所有普通人都能够平等的享受AI红利的机会。
PartyRock提供的轻量化的To C应用的开发环境无论你是否懂代码、懂架构都可以快速搭建一个属于你自己的生成式Al应用。利用PartyRock以及其背后亚马逊云科技强大的生成式Al能力PartyRock由Amazon Bedrock提供支持它是一项全面管理服务借助API来使用领先各种人工智能基础模型)你可以用拖拽的方式构建一个自己的对话助手设计一个人物角色生成器甚至生成一款小游戏。 趁着大会发布我也体验了一把快速探索AI应用的乐趣接下来让我们动手实验一下吧
PartyRock-只需要一个Idea轻松探索AI应用
之所以想用PartyRock做一些小应用是源于我自己困扰的一些场景。
提高效率也好放松娱乐也罢一直以来个人习惯于将工作中的一些有意思的轮子保留下来但是由于精力有限很多demo是不连续性的也意味着没有持续产出。伴随生成式AI火热起来个人也尝试搭建过一些个人知识库。但是效果也比较有限数据量级太小没有办法对于训练产生有效影响。所以不了了之。
实践下来倒是一些轻量级的AI工具经常收藏比如AI生成周报AI的格式整理工具但是比较难以定制一些个性化需求比如当我想对现有的工具影响它的输出比如我希望对于周报可以进行AI工时统计量化的需求我便无能为力。
Everyone can build AI apps.
PartyRock的官网简明扼要的概述了它的作用让每个人都可以构建AI 应用。PartyRock的核心在于无代码的应用程序生成器你可以向它提出任何要求在短暂的等待后会给你生成一个满足基本需求的AI应用。 一段话生成AI应用——面试宝典 一句话实现AI应用真的这么神奇吗这里我们在 APP builder 里输出一个具体的想法尽量描述清楚应用的需求及细节比如我们想要生成一个面试题库APP输入我们的需求PartyRock是支持多语言的我们这里提出中文需求看看AI模型的理解程度点击 Generate app 就开始生成了。
稍等一到两分钟一个面试题库APP就生成了PartyRock程序较好的理解了我们的语义并且生成了一个程序。
通过输入关键词和难度随机生成问题。用户回答后输出正确答案。
语义识别及GUI生成是最基础的我们还是要实际使用下生成软件的功能性是否满足我们的需求
这里我们输入几个关键词“CSS3” “自适应” “兼容性” 选择难度为困难可以看到LLM比较清晰的输出了一个选择题。
这里我们选择回答选项验证一下结果可以看到整个流程下来还是很好的满足了我们的需求。
体验到这里我已经大体了解PartyRock的设计不得不佩服PartyRock的脑洞还是很大的通过生成式AI工作流的形式解决了低代码时代的一些问题在另一个维度实现了无代码编程。
这是一个跨时代的改变之前的低代码工具大多定位很尴尬对于程序员只能体现部分生产力的解放并且随着业务量的积累在制造轮子维护轮子及平衡定制中不得抽身。另一维度对于无编程经验的人来说拖拉拽的实现方式仍然不够友好做出合格的UE上手成本还是比较高。
与其他细分模型的AI助手而言PartyRock不仅仅是一个定制版助手它更是一个普通人快速验证想法的一个工具真的简约而不简单。
应用拆解分析
一句话生成应用固然便捷但是提示词工程的试错成本还是比较高的如果我们有一定的编程基础还能不能玩一点新花样出来呢答案是显而易见的。
无论是空模版创建还是AI生成的应用我们会发现它是有很多小框框组成的这里我们叫它“元组件”或者“小部件”吧这和工作流的节点思想是有共性的。
这里我们点击刚刚生成的应用右上角的编辑发现实际上小部件是存在不同类型的。挂载着不同的模型实例并且通过提示词工程使得用户的输入输出与模型直接进行通信和交互。
其中使用 符合直接引用其他 widget 生成的内容让不同小部件建立关联。
比如我需要根据用户输入的内容进行生成问题那么我在提示词里面就可以直接引用用户输入的部分比如利用 “keywaord” 引用扩写的内容。如下图 Prompt 中高亮的部分。 如果我们想要改变整个流程的话只需要增加一个新的widget并且建立上下文的引用就可以进行改造
而新建的widget目前有以上几类用户输入文本模型输出、图像模型输出、机器人。
构建一个应用就变成了构建一个工作流或者任务流。我们可以使用widget积木式的构建应用并通过建立输入输出流的联系让想象插上翅膀大脑洞的奇思妙想以及清晰的逻辑就可以组成很多有趣的创新应用。
分享创意与应用共建
ChatRPG是官方提供的一个最有趣的案例而且是比较典型的案例。这个应用利用了 AI 对话实现了文字游戏你可以通过对话的形式选择不同的事件来推进剧情同时通过多种组件的灵活运用让整个文字游戏变的更加场景感。 受到这个应用的启发我连夜写了一个小游戏—是男人就活过100天。哇太好玩了根本停不下来。
没有思路怎么办没有关系PartyRock 提供了 remix 的功能你可以直接复制(remix)一个别人已经发布的应用直接修改里面的参数或者提示词。
独乐乐不如众乐乐当你创建了一个有趣的应用也可以通过分享自己的应用让大家一起来玩。是不是很有意思呢
到这里基本的PartyRock的体验接近尾声我们来做个简短的总结 无代码AI生成PartyRock以生成式AI 工作流的形式实现了一个无代码生成器。实现了AI的自建 组件化工作流通过小组件widget的形式可视化的创建引用关系。其背后是强大的AI模型能力集、以及云上能力。 生态共建通过工作台、分享、clone的模式鼓励大家共创共建应用。
观一点而探其貌究竟是什么赋予了PartyRock这么灵活的能力这就不得不提一下-Amazon Bedrock
Amazon Bedrock
本次大会还发布了全面托管的生成式 AI 服务-Bedrock提供了多个领先的高性能基础模型同时增加了对于Amazon Titan Embeddings、Meta Llama2的支持。
而PartyRock实际上依托于Bedrock的强大能力当开发者或者具有开发能力的公司有相关需求时可以使用Bedrock提供的AI21 Labs、Anthropic、Cohere Inc.、Meta Platforms Inc.、Stability AI Ltd.等领先人工智能公司的高性能模型以及亚马逊的定制模型构建自己的人工智能应用。
简单来讲常见的汇总文档、对话助手、生成图像以及提供人工智能驱动的搜索等实用功能都可以通过Amazon Bedrock去构建。
2023 re:Invent 思考与展望 通过本次大会的学习与产品体验我感觉AI的应用重构未来会成为一种趋势。
看本次发布的产品从基础设施层的Inferentia和Trainium模型工具层的Amazon Bedrock再到应用层的Amazon CodeWhisperer。这说明AI的深度基建正在逐步建立起来完整的产品体系逐步的形成共识。
未来会出现越来越多类似PartyRock的应用会将基础建设进行封装用户看到的是所见即所得的轻量化应用。越来越多的应用都会AI化
未来的交互式AI
我一直在想未来的生成式AI的交互会向什么方向发展。简单、高效、准确是我在使用C端AI产品的几个核心需求。
结合大会及动手实验PartyRock相较于GPTs的优势除了AWS自研的模型Titan支撑灵活性也是非常可圈可点的PartyRock的0代码交互十分适合小白通过工作流的形式串联起多个AI模型“搭积木”的方式快速的实现一个定制应用。
另一方面相较于已经展露头角的OpenAIPartyRock生成的AI应用既可以上架IOS和安卓等主流操作系统也能作为一个网站发布。多种形态意味着有更多种可能甚至跨平台进行互动。这点希望后面会产生相关的应用或者功能一定会非常吸引眼球的。
安全的AI
大会的一个重要议题是如何高效快速的让AI应用落地同时保证数据安全。
生成式AI作为一把双刃剑在创立发展的数十年都饱受争议前段时间沸沸扬扬的奥特曼离职时间也为商业化与AI伦理安全问题敲响了警钟。这次大会中Adam Selipsky博士也提出了“负责任的AI。”这个概念。我认为AI安全性在两个维度去思考。一方面是生成的内容一定应该是合规的另一方面是作为模型基础的训练数据应该是安全的。数据安全及知识产权是企业应用AI的一个重要考量。作为一个团队的leader工程化、安全性、稳定性、以及投入产出比是我在研发基础建设上考虑的几个核心维度。企业应用只有确保安全AI才能越走越稳长期发展。
同时本次大会很多创新案例也真正体现了在AI浪潮中把握数据价值的重要性给创业者使用AI创业提供了一些可行性的思路在AI在逐步替代劳动生产力的同时对于个人而言如何在AI浪潮的风口上提升个人能力把握时代的机会这个课题即是挑战同时也是机遇
