Amazon Web Service (AWS) raddoppia le sue iniziative per diventare il cloud provider di riferimento per le organizzazioni che vogliono trarre vantaggio dall’AI generativa. In occasione dell’evento AWS Summit New York, tenutosi il 26 luglio, il leader del cloud ha delineato la sua strategia generale per l’AI generativa e ha annunciato una serie di aggiornamenti iterativi e nuovi servizi incrementali. Tra le principali novità annunciate c’è Agents for Amazon Bedrock.
L’ultima serie di aggiornamenti sull’AI generativa arriva mentre AWS continua ad affrontare la forte concorrenza dei rivali, tra cui Microsoft, con i suoi servizi Azure OpenAI, e la crescente serie di servizi di AI generativa di Google.
Nuovi modelli supportati: Cohere, Anthropic Claude 2 e Stability AI SDXL 1.0
Il cuore di Amazon è il suo servizio di foundaton model AI chiamato Bedrock, annunciato ad aprile, con il supporto per i modelli di AI21, Anthropic e Stability AI, oltre ai modelli Amazon Titan. L’elenco dei modelli supportati è stato ora ampliato con l’aggiunta di Cohere e dei modelli Anthropic Claude 2 e Stability AI SDXL 1.0.
Annunciata inoltre una funzionalità di intelligenza artificiale per il servizio di business intelligence Amazon Quicksight e l’anteprima di un motore vettoriale per il servizio di ricerca serverless OpenSearch. Il gigante del cloud ha anche utilizzato l’evento per annunciare la disponibilità generale del servizio AWS Entity Resolution per migliorare la gestione dei dati.
“L’AI generativa ha catturato la nostra immaginazione per la sua capacità di creare immagini e video e persino di generare codice, e credo che trasformerà ogni applicazione, settore e azienda”, ha dichiarato Swami Sivasubramanian, VP of databases, analytics and ML di AWS, durante il suo discorso programmatico all’AWS Summit di New York.
Agents per Amazon Bedrock
Nell’AI generativa, un agente è uno strumento che può aiutare a eseguire più compiti per conto di uno sviluppatore. Al momento del lancio di Bedrock non esistevano funzionalità native di agente, ma la situazione sta cambiando con l’anteprima annunciata all’evento AWS.
Sivasubramanian ha spiegato che Agents for Amazon Bedrock è una nuova funzionalità per gli sviluppatori che consente alle applicazioni di AI generativa di completare le attività in pochi clic. Ha sottolineato che gli agenti possono essere utilizzati per aiutare a configurare automaticamente i modelli di fondazione e per aiutare a orchestrare le attività senza dover scrivere alcun codice.
Sivasubramanian ha dichiarato che l’agente collega in modo sicuro un foundation model alla giusta fonte di dati attraverso una semplice API. L’agente può anche essere utilizzato per aiutare a convertire automaticamente i dati in formato leggibile dalla macchina.
“Gli agenti di Bedrock possono intervenire effettuando automaticamente chiamate API per conto dell’azienda, senza doversi preoccupare di sistemi complessi e dell’hosting, perché la gestione è completa”, ha dichiarato Sivasubramanian.
Nuovi motori vettoriali
Le incorporazioni vettoriali sono un elemento essenziale dell’AI generativa, che converte i contenuti in rappresentazioni matematiche per consentire il contesto e la corrispondenza.
I vettori devono essere memorizzati in un database con capacità vettoriali. A tal fine, Sivasubramanian ha notato che oggi AWS offre funzionalità di database vettoriale per il suo database relazionale Aurora PostgreSQL. Questo supporto vettoriale, annunciato il 13 luglio scorso, è abilitato tramite il software open-source pgvector open source.
Amazon sta ora estendendo il supporto per i motori vettoriali come funzione di anteprima anche al suo servizio di ricerca serverless OpenSearch.
“Questo motore vettoriale offre un’archiviazione e una ricerca vettoriale semplice, scalabile e ad alte prestazioni senza dover gestire alcuna infrastruttura”, ha dichiarato Sivasubramanian.
La business intelligence diventa più intelligente con l’AI generativa
Tra gli aggiornamenti di Amazon in materia di AI va segnalata anche l’integrazione dell’AI generativa nel servizio di business intelligence Amazon Quicksight.
Secondo Sivasubramanian, gli analisti aziendali spendono molto tempo e fatica per sviluppare le visualizzazioni e i report giusti a partire dai dati aziendali. Invece di lottare con formule e comandi complessi, con le nuove funzionalità di intelligenza artificiale generativa di Amazon Quicksight, gli analisti aziendali possono utilizzare query in linguaggio naturale per creare i report, le visualizzazioni e le dashboard di cui hanno bisogno in meno tempo.
AWS HealthScribe, AI e riconoscimento vocale per la sanità
Amazon ha annunciato anche AWS HealthScribe, un nuovo servizio che consente ai fornitori di software per il settore sanitario di creare applicazioni cliniche che utilizzano il riconoscimento vocale e l’intelligenza artificiale generativa per risparmiare tempo ai medici generando documentazione clinica. Con AWS HealthScribe, i fornitori di software per il settore sanitario possono utilizzare un’unica API per creare automaticamente trascrizioni affidabili, estrarre dettagli chiave (ad esempio, termini medici e farmaci) e creare riepiloghi dalle discussioni medico-paziente che possono quindi essere inseriti in un sistema di cartelle cliniche elettroniche (EHR).
Basato su Amazon Bedrock, AWS HealthScribe rende più semplice e veloce per i fornitori di software sanitario integrare funzionalità di intelligenza artificiale generativa nelle loro applicazioni a partire da due specialità popolari (ad esempio, medicina generale e ortopedia), senza dover gestire l’infrastruttura di machine learning (ML) sottostante o addestrare i propri modelli linguistici di grandi dimensioni (LLM) specifici per il settore sanitario. AWS HealthScribe consente la distribuzione responsabile dei sistemi di intelligenza artificiale citando l’origine di ogni riga di testo generato all’interno della trascrizione della conversazione originale, rendendo più facile per i medici rivedere le note cliniche prima di inserirle nell’EHR. Progettato pensando alla sicurezza e alla privacy, AWS HealthScribe offre ai clienti il controllo su dove vengono archiviati i dati, crittografa i dati in transito e inattivi e non utilizza input o output generati attraverso il servizio per addestrare i propri modelli.
