AWS นำเสนอบริการใหม่เพื่อเร่งความสามารถในการสร้างนวัตกรรม Generative AI

ขณะนี้ Amazon Bedrock พร้อมให้บริการโดยทั่วไปแล้ว โดยเป็นบริการที่มีการจัดการเต็มรูปแบบ ซึ่งมีตัวเลือกโมเดลพื้นฐานที่มีประสิทธิภาพสูงจากบริษัท AI ชั้นนํา พร้อมด้วยชุดความสามารถที่หลากหลายในการสร้าง application ที่เกี่ยวกับ Generative AI ให้เลือกใช้ ซึ่งจะช่วยให้การพัฒนาง่ายขึ้นพร้อมกับการรักษาความเป็นส่วนตัวและความปลอดภัย

ด้วยการเพิ่ม Amazon Titan Embeddings และโมเดล Llama 2 ของ Meta เข้ามา ทำให้ Amazon Bedrock ช่วยให้ลูกค้ามีตัวเลือกและความยืดหยุ่นมากยิ่งขึ้นในการค้นหาโมเดลที่เหมาะสมกับการใช้งานในแต่ละกรณี

ความสามารถใหม่ของ Amazon CodeWhisperer จะอาศัยความสามารถของ Generative AI ในการแนะนำการเขียนโค้ดโดยใช้ฐานข้อมูลโค้ดภายในขององค์กรของลูกค้าเองเป็นแหล่งหลัก ซึ่งจะช่วยเพิ่มประสิทธิภาพการทํางานของนักพัฒนา

ความสามารถในการสร้างแดชบอร์ด Generative BI ใน Amazon QuickSight ช่วยให้นักวิเคราะห์ธุรกิจสามารถสำรวจข้อมูลและสร้างสื่อแสดงผลที่น่าสนใจได้อย่างรวดเร็วและง่ายขึ้น ผ่านการอธิบายสิ่งที่ต้องการด้วยภาษาธรรมชาติ

บริษัทต่าง ๆ เช่น สำนักข่าวกรุงเทพธุรกิจ, adidas, BMW Group, GoDaddy, Merck, NatWest Group, Persistent, PGA TOUR, Takenaka Corporation และ Traeger Grills เป็นกลุ่มลูกค้าที่ใช้นวัตกรรม Generative AI จาก AWS ในการเปลี่ยนสภาพผลิตภัณฑ์และบริการของตน

 

กรุงเทพฯ (10 ตุลาคม 2566) – Amazon Web Services, Inc. (AWS) บริษัทในเครือ Amazon.com, Inc. ประกาศเปิดตัวนวัตกรรมปัญญาประดิษฐ์ (Artificial Intelligence: AI) ทั้งหมด 5 นวัตกรรม เพื่อให้องค์กรทุกขนาดสามารถสร้างแอปพลิเคชัน Generative AI ใหม่ เพิ่มประสิทธิภาพการทำงานของพนักงาน และเปลี่ยนสภาพธุรกิจของตนได้ รวมถึงประกาศความพร้อมใช้งานทั่วไปของ Amazon Bedrock ซึ่งเป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งทำให้โมเดลพื้นฐานต่าง ๆ (Foundation Model: FM) จากบริษัท AI ชั้นนำพร้อมใช้งานผ่าน Application Programming Interface (API) เดียว นอกจากนี้เพื่อให้ลูกค้ามีทางเลือกโมเดลพื้นฐานที่มากขึ้น AWS ยังประกาศความพร้อมใช้งานทั่วไปของโมเดล Amazon Titan Embeddings และ Llama 2 อีกด้วย ซึ่งจะทำให้เป็นบริการที่มีการจัดการเต็มรูปแบบแห่งแรกที่นำเสนอ Llama 2 ของ Meta ผ่านทาง API

สำหรับองค์กรที่ต้องการสร้างมูลค่าสูงสุดให้นักพัฒนาของตนจาก Generative AI นั้น AWS ยังประกาศความสามารถใหม่ (ที่จะพร้อมให้ใช้งานในแบบ preview เร็วๆ นี้) สำหรับ Amazon CodeWhisperer ที่เป็นคู่หูการเขียนโค้ดที่ขับเคลื่อนด้วย AI ของ AWS ที่ปรับแต่งคำแนะนำโค้ดของ CodeWhisperer อย่างปลอดภัยบนพื้นฐานของฐานข้อมูลโค้ดภายในขององค์กรเอง

AWS ปล่อยตัวอย่างความสามารถในการเขียน Generative Business Intelligence (BI) สำหรับ Amazon QuickSight เพื่อเพิ่มประสิทธิภาพการทำงานของนักวิเคราะห์ธุรกิจ โดย Amazon QuickSight เป็นบริการ BI แบบรวมศูนย์ที่สร้างขึ้นสําหรับระบบคลาวด์ เพื่อให้ลูกค้าสามารถสร้างสรรค์การนำเสนอที่น่าสนใจผ่านแผนภูมิ การคํานวณ และอื่นๆ อีกมากมาย โดยเพียงแค่อธิบายสิ่งที่ต้องการในภาษาธรรมชาติ

นวัตกรรม Amazon Bedrock และ Amazon Titan Embeddings ไปจนถึง CodeWhisperer และ QuickSight จะช่วยเพิ่มความสามารถของบริการที่ AWS มอบให้กับลูกค้าที่ใช้ Generative AI ในทุกระดับสําหรับองค์กรทุกขนาด ตลอดจนความปลอดภัยและความเป็นส่วนตัวระดับองค์กร หากต้องการเริ่มต้นใช้งาน Generative AI บน AWS โปรดไปที่ aws.amazon.com/generative-ai/

สวามิ ศิวาสุบราห์มาเนียน รองประธานฝ่ายข้อมูลและ AI ของ AWS กล่าวว่า “ในปีที่ผ่านมา การแพร่กระจายของข้อมูล การเข้าถึงการประมวลผลที่ปรับขนาดได้ และความก้าวหน้าของแมชชีนเลิร์นนิง (ML) ได้นําไปสู่ความสนใจใน Generative AI ที่เพิ่มขึ้นอย่างมาก ซึ่งจุดประกายแนวคิดใหม่ ๆ ที่อาจทำให้เกิดการเปลี่ยนแปลงในอุตสาหกรรมทั้งหมด และการเริ่มต้นคิดเรื่องวิธีการทำงานใหม่ ๆ ด้วยความปลอดภัยและความเป็นส่วนตัวระดับองค์กร การเลือกใช้ FM ชั้นนำ แนวทางที่เน้นข้อมูลเป็นพื้นฐาน รวมถึงโครงสร้างพื้นฐานประสิทธิภาพสูงที่มีความคุ้มค่าของเรา องค์กรต่าง ๆ จึงไว้วางใจใน AWS เพื่อขับเคลื่อนธุรกิจของพวกเขาด้วยโซลูชัน Generative AI การประกาศในวันนี้ถือเป็นก้าวสำคัญที่นำ Generative AI มาอยู่ใกล้แค่ปลายนิ้วของทุกธุรกิจ ตั้งแต่สตาร์ทอัพไปจนถึงองค์กรขนาดใหญ่ และพนักงานทุกคน ตั้งแต่นักพัฒนาไปจนถึงนักวิเคราะห์ข้อมูล ด้วยนวัตกรรมใหม่อันทรงพลัง AWS จึงนําความปลอดภัย ทางเลือก และประสิทธิภาพที่มากขึ้นมาสู่ลูกค้า ในขณะเดียวกันก็ช่วยให้พวกเขาปรับกลยุทธ์ข้อมูลให้สอดคล้องกันทั่วทั้งองค์กร เพื่อให้สามารถใช้ประโยชน์จากศักยภาพของ Generative AI เพื่อสร้างการเปลี่ยนแปลงได้อย่างเต็มที่”

องค์กรทุกขนาดและทุกธุรกิจต้องการเริ่มต้นใช้ Generative AI เพื่อเปลี่ยนแปลงวิธีการดำเนินงาน มองหาวิธีการแก้ปัญหาที่ยากลำบากและสร้างประสบการณ์ผู้ใช้ใหม่ ในขณะที่ความก้าวหน้าล่าสุดใน generative AI ได้รับความสนใจอย่างแพร่หลาย แต่ธุรกิจจํานวนมากไม่สามารถมีส่วนร่วมในการเปลี่ยนแปลงนี้ได้ องค์กรเหล่านี้ต้องการเริ่มต้นใช้ Generative AI แต่กังวลเรื่องความปลอดภัยและความเป็นส่วนตัวของเครื่องมือเหล่านี้ และยังต้องการทางเลือกของ FM ที่หลากหลาย เพื่อให้สามารถทดสอบโมเดลต่าง ๆ เพื่อพิจารณาว่าโมเดลใดทำงานได้ดีที่สุดสำหรับกรณีการใช้งานต่าง ๆ ลูกค้าต้องการใช้ประโยชน์สูงสุดจากข้อมูลที่มีอยู่แล้วโดยการปรับแต่งโมเดลแบบส่วนตัวเพื่อสร้างประสบการณ์ที่แตกต่างให้กับผู้ใช้จริง สุดท้ายพวกเขาต้องการเครื่องมือที่ช่วยให้พวกเขานำนวัตกรรมใหม่ ๆ เหล่านี้ออกสู่ตลาดได้อย่างรวดเร็ว และโครงสร้างพื้นฐานที่ช่วยให้พวกเขาสามารถนำแอปพลิเคชัน Generative AI ไปใช้ในระดับโลก นั่นเป็นเหตุผลที่ลูกค้า เช่น adidas, Alida, Asurion, BMW Group, Clariant, Genesys, Glide, GoDaddy, Intuit, LexisNexis Legal & Professional, Lonely Planet, Merck, NatWest Group, Perplexity AI, Persistent, Quext, RareJob Technologies, Rocket Mortgage, SnapLogic, Takenaka Corporation, Traeger Grills, the PGA TOUR, United Airlines, Verint, Verisk, WPS และอื่น ๆ ได้เลือกใช้ AWS สำหรับ Generative AI

Amazon Bedrock พร้อมใช้งานโดยทั่วไปแล้ว ช่วยให้ลูกค้าสามารถสร้างและปรับขนาดแอปพลิเคชัน Generative AI ได้มากยิ่งขึ้น

Amazon Bedrock เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งนําเสนอตัวเลือก FM ประสิทธิภาพสูงจากบริษัท AI ชั้นนํา เช่น AI21 Labs, Anthropic, Cohere, Meta, Stability AI และ Amazon พร้อมกับชุดความสามารถที่หลากหลายที่ลูกค้าต้องการในการสร้างแอปพลิเคชัน Generative AI ทำให้การพัฒนาง่ายขึ้นในขณะที่รักษาความเป็นส่วนตัวและความปลอดภัย ความยืดหยุ่นของ FM ทำให้สามารถนำไปใช้กับกรณีการใช้งานที่หลากหลาย โดยขับเคลื่อนทุกอย่างตั้งแต่การค้นหา การสร้างเนื้อหา ไปจนถึงการค้นพบยา อย่างไรก็ตาม มีบางสิ่งที่ยังขัดขวางธุรกิจส่วนใหญ่ที่ต้องการนำ Generative AI มาใช้ ประการแรกพวกเขาต้องการวิธีที่เรียบง่ายในการค้นหาและเข้าถึง FM ที่มีประสิทธิภาพสูงและเหมาะสมที่สุดกับวัตถุประสงค์ของพวกเขา ประการที่สองลูกค้าต้องการให้การรวมแอปพลิเคชันเป็นไปอย่างราบรื่น โดยไม่ต้องจัดการโครงสร้างพื้นฐานขนาดใหญ่หรือมีค่าใช้จ่ายจํานวนมาก สุดท้ายลูกค้าต้องการวิธีที่ง่ายในการใช้ FM พื้นฐานและสร้างแอปพลิเคชันที่แตกต่างด้วยข้อมูลของพวกเขา เนื่องจากข้อมูลที่ลูกค้าต้องการสำหรับการปรับแต่งนั้นเป็นทรัพย์สินที่มีคุณค่าอย่างมาก จึงต้องรักษาความปลอดภัยและความเป็นส่วนตัวอย่างสมบูรณ์ในกระบวนการ และลูกค้าต้องการควบคุมว่าข้อมูลจะถูกแบ่งปันและใช้งานอย่างไร

ด้วยความสามารถที่ครอบคลุมของ Amazon Bedrock ลูกค้าสามารถทดลองใช้ FM ชั้นนำได้หลายรูปแบบและสามารถปรับแต่งแบบส่วนตัวได้ด้วยข้อมูลของตนได้อย่างง่ายดาย นอกจากนี้ Amazon Bedrock ยังมีความสามารถที่แตกต่างออกไป เช่น การสร้างตัวแทน (Agent) เพื่อดำเนินงานทางธุรกิจที่ซับซ้อน เช่น การจองท่องเที่ยว การประมวลผลคำขอเคลมประกัน การสร้างแคมเปญโฆษณา และการจัดการสินค้าคงคลัง โดยไม่ต้องเขียนโค้ดใด ๆ และเนื่องจากบริการ Amazon Bedrock เป็นแบบ Serverless ลูกค้าไม่ต้องจัดการโครงสร้างพื้นฐานใด ๆ ลูกค้าสามารถปรับใช้ความสามารถของ Generative AI ในแอปพลิเคชันของตนได้อย่างปลอดภัยโดยใช้บริการของ AWS ที่คุ้นเคยอยู่แล้ว Amazon Bedrock สร้างขึ้นโดยคำนึงถึงความปลอดภัยและความเป็นส่วนตัว ทำให้ลูกค้าสามารถปกป้องข้อมูลที่ละเอียดอ่อนได้อย่างง่ายดาย ลูกค้าสามารถใช้ AWS PrivateLink เพื่อสร้างการเชื่อมต่อที่เป็นส่วนตัวและปลอดภัยระหว่าง Amazon Bedrock และ Virtual Private Cloud (VPC) โดยไม่ต้องเปิดเผยการรับส่งข้อมูลใด ๆ ไปยังอินเทอร์เน็ต และสำหรับลูกค้าในอุตสาหกรรมที่มีกฎระเบียบเข้มงวด Amazon Bedrock เป็นบริการที่สามารถใช้ได้ตามเกณฑ์ HIPAA และสอดคล้องกับ GDPR ช่วยให้ลูกค้าได้รับประโยชน์จาก Generative AI มากยิ่งขึ้น

Amazon Bedrock ขยายการเลือกโมเดลอย่างต่อเนื่องด้วย Amazon Titan Embeddings และ Llama 2 เพื่อช่วยให้ลูกค้าทุกคนค้นหาโมเดลที่เหมาะสมสําหรับกรณีการใช้งานของตน

ไม่มีโมเดลใดได้รับการปรับให้เหมาะสมสำหรับทุกกรณีการใช้งานและเพื่อปลดล็อกประโยชน์ของ Generative AI ลูกค้าจำเป็นต้องเข้าถึงโมเดลที่หลากหลายเพื่อค้นหาสิ่งที่ดีที่สุดตามความต้องการของพวกเขา นั่นคือเหตุผลที่ Amazon Bedrock ช่วยให้ลูกค้าค้นหาและทดสอบ FM ชั้นนําที่ผ่านการคัดสรรหลายรูปแบบได้อย่างง่ายดาย รวมถึงโมเดลจาก AI21 Labs, Anthropic, Cohere, Meta, Stability AI และ Amazon ผ่าน API เดียว นอกจากนี้ ยังเป็นส่วนหนึ่งของความร่วมมือเชิงกลยุทธ์ที่ประกาศเมื่อเร็ว ๆ นี้โดย FM ในอนาคตทั้งหมดจาก Anthropic จะพร้อมใช้งานภายใน Amazon Bedrock พร้อมสิทธิ์การเข้าถึงคุณสมบัติเฉพาะก่อนใครสําหรับการปรับแต่งโมเดลและความสามารถในการปรับแต่งอย่างละเอียด ทั้งนี้ Amazon Bedrock ยังคงขยายการเลือก FM อย่างต่อเนื่องด้วยการเข้าถึงโมเดลใหม่ ๆ

  • Amazon Titan Embeddings พร้อมใช้งานโดยทั่วไปแล้ว: Amazon Titan FM เป็นตระกูลโมเดลที่ AWS สร้างขึ้นและฝึก (Train) ด้วยชุดข้อมูลขนาดใหญ่ ทําให้มีความสามารถทั่วไปที่มีประสิทธิภาพเพื่อรองรับกรณีการใช้งานที่หลากหลาย โมเดลแรกที่พร้อมให้บริการทั่วไปแก่ลูกค้าคือ Amazon Titan Embeddings ซึ่งเป็นโมเดลภาษาขนาดใหญ่ (LLM) ที่แปลงข้อความเป็นตัวเลขที่เรียกว่า embeddings เพื่อเพิ่มประสิทธิภาพการค้นหา การปรับใช้ส่วนบุคคล และการสร้างเสริมการดึงข้อมูล (Retrieval-Augmented Generation: RAG) โมเดล FM เหมาะกับงานที่หลากหลาย แต่สามารถตอบคำถามเฉพาะตามการเรียนรู้จากข้อมูลที่ถูกฝึกมาหรือข้อมูลที่ได้รับจากในคำถามเท่านั้น ซึ่งจำกัดประสิทธิภาพในการตอบคำถามที่ต้องใช้ความรู้ใหม่ ๆ หรือข้อมูลที่มีกรรมสิทธิ์ เพื่อเพิ่มความสามารถในการตอบของ FM ด้วยข้อมูลเพิ่มเติม หลายองค์กรจึงหันมาใช้ RAG ซึ่งเป็นเทคนิคการปรับแต่งโมเดลยอดนิยมที่ FM เชื่อมต่อกับแหล่งความรู้ที่สามารถอ้างอิงเพื่อเพิ่มความสามารถในการตอบได้ ในการเริ่มต้นใช้งาน RAG ลูกค้าต้องเข้าถึงโมเดล embeddings เพื่อแปลงข้อมูลของตนเป็น embeddings ซึ่งช่วยให้ FM เข้าใจความหมายและความสัมพันธ์ระหว่างข้อมูลได้ง่ายขึ้น การสร้างโมเดล embeddings ต้องใช้ข้อมูลและทรัพยากรจํานวนมาก รวมถึงความเชี่ยวชาญด้าน ML ในเชิงลึก ทําให้หลายองค์กรไม่สามารถสร้างด้วยตัวเองและไม่สามารถใช้งาน RAG ได้. Amazon Titan Embeddings ทำให้ลูกค้าสามารถเริ่มต้นใช้งาน RAG ได้ง่ายขึ้นเพื่อเพิ่มความสามารถของ FM โดยใช้ข้อมูลที่เป็นกรรมสิทธิ์ของตน Amazon Titan Embeddings รองรับมากกว่า 25 ภาษาและความยาวของบริบทสูงสุดถึง 8,192 โทเค็น ทำให้เหมาะสำหรับการทำงานกับคำศัพท์ วลี หรือเอกสารต่าง ๆ ตามกรณีการใช้งานของลูกค้า โมเดลส่งคืนเวกเตอร์เอาท์พุตขนาด 1,536 มิติ ทำให้มีความแม่นยำสูง พร้อมยังมีการปรับผลลัพธ์ให้มีความหน่วงต่ำและประหยัดต้นทุน
  • Llama 2 จะมาในอีกไม่กี่สัปดาห์ข้างหน้า: Amazon Bedrock เป็นบริการ Generative AI ที่มีการจัดการเต็มรูปแบบรายแรกที่นําเสนอโมเดล Llama 2 ซึ่งเป็น LLM รุ่นต่อไปของ Meta ผ่าน API โมเดล Llama 2 มาพร้อมการปรับปรุงที่สําคัญกว่าโมเดล Llama เดิม ซึ่งรวมถึงการฝึกด้วยข้อมูลที่มากขึ้นถึง 40% และมีความยาวบริบทที่ยาวขึ้น 4,000 โทเค็นเพื่อให้สามารถใช้งานกับเอกสารขนาดใหญ่ได้ โมเดล Llama 2 ได้รับการปรับให้เหมาะสมเพื่อให้การตอบสนองอย่างรวดเร็วบนโครงสร้างพื้นฐานของ AWS ซึ่งพร้อมใช้งานผ่าน Amazon Bedrock เหมาะสำหรับกรณีการใช้งานเชิงโต้ตอบ ลูกค้าจะสามารถสร้างแอปพลิเคชัน Generative AI ด้วยโมเดล Llama 2 ขนาด 13B และ 70B พารามิเตอร์โดยไม่จำเป็นต้องตั้งค่าและจัดการโครงสร้างพื้นฐานใด ๆ

ความสามารถใหม่ของ Amazon CodeWhisperer จะช่วยให้ลูกค้าสามารถปรับแต่งคําแนะนํา CodeWhisperer ได้อย่างปลอดภัยโดยใช้ฐานโค้ดของตนเพื่อปลดล็อกประสิทธิภาพการทํางานของนักพัฒนาในระดับใหม่

Amazon CodeWhisperer ได้รับการฝึกด้วยหลายพันล้านบรรทัดและโค้ดสาธารณะของ Amazon เป็นเพื่อนคู่หูในการเขียนโค้ดที่ขับเคลื่อนด้วย AI ซึ่งช่วยปรับปรุงประสิทธิภาพการทำงานของนักพัฒนา ในขณะที่นักพัฒนามักใช้ CodeWhisperer ในการทำงานในแต่ละวัน แต่บางครั้งพวกเขาจําเป็นต้องรวมฐานโค้ดภายในขององค์กร (เช่น API Library Package และ Classes) ไว้ในแอปพลิเคชัน ซึ่งไม่รวมอยู่ในข้อมูลการฝึกของ CodeWhisperer อย่างไรก็ตาม การทำงานกับโค้ดภายในอาจเป็นเรื่องยากที่จะทํางานด้วยเนื่องจากเอกสารอาจมีจํากัดและไม่มีแหล่งข้อมูลหรือฟอรัม (Forum) สาธารณะที่นักพัฒนาสามารถขอความช่วยเหลือได้ ตัวอย่างเช่น ในการเขียนฟังก์ชันสำหรับเว็บไซต์อีคอมเมิร์ซที่จะลบสินค้าออกจากตะกร้าสินค้า นักพัฒนาจะต้องเข้าใจ API คลาสและโค้ดภายในอื่น ๆ ที่ใช้ในการโต้ตอบกับแอปพลิเคชันก่อน ก่อนหน้านี้นักพัฒนาอาจใช้เวลาหลายชั่วโมงในการตรวจสอบโค้ดภายในที่เขียนไว้ก่อนหน้านี้เพื่อค้นหาข้อมูลที่ต้องการและทําความเข้าใจว่ามันทำงานอย่างไร และหลังจากค้นหาทรัพยากรที่เหมาะสมแล้ว พวกเขาต้องตรวจสอบโค้ดอย่างใกล้ชิดเพื่อให้แน่ใจว่าเป็นไปตามแนวทางปฏิบัติที่ดีที่สุดในการเขียนโค้ดของบริษัท และไม่ทำให้เกิดข้อบกพร่องหรือช่องโหว่ใด ๆ ในโค้ดอ้างอิง

ความสามารถใหม่ของ Amazon CodeWhisperer จะปลดล็อกศักยภาพสูงสุดของการเขียนโค้ดที่ขับเคลื่อนด้วย Generative AI โดยใช้ประโยชน์จากฐานโค้ดภายในและทรัพยากรภายในของลูกค้าอย่างปลอดภัย เพื่อให้คำแนะนำที่ปรับแต่งตามความต้องการเฉพาะของตน นักพัฒนาประหยัดเวลาด้วยความเกี่ยวข้องของคำแนะนำโค้ดที่ดีขึ้นในงานต่างๆ ในการเริ่มต้น ผู้ดูแลระบบจะเชื่อมต่อกับที่เก็บโค้ดส่วนตัวจากแหล่งที่มา เช่น GitLab หรือ Amazon S3 และกำหนดงานเพื่อสร้างการปรับแต่งของตนเอง CodeWhisperer ใช้เทคนิคการปรับแต่งโมเดลและบริบทที่หลากหลายเมื่อสร้างการปรับแต่ง เพื่อเรียนรู้จากพื้นที่เก็บข้อมูลของลูกค้าและปรับปรุงคำแนะนำโค้ดแบบเรียลไทม์ ทำให้นักพัฒนาใช้เวลาน้อยลงในการค้นหาคำตอบที่ถูกต้องสำหรับปัญหาและมีเวลามากขึ้นสำหรับการสร้างประสบการณ์ใหม่ที่แตกต่างกัน จากนั้นผู้ดูแลระบบสามารถจัดการการปรับแต่งทั้งหมดได้จากคอนโซล AWS ช่วยให้สามารถดูตัวชี้วัดการประเมิน ประเมินว่าการปรับแต่งแต่ละรายการจะดำเนินการอย่างไร และการเลือกการใช้งานเฉพาะให้กับนักพัฒนาที่เฉพาะเจาะจงในบริษัทเพื่อจำกัดการเข้าถึงโค้ดที่เป็นความลับ ผู้ดูแลระบบสามารถแน่ใจได้ว่าการปรับแต่งที่ CodeWhisperer แนะนำนั้นไม่มีโค้ดที่เลิกใช้แล้ว และเป็นไปตามมาตรฐานคุณภาพและความปลอดภัยขององค์กร ความสามารถนี้สร้างขึ้นโดยคำนึงถึงความปลอดภัยและความเป็นส่วนตัวระดับองค์กร ทำให้การปรับแต่งเป็นส่วนตัวอย่างสมบูรณ์แบบ และ CodeWhisperer ที่ขับเคลื่อนด้วย FM พื้นฐานไม่ได้ใช้การปรับแต่งในการฝึก ซึ่งช่วยปกป้องทรัพย์สินทางปัญญาที่มีค่าของลูกค้า ความสามารถในการปรับแต่งนี้จะพร้อมให้บริการแก่ลูกค้าในแบบ preview ซึ่งเป็นส่วนหนึ่งของ CodeWhisperer Enterprise Tier ใหม่ การปรับแต่งของ CodeWhisperer มีความปลอดภัยอย่างแน่นอนและ AWS ไม่จัดเก็บหรือบันทึกข้อมูลใด ๆ ของลูกค้าเมื่อจัดการคําขอจาก IDE ของนักพัฒนาที่ใช้ Amazon CodeWhisperer Professional Tier หรือ Enterprise Tier

ความสามารถใหม่ในการเขียน Generative BI ใน Amazon QuickSight ช่วยให้นักวิเคราะห์ธุรกิจสร้างและปรับแต่งภาพได้อย่างง่ายดายโดยใช้คําสั่งภาษาธรรมชาติ

Amazon QuickSight เป็นบริการ BI services แบบรวมที่สร้างขึ้นสำหรับระบบคลาวด์ที่มีแดชบอร์ด (Dashboard) แบบโต้ตอบ รายงานแบบแบ่งหน้า และการวิเคราะห์แบบฝัง (embedded analytics) รวมถึงความสามารถในการสืบค้นภาษาธรรมชาติโดยใช้ QuickSight Q เพื่อให้ผู้ใช้ทุกคนในองค์กรสามารถเข้าถึงข้อมูลเชิงลึกที่ต้องการในรูปแบบที่ต้องการได้ นักวิเคราะห์ข้อมูล มักใช้เวลาหลายชั่วโมงกับเครื่องมือ BI ในการสำรวจแหล่งข้อมูลที่กระจัดกระจาย เช่น เพิ่มการคำนวณ สร้างและปรับแต่งภาพการนำเสนอ (visualizations) ก่อนที่จะใส่ไปในแดชบอร์ด ในการสร้างแผนภูมิหนึ่งอัน นักวิเคราะห์จะต้องค้นหาแหล่งข้อมูลที่ถูกต้องก่อน ระบุขอบเขตข้อมูล ตั้งค่าตัวกรอง และทำการปรับแต่งที่จำเป็นเพื่อให้ภาพมีความน่าสนใจ หากต้องการการคำนวณใหม่ (เช่น ยอดขายตามรอบปี) นักวิเคราะห์จะต้องระบุข้อมูลอ้างอิงที่จำเป็น จากนั้นสร้าง ตรวจสอบ และเพิ่มภาพลงในรายงาน องค์กรจะได้รับประโยชน์จากการลดเวลาที่นักวิเคราะห์ข้อมูลใช้ในการสร้างและปรับแผนภูมิและการคำนวณด้วยตนเอง เพื่อให้สามารถใช้เวลามากขึ้นกับงานที่มีค่ามากขึ้นได้

ความสามารถใหม่ในการเขียน Generative BI รองรับการสืบค้น Natural-language ของ QuickSight Q ช่วยเพิ่มความสามารถในการตอบคำถามที่มีโครงสร้างที่ดี (เช่น “สินค้าอะไรที่ขายดีที่สุด 10 อันดับแรกในแคลิฟอร์เนีย?”) เพื่อช่วยให้นักวิเคราะห์สร้างภาพที่ปรับแต่งได้อย่างรวดเร็วจากส่วนคำถามย่อย (เช่น “สินค้า 10 อันดับแรก”) ชี้แจงจุดประสงค์ของคำถามโดยการถามคำถามต่อเนื่องที่จะตามมา, ปรับแต่งการแสดงภาพ, และทําการคํานวณที่สลับซับซ้อน นักวิเคราะห์ธุรกิจเพียงแค่อธิบายผลลัพธ์ที่ต้องการจากนั้น QuickSight จะสร้างภาพที่น่าสนใจ ซึ่งสามารถเพิ่มลงในแดชบอร์ดหรือรายงานได้อย่างง่ายดายเพียงคลิกเดียว

ตัวอย่างเช่น นักวิเคราะห์สามารถขอให้ QuickSight Q สร้างภาพสรุปข้อมูลเกี่ยวกับ “แนวโน้มยอดขายรองเท้าผ้าใบรายเดือนในปี 2022 และ 2023” จากนั้นบริการจะเลือกข้อมูลที่เหมาะสมโดยอัตโนมัติและพล็อตข้อมูลโดยใช้รูปแบบแผนภูมิ (เช่น แผนภูมิเส้นหรือแผนภูมิแท่ง) ที่เหมาะสมมากที่สุดตามคำขอ นอกจากนี้ QuickSight Q ยังเสนอคำถามที่เกี่ยวข้องเพื่อช่วยให้นักวิเคราะห์ชี้แจงกรณีที่คลุมเครือเมื่อช่องข้อมูลหลายช่องตรงกับคำถามของพวกเขา (เช่น แผนภูมิควรรวมมูลค่ารวมของยอดขายรองเท้าผ้าใบหรือจำนวนหน่วยที่ขายไป) หลังจากที่นักวิเคราะห์มีการแสดงภาพข้อมูลเบื้องต้นแล้ว พวกเขายังสามารถเพิ่มการคำนวณที่ซับซ้อน เปลี่ยนประเภทแผนภูมิ และปรับแต่งภาพโดยใช้ข้อความภาษาธรรมชาติได้ ความสามารถใหม่ในการเขียน Generative BI ใน QuickSight Q ช่วยให้นักวิเคราะห์ธุรกิจสามารถสร้างภาพที่น่าสนใจได้อย่างรวดเร็วและง่ายดาย และลดเวลาในการนำเสนอข้อมูลเชิงลึกที่จำเป็นต่อการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลที่ใหญ่ขึ้น

ลูกค้าในหลายอุตสาหกรรมต่างใช้ประโยชน์จากบริการ Generative AI จาก AWS เพื่อสร้างแอปพลิเคชันใหม่ ๆ เพิ่มประสิทธิภาพการทํางานของนักพัฒนา และช่วยให้นักวิเคราะห์ได้รับข้อมูลเร็วขึ้น

กรุงเทพธุรกิจ เป็นหนึ่งในสำนักข่าวธุรกิจออนไลน์ที่ใหญ่ที่สุดของประเทศไทย และเป็นส่วนหนึ่งของเครือเนชั่น (The Nation Group) คุณวีระศักดิ์ พงศ์อักษร บรรณาธิการอำนวยการเครือเนชั่น กล่าวว่า “การสร้างเนื้อหาที่เข้าใจได้ง่ายและเหมาะกับผู้อ่านแต่ละคน พร้อมทั้งเพิ่มประสิทธิภาพให้กับทีมข่าวของเราถือเป็นสิ่งสําคัญทางธุรกิจอันดับต้น ๆ ซึ่งเราวางแผนที่จะใช้ประโยชน์จากโมเดลพื้นฐาน Claude2 บน Amazon Bedrock โดยใช้เนื้อหาข่าวของเรามาปรับแต่งและสรุปเป็นบทความเพื่อให้ผู้อ่านสามารถรับรู้เนื้อหาได้อย่างรวดเร็วและง่ายขึ้นในระหว่างการเดินทาง นอกจากนี้ Generative AI ยังช่วยให้เราสามารถปรับปรุงประสบการณ์ของผู้อ่าน ด้วยการให้ผู้อ่านเลือกรับข่าวสารที่ตรงตามความสนใจ”

adidas เป็นหนึ่งในแบรนด์กีฬาที่ใหญ่ที่สุดในโลก ดาเนียล ไอค์เทน รองประธานฝ่ายสถาปัตยกรรมองค์กรของ adidas กล่าวว่า “เรารู้สึกตื่นเต้นที่ได้เป็นส่วนหนึ่งของ Amazon Bedrock ในช่วง preview และได้ใช้บริการนี้ Amazon Bedrock กลายเป็นส่วนเสริมที่มีมูลค่าสูงอย่างรวดเร็วในชุดเครื่องมือ Generative AI ของเรา ซึ่งช่วยให้เราสามารถให้ความสำคัญกับด้านหลักของโครงการ LLM ของเรา ในขณะที่ปล่อยให้ Amazon Bedrock จัดการกับการปรับปรุงโครงสร้างพื้นฐานที่หนักหน่วง การใช้ Amazon Bedrock ทําให้เราได้พัฒนาโซลูชัน Generative AI ที่ช่วยให้ชุมชนวิศวกรของ adidas สามารถค้นหาข้อมูลและคําตอบจากฐานความรู้ของเราผ่านอินเทอร์เฟซการสนทนาเดียว ซึ่งครอบคลุมทุกอย่างตั้งแต่การเริ่มต้นใช้งานไปจนถึงคําถามทางเทคนิคขั้นสูง”

GoDaddy เป็นบริษัทจดทะเบียนโดเมน การค้า และเว็บโฮสติ้งชั้นนำที่ให้บริการลูกค้ามากกว่า 20 ล้านราย ทราวิส มูห์เลสไตน์ ประธานเจ้าหน้าที่ฝ่ายข้อมูลและการวิเคราะห์ของ GoDaddy กล่าวว่า “ที่ GoDaddy เรามุ่งมั่นที่จะช่วยให้ผู้ประกอบการในแต่ละวันประสบความสำเร็จโดยการให้เครื่องมือในการสร้างธุรกิจ สร้างเว็บไซต์และแบรนด์ ทําการตลาดให้กับลูกค้าและการจัดการงานของพวกเขา วันนี้หนึ่งในความท้าทายที่ใหญ่ที่สุดที่ผู้ประกอบการและธุรกิจขนาดเล็กต้องเผชิญคือการขาดเงินทุน เวลา และทรัพยากร เราได้ยินจากลูกค้าว่าพวกเขาต้องการเร่งสร้างเนื้อหาเพื่อเชื่อมต่อกับผู้ใช้ปลายทาง ซึ่งจะทำให้พวกเขาสามารถขยายธุรกิจได้ เรากำลังใช้ Amazon Bedrock เพื่อสร้างบริการ Generative AI ที่จะช่วยลูกค้าในการสร้างธุรกิจออนไลน์ได้อย่างง่ายดาย และเชื่อมต่อกับซัพพลายเออร์ ผู้บริโภค ทรัพยากร และโอกาสในการระดมทุนได้อย่างมีประสิทธิภาพมากขึ้น”

Merck เป็นบริษัทชีวเภสัชภัณฑ์ที่เน้นการวิจัยโดยได้ค้นพบและพัฒนายาและวัคซีนที่เป็นนวัตกรรมใหม่ เพื่อช่วยชีวิตพัฒนาสุขภาพมานานกว่า 130 ปี ซูมัน กีรี กรรมการบริหารฝ่าย Data Science ของ Merck กล่าวว่า “ในห่วงโซ่คุณค่า (Value Chain) ทางเภสัชกรรมมีกระบวนการที่ต้องใช้คนและใช้เวลามาก ซึ่งลดความสามารถในการทำงานที่มีความสำคัญ และข้อมูลที่ไม่ได้ใช้งานอย่างมีประสิทธิภาพเพื่อพัฒนาประสบการณ์ของพนักงาน ลูกค้า และผู้ป่วย “ด้วย Amazon Bedrock เราสร้างความสามารถของ Generative AI ได้อย่างรวดเร็ว เพื่อทำให้กระบวนการดึงข้อมูลและการวิจัยตลาดมีประสิทธิภาพมากขึ้น. เราสามารถใช้ความสามารถเหล่านี้ในกระบวนการทำงานการวิเคราะห์ระดับผู้ป่วยในสหรัฐอเมริกา เพื่อให้ข้อมูลผู้ป่วย ปรับปรุงคุณภาพชีวิต และเพิ่มการเข้าถึงบริการ พร้อมลดช่องว่างในการแบ่งปันข้อมูล และสร้างระบบนิเวศการกํากับดูแลข้อมูลของเราสําหรับ Generative AI อย่างมีความรับผิดชอบ”

NatWest Group เป็นธนาคารชั้นนำในสหราชอาณาจักรที่ให้บริการลูกค้ามากกว่า 19 ล้านคน และให้การสนับสนุนชุมชน ครอบครัว และธุรกิจต่าง ๆ แซเชรี แอนเดอร์สัน ประธานฝ่ายวิเคราะห์และข้อมูลที่ NatWest Group กล่าวว่า “โลกเปลี่ยนแปลงไปในช่วง 12 เดือนที่ผ่านมาด้วยการขยายตัวของเทคโนโลยี Generative AI เทคโนโลยีนี้ได้ยกระดับมาตรฐานในเรื่องของบริการ ผลิตภัณฑ์ และการสนับสนุนที่ลูกค้าของเราคาดหวังในการบรรลุเป้าหมายทางการเงินของพวกเขา Amazon Bedrock ช่วยให้เราสามารถใช้ประโยชน์จาก Generative AI ล่าสุดในแพลตฟอร์มที่ปลอดภัยและมีความยืดหยุ่น ซึ่งทีมนักวิทยาศาสตร์ข้อมูล วิศวกร และนักเทคโนโลยีของเราใช้เพื่อทดลองและสร้างบริการใหม่ ๆ เราจะสามารถต่อสู้กับภัยคุกคามทางการเงินในอนาคตด้วยเครื่องมือเหล่านี้ รวมทั้งช่วยให้ลูกค้าและเพื่อนร่วมงานสามารถเข้าถึงข้อมูลที่ต้องการ ในรูปแบบที่พวกเขาต้องการ ในเวลาที่ต้องการ”

PGA TOUR เป็นองค์กรสมาชิกชั้นนำของโลกสำหรับนักกอล์ฟมืออาชีพที่เดินทางลงแข่ง สกอตต์ กัตเตอร์แมน รองประธานอาวุโสฝ่ายปฏิบัติการดิจิทัลของ PGA TOUR กล่าวว่า “การสร้างประสบการณ์ที่ไม่เหมือนใครและมีส่วนร่วมของแฟน ๆ ถือเป็นสิ่งสำคัญสูงสุดสำหรับ PGA TOUR เราได้เปลี่ยนรูปแบบการสร้างเนื้อหา การเผยแพร่ และและประสบการณ์อย่างไม่เหมือนใครร่วมกับ AWS โดยใช้ Amazon Bedrock เราจะสร้างสิ่งใหม่ ๆ ในขณะที่เราเรียนรู้ถึงวิธีที่แฟนกอล์ฟเชื่อมต่อและติดตามกีฬา การใช้ประโยชน์จาก Generative AI จะช่วยให้เราสามารถสร้างจุดสัมผัสใหม่ ๆ สำหรับแฟน ๆ ของเรา และสร้างแพลตฟอร์ม AI เพื่อประเมินผลการแข่งขันของนักกอล์ฟ และให้คำแนะนำสำหรับการปรับเปลี่ยนหลุมหรือสนามที่แตกต่างกัน AWS ช่วยให้เราสามารถปลดล็อกคุณค่าจากข้อมูลของเราได้มากขึ้น ในขณะที่มอบสภาพแวดล้อมที่ปลอดภัยเพื่อปกป้องทรัพย์สินทางปัญญาของเรา”

Takenaka Corporation ได้ถูกก่อตั้งในปี พ.ศ. 2153 และปัจจุบันเป็นองค์กรอันดับต้น ๆ ในประเทศญี่ปุ่นด้านวิศวกรรมการก่อสร้าง Takenaka Corporation ได้ร่วมมือกับ AWS ในการพัฒนา “การสร้างดิจิทัลแพลตฟอร์ม 4.0” ซึ่งเป็นการวิเคราะห์ข้อมูลและนำข้อมูลเชิงลึกมาเพิ่มประสิทธิภาพและสร้างมูลค่าให้แก่องค์กร ดร. เคอิโซะ อิวะชิตะ เจ้าหน้าที่บริหารฝ่ายดิจิทัลที่ Takenaka Corporation กล่าวว่า “ในการเพิ่มประสิทธิภาพองค์กรและเร่งการพัฒนาธุรกิจ บริษัทด้านวิศวกรรมก่อสร้างและสถาปัตยกรรมจะต้องมุ่งเน้นไปที่การดัดแปลงระบบการดำเนินงานทั้งหมดให้เป็นดิจิทัล Generative AI มีศักยภาพในการเพิ่มประสิทธิภาพให้แก่องค์กร ละเป็นเป้าหมายสำคัญในการปรับสู่โครงสร้างการเป็นบริษัทดิจิทัลของ Takenaka Corporation เรามีความมุ่งมั่นที่จะใช้ระบบ Amazon Bedrock และ Amazon Kendra ในการสร้างแอปพลิเคชันที่ให้พนักงานสามารถค้นหาข้อมูลได้อย่างง่ายดายและสะดวกรวดเร็ว ไม่ว่าจะเป็นข้อมูลกฎหมายและข้อบังคับในอุตสาหกรรมการก่อสร้าง กฎระเบียบและข้อปฏิบัติภายในองค์กร หรือข้อบังคับอื่น ๆ ในการดำเนินงาน”

Persistent เป็นบริษัทที่ให้บริการและโซลูชันระดับโลกด้านการพัฒนาระบบดิจิทัลและดัดแปลงโครงสร้างองค์กรของลูกค้าให้ทันสมัยยิ่งขึ้น นายแพนดูรัง คามัต ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีที่ Persistent กล่าวว่า “ในปัจจุบันเราได้นำ Amazon CodeWhisperer มาใช้งานกับองค์กรลูกค้าที่เชี่ยวชาญด้านวิศวกรรมกว่า 16,000 แห่ง เพื่อให้สามารถพัฒนาและสร้างแอปพลิเคชันได้อย่างรวดเร็วและปลอดภัยยิ่งขึ้น ที่ผ่านมาเราได้เห็นประสิทธิภาพของ CodeWhisperer ในการอำนวยความสะดวกให้แก่นักพัฒนาในการเขียนโค้ด อย่างไรก็ตามยังมีโค้ดที่ใช้ภายในบางส่วนที่ไม่ได้อยู่ในระบบข้อเสนอแนะของ CodeWhisperer จึงทำให้ CodeWhisperer มีข้อจำกัดในการนำเสนอโค้ดอยู่บ้าง โดยฟังก์ชันใหม่ที่เพิ่มการปรับแต่งเข้ามา (Customization capability) ใน CodeWhisperer สามารถลดปัญหานี้ได้ด้วยระบบการนำเสนอโค้ดโดยการใช้ Generative AI ซึ่งมีผลลัพท์เป็นที่หน้าพึงพอใจอย่างมาก ในงานวิจัยที่เราได้ทำร่วมกับ AWS เมื่อไม่นานมานี้ ค้นพบว่านักพัฒนาที่ใช้ระบบ CodeWhisperer แบบปรับแต่งได้ สามารถเขียนโค้ดได้แม่นยำและรวดเร็วขึ้นโดยเฉลี่ย 28% เมื่อเทียบกับ CodeWhisperer แบบมาตรฐาน เราจึงมีความยินดีอย่างยิ่งที่จะนำเสนอฟังก์ชันใหม่นี้ให้แก่ลูกค้ารายอื่น ๆ เพื่อเพิ่มประสิทธิภาพในการทำงานให้กับนักพัฒนายิ่งขึ้นไป”

Traeger Grills เป็นบริษัทชั้นนำด้านผลิตภัณฑ์เตาอบ เตาย่าง เครื่องรมควันและเตาบาร์บีคิว นาย คอรี่ย์ เซเวอร์รี่-เวนซ์เก้ รองประธานฝ่ายบริการลูกค้าที่ Traeger Grills กล่าวว่า “บริษัทเรามีการเปลี่ยนแปลงอยู่ตลอดเวลา จึงต้องการข้อมูลที่อัปเดทและทันสมัยให้ปรับเปลี่ยนได้ทันกับธุรกิจ QuickSight สามารถให้บริษัทเราสร้างรายงานและส่งมอบข้อมูลที่ทันต่อเหตุการณ์ให้กับผู้ใช้ในแผนกต่าง ๆ ไม่ว่าจะเป็นข้อมูลคาดการณ์จากศูนย์กระจายสินค้าไปจนถึงข้อมูลจากคอลเซ็นเตอร์ Amazon Connect QuickSight Q ทำให้เรามองเห็นถึงประสิทธิภาพของการใช้เทคโนโลยีเพื่อแสดงข้อมูลในรูปแบบภาษามนุษย์ได้อย่างทันที เรามีความยินดีอย่างยิ่งที่จะได้ใช้ Generative BI แบบใหม่ ในการเพิ่มประสิทธิภาพการทำงานให้กับพนักงานและย่นระยะเวลาในการสร้างรายงานและอัปเดทข้อมูลต่าง ๆ ในภาษามนุษย์ที่เข้าใจได้ง่าย นำไปสู่การเปลี่ยนแปลงในวิธีการทำงานเพื่อสร้างมาตรฐานใหม่ที่ดียิ่งขึ้นไปอีกสำหรับผู้คนในองค์กร”


About Pawarit Sornin

- จบการศึกษา ปริญญาตรี สาขาวิทยาการคอมพิวเตอร์ มหาวิทยาลัยสวนดุสิต - เคยทำงานด้าน Business Development / Project Manager / Product Sales ดูแลผลิตภัณฑ์ด้าน Wireless Networking และ Mobility Enterprise ในประเทศ - ปัจจุบันเป็นนักเขียน Full-time ที่ TechTalkThai

Check Also

Google เสริมแกร่ง Gemini ด้วยข้อมูลจาก Stack Overflow

Stack Overflow ถือเป็นแหล่งข้อมูลยอดนิยมของเหล่านักพัฒนาแอปพลิเคชันมานานแสนนาน ซึ่งล่าสุดได้เปิด API ที่ชื่อว่า OverflowAPI ประเดิมด้วยพาร์ทเนอร์รายแรกอย่าง Google Gemini for Google Cloud

Cloudflare เพิ่มความสามารถใหม่ 17 รายการให้ Workers AI

Cloudflare ได้บรรจุความสามารถใหม่เพิ่มให้ Workers AI อีกกว่า 17 รายการ ครอบคลุมทั้ง Large Language Models และ image Generation