Amazon Web Services (AWS) ha anunciado hoy nuevas innovaciones de Amazon Bedrock que ofrecen a los clientes la forma más fácil, rápida y segura de desarrollar aplicaciones y experiencias avanzadas de inteligencia artificial (IA) generativa.
Vamos a desglosarlas con ilustraciones que fueron creadas con una de estas innovaciones: Amazon Titan Image Generator (desde Titán, la luna más grande de Saturno, por supuesto).
La nueva capacidad de importación de modelos personalizados ayuda a las organizaciones a llevar sus propios modelos a Amazon Bedrock
En IA, dos (o incluso tres) modelos suelen ser mejores que uno. Es el efecto de la inteligencia compuesta.
Los clientes de Amazon Bedrock, utilizan cada vez más sus propios datos personalizando los modelos fundacionales disponibles públicamente para sus casos de uso específicos. Esto se debe a que se produce un efecto de inteligencia compuesta cuando los clientes combinan la inteligencia de los diferentes modelos fundacionales (FM) y los modelos de lenguaje de gran tamaño (LLM) disponibles en Bedrock con sus propios datos. Piénselo como la versión de la IA generativa de «dos cabezas (o más) piensan mejor que una». Esa inteligencia añadida también significa que las aplicaciones resultantes son más capaces de atender a una mayor variedad de casos de uso. ¿Qué piden los clientes? Una forma fácil y segura de añadir sus propios modelos personalizados a Bedrock.
Con la importación de modelos personalizados de Amazon Bedrock, las organizaciones ahora pueden importar y obtener acceso a sus propios modelos personalizados como una interfaz de programación de aplicaciones (API) totalmente administrada en Bedrock, lo que les ofrece una opción sin precedentes a la hora de crear aplicaciones de IA generativa. Para comenzar, las organizaciones pueden agregar fácilmente modelos a Amazon Bedrock que hayan sido personalizados en Amazon SageMaker, o a través de otra herramienta de terceros u otro proveedor de nube. Tras completar un proceso de validación automatizado, pueden acceder sin problemas a su modelo personalizado, como a cualquier otro en Amazon Bedrock.
Con esta nueva capacidad, AWS facilita a las organizaciones la elección de una combinación de modelos de Amazon Bedrock y sus propios modelos personalizados a través de la misma API. La importación de modelos personalizados de Amazon Bedrock ya está disponible en versión preliminar y es compatible con tres de las arquitecturas de modelos abiertos más populares – Flan-T5, Llama y Mistral- y se prevé que haya más en el futuro.
La evaluación de modelos ayuda a los clientes a evaluar, comparar y seleccionar el mejor modelo para crear e implantar aplicaciones de IA generativa.
El delicado equilibrio entre la precisión y el rendimiento del modelo es clave a la hora de elegir los modelos de IA.
Por supuesto, antes de combinar modelos para obtener más inteligencia, los clientes quieren tener una idea más clara de qué modelos funcionarán mejor para su aplicación. Elegir el mejor modelo para un caso de uso específico requiere un delicado equilibrio entre la precisión y el rendimiento del modelo. Hasta ahora, las organizaciones tenían que realizar este laborioso ejercicio de equilibrio para cada nuevo modelo y caso de uso. El resultado era un desarrollo y una entrega más lentos de experiencias de IA generativa a sus clientes.
Ahora ya disponible de forma general, Model Evaluation es la forma más rápida para que las organizaciones analicen y comparen modelos en Amazon Bedrock, reduciendo el tiempo dedicado a la evaluación de modelos para que puedan lanzar nuevas aplicaciones y experiencias al mercado con mayor rapidez. Los clientes pueden comenzar rápidamente seleccionando criterios de evaluación predefinidos (por ejemplo, precisión y solidez) y cargando su propia biblioteca de prompts o seleccionando entre conjuntos de datos integrados y disponibles públicamente. Para criterios subjetivos o contenidos que requieran un juicio matizado, los clientes pueden configurar fácilmente flujos de trabajo de evaluación basados en humanos. Una vez que los clientes finalizan el proceso de configuración, Amazon Bedrock ejecuta las evaluaciones y genera un informe, de modo que los clientes pueden comprender el desempeño del modelo en relación con sus criterios clave y seleccionar rápidamente los mejores modelos para sus casos de uso.
La familia de modelos de IA Amazon Titan acaba de crecer al doble
Todo lo que se necesita es un texto simple para hacer una linda imagen con Amazon Titan Image Generator.
AWS se complace en anunciar la disponibilidad general de Amazon Titan Image Generator (ahora con marca de agua invisible) y la última versión de Amazon Titan Text Embeddings, ambas en exclusiva en Amazon Bedrock.
Los profesionales de sectores como la publicidad, el comercio electrónico, los medios de comunicación y el entretenimiento, entre muchos otros, ya pueden acceder al Generador de imágenes de Amazon Titan para producir imágenes de alta calidad desde cero, o mejorar y editar imágenes existentes, a bajo costo. Todo lo que hay que hacer es escribir una descripción de texto en el prompt y Amazon Titan lo convertirá en una imagen con el estilo que describas. Por ejemplo, la descripción de la imagen mostrada arriba era: «Desde la superficie de la luna Titán con Saturno de fondo, el texto “flor” en fuente moderna emerge de la boca de un robot muy simpático, el texto se convierte entonces en imágenes de flores soleadas en la superficie de la luna».
Amazon Titan aplica una marca de agua invisible a todas las imágenes que genera, lo que ayuda a identificar las imágenes generadas por IA para promover el desarrollo seguro y transparente de la tecnología de IA y reducir la propagación de la desinformación. El modelo también puede comprobar la existencia de marcas de agua, ayudando a los clientes a confirmar si una imagen ha sido generada por Amazon Titan Image Generator.
El segundo miembro de la familia anunciado hoy es Amazon Titan Text Embeddings V2, que está optimizado para trabajar con casos de uso de Retrieval Augmented Generation (RAG), lo que lo hace muy adecuado para una variedad de casos de uso como la recuperación de información, chatbots de preguntas y respuestas, y recomendaciones personalizadas. La RAG es una popular técnica de personalización de modelos en la que el MF se conecta a fuentes de conocimiento adicionales que puede consultar para obtener respuestas más precisas. Aunque los resultados son ideales, la ejecución de estas operaciones puede requerir una gran cantidad de computación y almacenamiento. Con Amazon Titan Text Embeddings V2, que se lanzará a finales de mes, los clientes tienen la opción de aprovechar tamaños de incrustación flexibles que se adaptan a las diversas necesidades de las aplicaciones, desde implementaciones móviles de baja latencia hasta flujos de trabajo asíncronos de alta precisión, lo que reduce el almacenamiento total hasta cuatro veces, a la vez que conserva el 97% de la precisión para los casos de uso de RAG.
Con Guardrails para Amazon Bedrock, los clientes pueden implementar fácilmente medidas para eliminar información personal y sensible, obscenidades, palabras específicas, así como bloquear contenido dañino.