La inteligencia artificial generativa (IA generativa) es una rama del aprendizaje automático (ML). Se ocupa del desarrollo de algoritmos que puedan crear texto, imágenes, código, audio o vídeos en lenguaje natural basándose en la entrada del usuario. La IA generativa tiene numerosas aplicaciones en diversas industrias, como los medios, el entretenimiento, la atención médica y las finanzas. En esta sección, aprenderá sobre la relación entre el aprendizaje automático y la IA generativa. También recibirá una introducción a la IA generativa y cómo las empresas obtienen valor comercial del uso de la IA generativa.
¿Qué es el aprendizaje automático?
Para comprender mejor la IA generativa, es importante comprender el aprendizaje automático. Quizás se pregunte: "¿cómo aprenden las máquinas?" En esencia, ML entrena una computadora para que reconozca patrones en datos históricos y haga predicciones sobre datos nuevos. Estas predicciones se utilizan luego para realizar acciones comerciales.
En la práctica, el aprendizaje automático progresa de la siguiente manera:
Se utiliza un conjunto de datos para entrenar un modelo. En este conjunto de datos, hay características y etiquetas. El objetivo es tomar las características como entradas y encontrar una fórmula que prediga las etiquetas o salidas. Los algoritmos de ML resultantes pueden tomar datos nuevos, reconocer patrones en los datos, aplicar la fórmula y hacer predicciones sobre los datos.
En esencia, ML entrena una computadora para que reconozca patrones en datos históricos y haga predicciones sobre datos nuevos.
Historia del aprendizaje automático en Amazon
Quizás le sorprenda saber que la IA y el aprendizaje automático han sido el foco de atención de Amazon durante más de 20 años. Muchos de los servicios de Amazon que utilizan los clientes están impulsados por ML. Nuestro motor de recomendaciones de comercio electrónico está impulsado por ML. Los caminos que optimizan las rutas de recolección robótica en nuestros centros logísticos están impulsados por ML. Nuestra cadena de suministro, previsión y planificación de capacidad se basan en ML.
Amazon Prime Air (entrega con drones) y la tecnología de visión por computadora en Amazon Go (una tienda minorista física sin experiencia formal en caja) utilizan aprendizaje profundo (DL). Amazon Alexa, impulsado por más de 30 sistemas ML diferentes, ayuda a los clientes miles de millones de veces cada semana a administrar hogares inteligentes, comprar, obtener información y entretenimiento, y más.
Tenemos miles de ingenieros en Amazon comprometidos con el aprendizaje automático y es una gran parte de nuestra herencia, nuestra ética actual y nuestro futuro. Para obtener una versión accesible de la siguiente línea de tiempo, elija los marcadores interactivos.
Comprender la diferencia entre IA generativa y ML tradicional
La IA generativa es un subconjunto del aprendizaje profundo porque puede adaptar modelos creados utilizando el aprendizaje profundo, pero sin reentrenamiento ni ajustes finos. El aprendizaje profundo utiliza el concepto de neuronas y sinapsis de manera similar a cómo está conectado nuestro cerebro. Un ejemplo de una aplicación de aprendizaje profundo es Amazon Rekognition, que puede analizar millones de imágenes, transmisiones y vídeos almacenados en cuestión de segundos. Amazon CodeWhisperer, un ejemplo de una aplicación de IA generativa, puede generar sugerencias de código en tiempo real en función de sus comentarios y el código existente.
.png)
La IA generativa funciona con grandes modelos de lenguaje que están previamente entrenados con datos a escala de Internet, y estos modelos se denominan modelos básicos (FM). Con los FM, en lugar de recopilar datos etiquetados para cada modelo y entrenar varios modelos como en el ML tradicional, los clientes pueden adaptar el mismo FM para realizar múltiples tareas.
Los modelos de lenguaje grande (LLM) tienen la capacidad de predecir la siguiente palabra en una oración tomando en consideración la posición y el contexto de una palabra en una oración. Los LLM utilizan esta capacidad para generar contenido nuevo
La IA generativa es un subconjunto del aprendizaje profundo porque puede adaptar modelos creados utilizando el aprendizaje profundo, pero sin reentrenamiento ni ajustes.
Evolución del ML y aparición de la IA generativa
El aprendizaje automático existe desde hace décadas y los científicos de datos llevan muchos años construyendo modelos de lenguaje. Y eso plantea la pregunta: ¿qué ha llevado al surgimiento de la IA generativa en este momento? Para descubrir más sobre la evolución del ML, las siguientes tres tarjetas revelan las respuestas.
- Inversión en tamaño del equipo
- Voluntad de invertir en grandes ideas.
- Inversión en computación
La respuesta es tan sencilla como enormes inversiones en recursos. Contratar un equipo grande, gastar en recursos informáticos y, lo que es más importante, tener la voluntad de invertir y desarrollar grandes ideas contribuyen al surgimiento de la IA generativa.
Resumen de la lección
Amazon ha estado utilizando ML durante más de dos décadas y tiene una larga trayectoria en la entrega de valor empresarial a través de la IA.
Conceptos básicos de la IA generativa
¿Qué es la IA generativa?
La IA generativa es un tipo de IA que puede crear contenido nuevo, incluidas conversaciones, historias, imágenes, videos, música y códigos.
Las aplicaciones de IA generativa han capturado nuestra atención e imaginación. Clientes de todos los sectores están adoptando rápidamente tecnologías de aprendizaje automático para transformar sus negocios. Muchos están reinventando las experiencias y aplicaciones de los clientes con IA generativa.
Como toda la inteligencia artificial, la IA generativa se basa en modelos de aprendizaje automático. Sin embargo, la IA generativa funciona con modelos muy grandes que están previamente entrenados en grandes colecciones de datos. Habrá una discusión en profundidad sobre estos modelos en otro curso, pero por ahora, el siguiente ejemplo explica cómo los clientes utilizan la IA generativa en la actualidad.
Ejemplo de generación de código
Un ejemplo de IA generativa que utilizan las empresas es Amazon CodeWhisperer, el compañero de codificación de IA. CodeWhisperer es una herramienta de inteligencia artificial generativa que aumenta la productividad de los desarrolladores generando código.
Durante la vista previa de Amazon CodeWhisperer, Amazon realizó un desafío de productividad. Los participantes que usaron CodeWhisperer tenían un 27 por ciento más de probabilidades de completar las tareas con éxito y lo hicieron un promedio de 57 por ciento más rápido que aquellos que no usaron CodeWhisperer.
Los desarrolladores a menudo se ven obligados a interrumpir su flujo de trabajo para buscar en Internet o pedir ayuda a sus colegas para completar una tarea. Aunque esto puede ayudarles a obtener el código de inicio que necesitan, es perjudicial. Deben abandonar su entorno de desarrollo integrado (IDE) para buscar o hacer preguntas en un foro o para encontrar y preguntarle a un colega, lo que agrava aún más la disrupción. En cambio, CodeWhisperer se reúne con los desarrolladores donde son más productivos, brindándoles recomendaciones en tiempo real mientras escriben código o comentarios en su IDE.
Ejemplo de código de CodeWhisperer generando código para una aplicación.
¿Qué dicen los clientes sobre CodeWhisperer?
Accenture utiliza CodeWhisperer para mejorar la productividad de los desarrolladores, lo que incluye la incorporación de desarrolladores, la escritura de código repetitivo, el uso de lenguajes desconocidos y la detección de vulnerabilidades de seguridad. La siguiente cita de Balakrishnan Viswanathan, director senior de arquitectura tecnológica de Accenture, destaca el impacto que ChodeWhisperer ha tenido en el negocio de la empresa. Balakrishnan Viswanathan, director sénior de arquitectura tecnológica de Accenture
“Accenture está utilizando Amazon CodeWhisperer para acelerar la codificación como parte de nuestra iniciativa de mejores prácticas de ingeniería de software en nuestra plataforma Velocity”,dice Viswanathan. “El equipo de Velocity buscaba formas de mejorar la productividad de los desarrolladores. Después de buscar múltiples opciones, encontramos Amazon CodeWhisperer para reducir nuestros esfuerzos de desarrollo hasta en un 30 % y ahora nos estamos enfocando más en mejorar la seguridad, la calidad y el rendimiento”.
Amazon CodeWhisperer, gratuito para uso individual, ya está disponible de forma generalizada
Para obtener más información sobre CodeWhisperer, elija el siguiente enunciado.
Cómo utiliza Accenture Amazon CodeWhisperer para mejorar la productividad de los desarrolladores
Para obtener más información sobre cómo utiliza Accenture CodeWhisperer, seleccione el siguiente botón.
Casos de uso comunes
Se prevé que la IA generativa aumentará el producto interno bruto (PIB) mundial en 7 billones de dólares durante los próximos 10 años (Goldman Sachs 2023). Puede aplicar IA generativa en todas las líneas de negocio, incluidas ingeniería, marketing, servicio al cliente, finanzas y ventas. También puede aplicarlo a muchos casos de uso, desde resumen de texto hasta generación de imágenes. Muchos clientes, desde atención sanitaria, como 3M Health Information Systems y Philips HealthSuite, hasta servicios financieros, como Banco Bilbao Vizcaya Argentaria, S.A. (BBVA SA), ya están trabajando en nuevas aplicaciones.
Mejorar la experiencia del cliente
Puede utilizar IA generativa para mejorar la experiencia del cliente a través de capacidades como chatbots, asistentes virtuales, centros de contacto inteligentes, personalización y moderación de contenido. Las empresas de medios, como Omnicom Group Inc., están creando la próxima generación de herramientas con AWS para muchos de estos casos de uso.
Impulsar la productividad de los empleados
Puede aumentar la productividad de sus empleados con búsqueda conversacional impulsada por IA generativa, creación de contenido, resumen de texto y generación de código, entre otros. Los clientes, como Accenture, están impulsando aumentos de productividad revolucionarios para sus desarrolladores con CodeWhisperer.
Los usuarios empresariales dedican mucho tiempo a extraer datos e información de un panel para crear presentaciones para otras partes interesadas. Amazon QuickSight aprovecha el poder de la IA generativa para generar, personalizar y compartir narrativas visuales convincentes mediante indicaciones en lenguaje natural, aumentando así la productividad de los usuarios empresariales.
Creatividad
Puede utilizar la IA generativa para impulsar la producción de todo tipo de contenido creativo, desde arte y música hasta texto, imágenes, animaciones y vídeos.
Mejorar las operaciones comerciales
Finalmente, puede utilizar la IA generativa para mejorar las operaciones comerciales con procesamiento inteligente de documentos, asistentes de mantenimiento, control de calidad e inspección visual y generación de datos de capacitación sintéticos.
La IA generativa podría aumentar el PIB mundial en un 7 %
Para obtener más información sobre el informe de Goldman Sachs sobre el posible impacto económico de la IA generativa, seleccione el siguiente botón.
Cómo utiliza Amazon la IA generativa
Una de las formas en que Amazon utiliza la IA generativa es con la función Crear con Alexa. Create With Alexa utiliza avances en IA generativa y conversacional para capacitar a los jóvenes narradores para que creen historias únicas con un arco narrativo, gráficos coloridos y música de fondo divertida y complementaria. Las historias animadas cobran vida en la pantalla de los dispositivos Amazon Echo Show.
Para construir estas historias, los investigadores de Alexa crearon varios generadores de contenido diferentes utilizando IA generativa. Para obtener más información sobre la función Crear con Alexa, elija los botones INICIO o de flecha para mostrar cada uno de los siguientes tres pasos.
Experiencia interactiva de creación de historias con Alexa
La experiencia de creación de historias de Alexa utiliza IA para organizar elementos visuales en fondos renderizados por artistas o generados por IA para ilustrar historias producidas por un módulo de IA independiente. (Las imágenes que se muestran en este artículo son solo para fines ilustrativos).
COMENZAR
Paso 1
Generación de historias
El generador de historias incluye dos modelos que utilizan modelos de lenguaje previamente entrenados. El modelo de planificación recibe las indicaciones seleccionadas por el cliente y las utiliza para generar un conjunto más largo de palabras clave que se asignan a escenas separadas. Las palabras clave constituyen el plan de la historia. El modelo de generador de texto recibe el plan de la historia y genera el texto de la historia. Utiliza historias escritas por humanos etiquetadas según los temas que los clientes finalmente elegirán, como bajo el agua y encantada. bosque.
Paso 2
Generación de escena
El texto de generación de la escena se procesa a través de dos módulos de procesamiento de lenguaje natural (NLP). Esto hace posible que el módulo determine referencias a pronombres y otras palabras indicativas y reescriba el texto en consecuencia. Por ejemplo, si se hace referencia a la sirena mencionada en la escena uno como ella en la escena dos, el módulo reescribe ella como la sirena. Esto hace que sea más eficiente que el generador de escenas interprete el texto.
Generacion musical
La generación musical se procesa a partir de una gran biblioteca de partes instrumentales. En tiempo de ejecución, la biblioteca puede combinar partes automáticamente para crear un tema y una firma instrumental para cada personaje héroe. Un sistema de arreglos musicales de IA garantiza que todas las piezas encajen en función de sus atributos, como la progresión de acordes, el ritmo y el tipo de instrumento.
Un modelo de conversión de texto a voz calcula el tiempo que durará tomar para leer el texto. Las salidas del modelo sirven para ayudar a determinar la duración y el carácter de la música de fondo. Un modelo de análisis paralingüístico califica el texto según múltiples ejes, como de tranquilo a emocionante y de triste a feliz.
Resumen
Juntos, todos estos componentes se combinan para garantizar que la experiencia de creación de historias de Alexa sea segura y agradable para todos los usuarios.
La ciencia detrás de la nueva experiencia interactiva de creación de historias de Alexa
Para obtener más información sobre la ciencia de la IA generativa detrás de la experiencia interactiva de creación de historias de Alexa, elija el siguiente botón.
Resumen de la lección
La IA generativa es una forma de IA que puede producir contenido nuevo, incluidas conversaciones, historias, imágenes, videos, música y códigos. Recientemente, las aplicaciones de IA generativa han despertado el interés y la imaginación, y clientes de diversas industrias están adoptando tecnologías para revolucionar sus negocios.
Casos de uso de IA generativa
Servicios de IA generativa en AWS
Ejemplos en capas de IA generativa de cálculo de abajo hacia arriba, cree su propio modelo y modelo básico.
Amazon se centra en tres capas macro de la IA generativa: computación, creación de sus propios modelos y FM. Para obtener más información sobre cada una de las capas, elija cada una de las siguientes tres pestañas.
CALCULAR
Primero está el cálculo necesario para ejecutar modelos de lenguaje grandes (LLM). Amazon cuenta con dos chips especializados para este mismo fin. Los detalles son los siguientes:
AWS Inferentia y AWS Trainium son aceleradores de aprendizaje automático especialmente diseñados por AWS desde cero.
La primera generación de AWS Inferentia ofrece importantes beneficios de rendimiento y ahorro de costos para la implementación de modelos más pequeños. AWS Trainium y AWS Inferentia2 están diseñados para entrenar e implementar modelos de IA generativos ultragrandes con cientos de miles de millones de parámetros.
CONSTRUYE TUS PROPIOS MODELOS
A continuación, puede crear sus propios modelos utilizando Amazon SageMaker Jumpstart. Los detalles son los siguientes:
- Puede utilizar Amazon SageMaker junto con el chipAWS Trainium especialmente diseñado para capacitar a sus propios LLM.
- Alternativamente, elija uno de los modelos de lenguaje disponibles en SageMaker Jumpstart y vuelva a entrenarlo con sus propios datos.
MODELO DE CIMENTACIÓN
Finalmente, están los modelos en sí. Los FM con miles de millones de parámetros requieren tiempo y recursos para su preparación previa. ¿Por qué crear su propio FM cuando puede aprovechar los FM líderes que ya existen en el mercado? Las consideraciones son las siguientes:
- Amazon Bedrock es un servicio totalmente administrado que hace que los FM, incluidos modelos Amazon Titan, de las principales empresas emergentes de inteligencia artificial y de Amazon estén disponibles a través de una API. Los clientes pueden elegir entre una amplia gama de FM para encontrar el modelo que mejor se adapte a su caso de uso.
- Amazon Bedrock es la forma más eficiente de crear y escalar aplicaciones de IA generativa con FM.
Puede utilizar IA generativa para crear nombres creativos y únicos para sus productos.
Resumen
Estas son solo algunas de las formas en que su empresa puede comenzar a implementar IA generativa en su flujo de trabajo hoy. Las capacidades de los FM crecen cada día y las posibilidades para su negocio son infinitas.
Casos de uso para empresas
La IA generativa tiene el potencial de provocar cambios radicales en la economía global. Goldman Sachs estima que alrededor de dos tercios de las ocupaciones estadounidenses se verán favorecidas por la IA. Es probable que la IA impulse la creación de nuevos empleos y el surgimiento de nuevas ocupaciones para la gran mayoría del crecimiento del empleo a largo plazo.
El futuro prevé un período de intensa experimentación. Esperamos que surjan nuevas arquitecturas en el futuro y esta diversidad desencadenará una ola de innovación. La IA generativa desempeñará un papel transformador en todas las industrias.
Caso de uso 1
Cuidado de la salud
La IA generativa contribuye a la atención sanitaria de las siguientes maneras:
AWS HealthScribe: permite a los proveedores de software sanitario crear aplicaciones clínicas que generen automáticamente notas clínicas mediante el análisis de las conversaciones entre pacientes y médicos.
Medicina personalizada: Al generar planes de tratamiento basados en la composición genética, el estilo de vida y la progresión de la enfermedad específicos de un paciente, la IA puede contribuir a una atención más eficaz y personalizada.< /span>
Imágenes médicas: La IA puede mejorar, reconstruir o incluso generar imágenes médicas, como radiografías, resonancias magnéticas o tomografías computarizadas, lo que puede ayudar a mejorar el diagnóstico.
Caso de uso 2
Ciencias de la vida
La IA generativa contribuye a las ciencias biológicas de las siguientes maneras:
Descubrimiento de fármacos: La IA puedegenerar nuevas estructuras moleculares potenciales para fármacos, acelerando el proceso de obtención de fármacos. descubrimiento y reducción de costos.
Predicción del plegamiento de proteínas: La IA puede predecir las estructuras 3D de las proteínas en función de su secuencia de aminoácidos, lo cual es crucial para comprender las enfermedades y desarrollar nuevas terapias.
Biología sintética: La IA puede generar diseños para sistemas biológicos sintéticos, como organismos diseñados o circuitos biológicos.
Caso de uso
Servicios financieros
La IA generativa contribuye a los servicios financieros de las siguientes maneras:
Mecanismos de detección de fraude: La IA generativa puede ayudar a crear conjuntos de datos sintéticos para mejorar los sistemas de IA/ML mediante la simulación de varios patrones de lavado de dinero.
Gestión de carteras: La IA generativa puede simular varios escenarios de mercado y ayudar en la creación y gestión de carteras de inversión sólidas.
Cobro de deudas: La IA puede generar las estrategias de comunicación y negociación más efectivas para el cobro de deudas, aumentando la tasa de cobro exitoso.
En todo el sector bancario, por ejemplo, la tecnología de inteligencia artificial puede generar un valor equivalente a entre 200 y 340 mil millones de dólares adicionales al año si los casos de uso mencionados anteriormente se implementan por completo (Informe McKinsey 2023)..
Caso de uso 4
Fabricación
La IA generativa contribuye a la fabricación de las siguientes maneras:
Diseño de producto: La IA generativa se puede utilizar para crear nuevos diseños de productos basados en parámetros y restricciones establecidos. Puede generar múltiples opciones de diseño y optimizar factores como costo, materiales, rendimiento, etc.
Optimización de procesos: La IA puede generar los procesos de producción más eficientes modelando diferentes escenarios y optimizando variables como el costo, el tiempo, el uso de recursos, etc.
Mantenimiento preventivo: Al analizar los datos históricos de producción, la IA puede predecir programas de mantenimiento que proporcionarán los resultados más eficientes de la máquina y reducirán los tiempos de inactividad.
Ciencia de materiales: La IA puede ayudar a generar nuevas composiciones de materiales con las propiedades deseadas.
Caso de uso 5
Minorista
La IA generativa contribuye al comercio minorista de las siguientes maneras:
Optimización de precios: La IA generativa puede modelar diferentes escenarios de precios para determinar estrategias de precios óptimas que maximicen las ganancias.
Pruebas virtuales: La IA puede generar modelos virtuales de clientes para pruebas virtuales, mejorando la experiencia de compra online.
Optimización del diseño de la tienda: La IA puede generar los diseños de tienda más eficientes para mejorar la experiencia de compra del cliente e impulsar las ventas.
Resúmenes de reseñas de productos: La IA puede generar resúmenes de reseñas de productos para que los consumidores puedan encontrar rápidamente información pertinente.
En el comercio minorista y los bienes de consumo envasados, el impacto potencial de la IA generativa es significativo: entre 400.000 y 660.000 millones de dólares al año. (Informe McKinsey 2023).
Caso de uso 6
Medios y entretenimiento
La IA generativa contribuye a los medios y al entretenimiento de las siguientes maneras:
Generación de contenido: La IA generativa se puede utilizar para crear guiones, diálogos o incluso historias completas para películas, programas de televisión y juegos.
Realidad virtual: La IA generativa puede crear entornos virtuales inmersivos e interactivos para juegos o simulaciones.
Generación de noticias: La IA puede generar artículos de noticias o resúmenes basados en datos sin procesar o eventos.
Obtenga el valor empresarial de la IA generativa en su organización
Para obtener más información sobre los casos de uso de IA generativa en AWS, elija lo siguiente.
El potencial económico de la IA generativa
Para acceder a McKinsey & Informe de la empresa del 14 de junio de 2023, elija el siguiente botón para obtener más información.
Resumen de la lección
En esta lección, aprendió sobre algunos de los casos de uso típicos de la IA generativa. Continúe con la siguiente lección para explorar un escenario en el que la IA generativa se utiliza de diferentes maneras a lo largo del proceso de lanzamiento de un nuevo producto.
IA generativa en la práctica
Esta lección describe un escenario del mundo real sobre cómo la IA generativa puede beneficiar a clientes como usted. En la siguiente lección, aprenderá más sobre los riesgos y beneficios de la IA generativa.
Escenario de IA generativa
En el siguiente ejemplo, seguirá a AnyCompany, una marca de calzado establecida que planea introducir un nuevo zapato cómodo para caminar en su línea de productos. Para obtener más información, elija INICIO o los botones de flecha para mostrar cada una de las siguientes seis diapositivas.
Cada una de las siguientes diapositivas incluye un breve vídeo del escenario, que va acompañado del mensaje de IA generativa utilizado en el escenario y la salida FM resultante.
Diapositiva 1
Resumen de contenido
Aviso
Utilice este informe detallado de investigación de mercado para generar un resumen y un análisis de alto nivel del panorama actual que se utilizará en una presentación a los ejecutivos. [Insertar informe de mercado detallado.]
Resultado
Según nuestra investigación de mercado, el sector del calzado para caminar ha crecido un 12 por ciento durante el año pasado, lo que muestra un aumento en la demanda de comodidad y funcionalidad de los consumidores. Nuestros datos indican una fuerte preferencia entre los consumidores de entre 25 y 45 años por zapatos que puedan usarse en un entorno de trabajo sin dejar de ser cómodos y duraderos. Las encuestas también revelaron una tendencia creciente hacia opciones conscientes de la salud: el 63 por ciento de los encuestados indicó su preferencia por caminar hasta su lugar de trabajo si se les presentaba calzado de apoyo. Dadas estas tendencias, nuestro nuevo zapato cómodo para caminar puede satisfacer una importante demanda del mercado
Transcripcion video: "La empresa utilizará modelos básicos en las categorías de resumen de contenido, generación de contenido, generación de código y preguntas y respuestas. Comenzando con el resumen del contenido, imagine que el equipo de producto ha realizado una investigación exhaustiva sobre el mercado actual para esta nueva línea de calzado. Es posible que necesiten presentar sus hallazgos a la junta directiva o al equipo ejecutivo para obtener la aprobación para hacer avanzar el producto. A continuación se incluye un mensaje que utiliza el resumen de contenido para limitar el enfoque de un informe detallado de investigación de mercado.
Inmediato
Utilice este informe detallado de investigación de mercado para generar un resumen y un análisis de alto nivel del panorama actual que se utilizará en una presentación a los ejecutivos.
[El resultado comienza a aparecer en la pantalla.] El modelo comienza a generar un resumen que cubre los puntos clave del informe de mercado detallado.
Producción
Según nuestra investigación de mercado, el sector del calzado para caminar ha crecido un 12 por ciento durante el año pasado, lo que muestra un aumento en la demanda de comodidad y funcionalidad por parte de los consumidores. Nuestros datos indican una fuerte preferencia entre los consumidores de entre 25 y 45 años por zapatos que puedan usarse en un entorno de trabajo sin dejar de ser cómodos y duraderos. Las encuestas también revelaron una tendencia creciente hacia opciones conscientes de la salud: el 63 por ciento de los encuestados indicó su preferencia por caminar hasta su lugar de trabajo si se les presentaba calzado de apoyo. Dadas estas tendencias, nuestro nuevo zapato cómodo para caminar puede satisfacer una importante demanda del mercado.
¡Excelente! Ahora el equipo de producto está listo para presentar sus hallazgos."
Diapositiva 2
Generación de contenido, 1 de 3
Solicitud
Escriba una descripción del producto para usarla como copia del sitio web de un zapato que sea bueno para caminar por Londres con los siguientes detalles y materiales: cómodo, duradero, tela de malla, caucho. única característica de seguridad reflectante.
Producción
Zapato London Walker cómodo y duradero
Experimenta la comodidad y durabilidad del zapato London Walker, perfecto para todas tus aventuras caminando por la ciudad. La parte superior está confeccionada con tejido de malla transpirable para mantener los pies frescos y ventilados en los calurosos días de verano. La suela de goma proporciona una excelente tracción y agarre en calles adoquinadas irregulares. Los detalles reflectantes agregados en los paneles laterales y el talón brindan mayor visibilidad y seguridad para caminar de noche o en condiciones de poca luz.
Transcripcion video: "El equipo de producto tiene aprobación para presentar el calzado en las próximas semanas. En este punto, deben proporcionar a los desarrolladores del sitio web una copia del nuevo diseño del calzado. A continuación se muestra un ejemplo de un mensaje de generación de contenido para ayudar a agilizar el proceso de escritura.
Inmediato
Escriba una descripción del producto que se utilizará como copia del sitio web de un zapato que sea bueno para caminar por Londres con los siguientes detalles y materiales: cómodo, duradero, tela de malla, suela de goma, característica reflectante de seguridad.
[El resultado comienza a aparecer en la pantalla.] El FM comienza a escribir el texto del sitio web y finaliza en cuestión de segundos. Incluso si el equipo de producto necesita realizar algunas modificaciones, este es un punto de partida útil.
Producción
Zapato London Walker cómodo y duradero
Experimenta la comodidad y durabilidad del zapato London Walker, perfecto para todas tus aventuras caminando por la ciudad. La parte superior está confeccionada con tejido de malla transpirable para mantener los pies frescos y ventilados en los calurosos días de verano. La suela de goma proporciona una excelente tracción y agarre en calles adoquinadas irregulares. Los detalles reflectantes agregados en los paneles laterales y el talón brindan mayor visibilidad y seguridad para caminar de noche o en condiciones de poca luz."
Diapositiva 3
Generación de contenidos, 2 de 3
Solicitar
Escriba un anuncio de producto para utilizarlo en las redes sociales basándose en los detalles anteriores.
Producción
¿Buscas un nuevo par de zapatos? ¡No busques más que el London Walker! Este zapato elegante y cómodo es perfecto para todas tus aventuras a pie por la ciudad. Con tejido de malla transpirable, suela de goma y detalles reflectantes, el London Walker te mantendrá seguro y cómodo durante todo el día.
#LondonWalker #aventurasdecaminata
Transcripcion video: "El equipo también debe proporcionar al departamento de marketing algún texto para generar interés en las redes sociales. En la misma sesión, el equipo puede solicitar a la IA generativa que recuerde información de la respuesta anterior.
Inmediato
Redactar un anuncio de producto para utilizar en las redes sociales basándose en los detalles anteriores.
[El resultado comienza a aparecer en la pantalla.] Debido a que el modelo puede recordar información anterior de la conversación, no tiene problemas para generar una publicación en las redes sociales.
Producción
¿Buscas un nuevo par de zapatos? ¡No busques más que el London Walker! Este zapato elegante y cómodo es perfecto para todas tus aventuras a pie por la ciudad. Con tejido de malla transpirable, suela de goma y detalles reflectantes, el London Walker te mantendrá seguro y cómodo durante todo el día.
#LondonWalker #aventurasdecaminata"
Diapositiva 4
Generación de contenidos, 3 de 3
Preguntar
Estilice esta foto como una foto de producto con un fondo en Londres. [Adjuntar foto]
Salida
[Foto estilizada de un zapato con Londres de fondo]
Transcripcion video: "El equipo de marketing también solicitó una foto para incluirla en las publicaciones de las redes sociales. Aunque el equipo de producto tiene algunas imágenes de estudio, no tienen el tiempo ni el presupuesto para realizar una sesión profesional en Londres. Nuevamente, pueden generar esta imagen usando una IA generadora de imágenes siguiendo el siguiente mensaje y adjuntando una de sus fotos de estudio.
Inmediato
Estiliza esta foto como una foto de producto con fondo en Londres.
El modelo genera rápidamente una foto estilizada y se dedica al marketing.
Producción
[Foto de un zapato con Londres de fondo.]"
Diapositiva 5
Codigo de GENERACION
Solicitud
Cree un script de Python para cargar archivos en Amazon Simple Storage Service (Amazon S3).
Producción
Código de Amazon CodeWhisperer: IDE
# Cree un script de Python para cargar archivos en Amazon Simple Storage Service (Amazon S3).
importar boto3
s3 = boto3.cliente('s3')
s3.upload_file('text.txt', 'mi-depósito', 'test.txt')
Transcripcion video: "El nuevo zapato lleva poco más de una semana en el mercado. El equipo de producto quiere entender cómo reaccionan los lectores a la publicación en las redes sociales. Tienen los datos de opinión y quieren cargar esos datos en un depósito de Amazon Simple Storage Service (Amazon S3). Pueden utilizar un asistente de codificación de IA, como Amazon CodeWhisperer, para generar un script de Python que cargará los datos de opinión en un depósito de S3.
Inmediato
Cree un script de Python para cargar archivos en Amazon Simple Storage Service (Amazon S3).
CodeWhisperer genera el código en cuestión de segundos.
Producción
[Mostrar generación de código en pantalla.]"
Diapositiva 6
Pregunta y respuesta
Pregunta (del cliente)
Hola, necesito ayuda para encontrar el número de seguimiento de mi pedido más reciente.
Producción
Hola John, veo que ordenaste el London Walker el 8 de julio de 2023. La fecha de entrega prevista es mañana, 12 de julio de 2023. Aquí está el número de seguimiento para tus registros y referencia: 123456789.
Transcripcion video: "El equipo ha trabajado con desarrolladores para introducir un nuevo chatbot de IA en el sitio web. Han perfeccionado el modelo capacitándolo en las distintas líneas de productos y en la base de datos de clientes. La experiencia del cliente mejorada proporciona un toque personal al cliente y también le ahorra a la empresa tiempo y gastos en el centro de llamadas. El cliente puede plantear al chatbot preguntas como las siguientes.
Aviso (del cliente)
Hola, necesito ayuda para encontrar el número de seguimiento de mi pedido más reciente.
[El resultado comienza a aparecer en la pantalla.] El modelo optimizado puede acceder a la información del pedido del cliente y proporcionarla directamente en la ventana de chat.
Producción
Hola John, veo que ordenaste el London Walker el 8 de julio de 2023. La fecha de entrega prevista es mañana, 12 de julio de 2023. Aquí está el número de seguimiento para tus registros y referencia: 123456789."
Resumen de la lección
El escenario de esta lección destacó varios casos de uso de la IA generativa durante el ciclo de vida del lanzamiento de un nuevo producto.
Riesgos y beneficios
Evaluación de los beneficios y riesgos de la IA generativa
Con la adopción acelerada y el mayor alcance de la IA generativa, los riesgos sociales y legales también están aumentando. También debe considerar los riesgos operativos debido a un único punto de falla o resultados inconsistentes. Puede establecer principios de IA para prevenir daños, auditar sistemas, ganar confianza y cumplir con los requisitos reglamentarios.
¿Cuáles son algunos de los posibles riesgos de la IA generativa?
La facilidad de uso también conlleva posibles riesgos. Para obtener más información, revise los siguientes tres riesgos.
Requisitos normativos – Por ejemplo, el contenido que potencialmente viola la propiedad intelectual de otra persona es una preocupación regulatoria.
Riesgos sociales – Por ejemplo, la posibilidad de contenido no deseado que pueda reflejarse negativamente en su organización es un riesgo social.
Preocupaciones por la privacidad – Por ejemplo, la información compartida con su modelo puede incluir información personal y potencialmente violar las leyes de privacidad.
La IA generativa conlleva una gran responsabilidad. Depende de los desarrolladores, investigadores y usuarios asegurarse de que se utilice de forma ética, responsable y beneficiosa.
¿Cuáles son algunos de los beneficios de la IA generativa?
Los beneficios que las empresas pueden obtener de la IA generativa apenas están llegando al mercado. Para obtener más información, revise los siguientes cuatro beneficios.
- Personalice interacciones con el cliente.
- Generar contenidos novedosos.
- Adapte eficazmente modelos prediseñados a casos de uso empresarial.
- Consiga aumentos de productividad mediante automatización.
Como se mencionó anteriormente, las empresas están utilizando la IA generativa para producir contenido para el consumo de los consumidores más rápido que nunca.
Los equipos de marketing pueden realizar rápidamente pruebas A/B en imágenes de productos con diferentes conjuntos de colores y fondos. Pueden dirigirse a diferentes audiencias de manera más efectiva en las redes sociales y crear animaciones personalizadas en una fracción del tiempo en comparación con el uso de métodos tradicionales. También pueden enviar copias escritas rápidamente a varios medios de prensa.
Los desarrolladores pueden utilizar CodeWhisperer para generar bloques de código de rutina e implementar API de terceros. Esto puede aumentar la productividad y mejorar el rendimiento general al acelerar la codificación y reducir los esfuerzos de desarrollo. Este es un gran paso adelante en la productividad de los desarrolladores y creemos que es solo el comienzo. Tiene el potencial de hacer que organizaciones enteras de ingeniería sean más productivas.
Resumen de la lección
Esta lección revisó algunos de los riesgos y beneficios involucrados en el uso de IA generativa en su organización.
Conclusión
En este curso, aprendió sobre los siguientes temas:
- Qué es la IA generativa y cómo encaja en el aprendizaje automático
- Historia del aprendizaje automático en Amazon
- Servicios de IA generativa disponibles en Amazon
- Por qué la IA generativa es importante
- Casos de uso empresarial y valores para la IA generativa
- Riesgos y beneficios de la IA generativa
IA generativa en AWS
Para obtener más información sobre la IA generativa en AWS, elija el siguiente botón.
Roca Amazónica
Para obtener más información sobre Amazon Bedrock, elija el siguiente botón.
Capacitación en AWS
Para obtener más información sobre AWS Trainium, elija el siguiente botón.
Inferencia de AWS
Para obtener más información sobre AWS Inferentia, elija el siguiente botón.
Código de Amazon Whisperer
Para obtener más información sobre CodeWhisperer, elija el siguiente botón.
Amazon SageMaker
Para obtener más información sobre SageMaker, elija el siguiente botón.
No hay comentarios:
Publicar un comentario