La IA generativa está ganando mucha atención pública en la actualidad, con productos como GPT4, ChatGPT, DALL-E2, Bard y muchas otras tecnologías de IA. Muchos clientes han estado solicitando más información sobre las soluciones de IA generativa de AWS. El objetivo de esta publicación es abordar esas necesidades.
Esta publicación proporciona una descripción general de la IA generativa con un caso de uso real del cliente, proporciona una descripción concisa y describe sus beneficios, hace referencia a una demostración fácil de seguir de AWS Deep Composer para crear nuevas composiciones musicales y describe cómo comenzar a usar JumpStart de Amazon SageMaker para implementar GPT2, Stable Diffusion 2.0 y otros modelos generativos de IA.
Descripción general de la IA generativa
La IA generativa es un campo específico de la inteligencia artificial que se centra en generar nuevo material. Es uno de los campos más emocionantes en el mundo de la IA, con el potencial de transformar los negocios existentes y permitir que lleguen al mercado ideas de negocios completamente nuevas. Puedes utilizar técnicas generativas para:
- Creación de nuevas obras de arte utilizando un modelo como Stable Diffusion 2.0
- Escribir un libro superventas utilizando un modelo como GPT2, Bloom o Flan-T5-XL
- Componga su próxima sinfonía utilizando la técnica de Transformers en AWS DeepComposer
AWS DeepComposer es una herramienta educativa que lo ayuda a comprender los conceptos clave asociados con el aprendizaje automático (ML) a través del lenguaje de la composición musical. Para obtener más información, consulte Genere una pista de jazz rock usando Inteligencia Artificial Generativa.
Stable Diffusion, GPT2, Bloom y Flan-T5-XL son todos modelos ML. Son simplemente algoritmos matemáticos que necesitan ser entrenados para identificar patrones dentro de los datos. Una vez que se aprenden los patrones, se implementan en los puntos finales, listos para un proceso conocido como inferencia. Los nuevos datos que el modelo no ha visto se introducen en el modelo de inferencia y se produce nuevo material creativo.
Por ejemplo, con modelos de generación de imágenes como Stable Diffusion, podemos crear impresionantes ilustraciones usando unas pocas palabras. Con modelos de generación de texto como GPT2, Bloom y Flan-T5-XL, podemos generar nuevos artículos literarios, y potencialmente libros, a partir de una simple oración humana.
Autodesk es un cliente de AWS que utiliza Amazon SageMaker para ayudar a sus diseñadores de productos a clasificar miles de iteraciones de diseños visuales para varios casos de uso y usar ML para ayudar a elegir el diseño óptimo. Específicamente, han trabajado con Edera Safety para ayudar a desarrollar un protector de médula espinal que protege a los ciclistas de accidentes mientras participan en eventos deportivos, como ciclismo de montaña. Para obtener más información, consulte el vídeo AWS Machine Learning permite la optimización del diseño.
Para obtener más información sobre lo que hacen los clientes de AWS con la IA generativa y la moda, consulte Estilo de moda virtual con IA generativa usando Amazon SageMaker.
Ahora que entendemos de qué se trata la IA generativa, pasemos a una demostración de JumpStart para aprender a generar nuevo texto o imágenes con IA.
Requisitos previos
Estudio Amazon SageMaker es el entorno de desarrollo integrado (IDE) dentro de SageMaker que nos brinda todas las características de ML que necesitamos en un solo panel de vidrio. Antes de que podamos ejecutar JumpStart, debemos configurar Studio. Puede omitir este paso si ya tiene su propia versión de Studio ejecutándose.
Lo primero que debemos hacer antes de poder usar cualquier servicio de AWS es asegurarnos de que nos hayamos registrado y creado una cuenta de AWS. Lo siguiente es crear un usuario administrativo y un grupo. Para obtener instrucciones sobre ambos pasos, consulte Configurar los requisitos previos de Amazon SageMaker.
El siguiente paso es crear un dominio de SageMaker. Un dominio configura todo el almacenamiento y le permite agregar usuarios para acceder a SageMaker. Para obtener más información, consulte Incorporación al dominio de Amazon SageMaker. Esta demostración se crea en la región de AWS us-east-1
.
Finalmente, inicia Studio. Para esta publicación, recomendamos iniciar una aplicación de perfil de usuario. Para obtener instrucciones, consulte Inicie Amazon SageMaker Studio.
Elija una solución JumpStart
Ahora llegamos a la parte emocionante. Ahora debería iniciar sesión en Studio y ver una página similar a la siguiente captura de pantalla.
En el panel de navegación, debajo Inicio rápido de SageMaker, escoger Maquetas, cuadernos, soluciones..
Se le presenta una variedad de soluciones, modelos básicos y otros artefactos que pueden ayudarlo a comenzar con un modelo específico o un problema comercial o caso de uso específico.
Si desea experimentar en un área en particular, puede utilizar la función de búsqueda. O simplemente puede explorar los artefactos para encontrar el modelo o la solución de negocios relevante para sus necesidades.
Por ejemplo, si está interesado en soluciones de detección de fraude, ingrese detección de fraude en la barra de búsqueda.
Si está interesado en soluciones de generación de texto, ingrese generación de texto en la barra de búsqueda. Un buen lugar para comenzar si desea explorar una variedad de modelos de generación de texto es seleccionar el cuaderno Introducción a JS: generación de texto.
Profundicemos en una demostración específica del modelo GPT-2.
Demostración del modelo JumpStart GPT-2
GPT 2 es un modelo de lenguaje que ayuda a generar texto similar al humano basado en un aviso dado. Podemos usar este tipo de modelo transformador para crear nuevas oraciones y ayudarnos a automatizar la escritura. Esto se puede usar para la creación de contenido, como blogs, publicaciones en redes sociales y libros.
El modelo GPT 2 es parte de la familia de transformadores preentrenados generativos que fue el predecesor de GPT 3. En el momento de escribir este artículo, GPT 3 se utiliza como base para la aplicación OpenAI ChatGPT.
Para comenzar a explorar la demostración del modelo GPT-2 en JumpStart, complete los siguientes pasos:
- En JumpStart, busque y elija GPT 2.
- En Despliegue Modelo sección, ampliar Configuración de implementación.
- Instancia de alojamiento de SageMaker, elija su instancia (para esta publicación, usamos ml.c5.2xlarge).
Los diferentes tipos de máquinas tienen diferentes precios adjuntos. Al momento de escribir, el ml.c5.2xlarge que seleccionamos incurre en menos de $0.50 por hora. Para conocer los precios más actualizados, consulte Precios de Amazon SageMaker.
- Nombre de punto final, ingrese demo-hf-textgeneration-gpt2.
- Elige Despliegue.
Espere a que se implemente el extremo de ML (hasta 15 minutos).
- Cuando se implemente el punto final, elija cuaderno abierto.
Verá una página similar a la siguiente captura de pantalla.
El documento que usamos para mostrar nuestra demostración es un cuaderno Jupyter, que incluye todo el código Python necesario. Tenga en cuenta que el código en esta captura de pantalla puede ser ligeramente diferente al código que tiene, porque AWS actualiza constantemente estos cuadernos y se asegura de que sean seguros, no tengan defectos y brinden la mejor experiencia al cliente.
- Haga clic en la primera celda y elija Ctrl + Enter para ejecutar el bloque de código.
Aparece un asterisco (*) a la izquierda del bloque de código y luego se convierte en un número. El asterisco indica que el código se está ejecutando y está completo cuando aparece el número.
- En el siguiente bloque de código, ingrese un texto de muestra, luego presione Ctrl + Enter.
- Elige Ctrl + Enter en el tercer bloque de código para ejecutarlo.
Después de unos 30-60 segundos, verá los resultados de su inferencia.
Para el texto de entrada “Once upon a time there were 18 sandwiches,
” obtenemos el siguiente texto generado:
Para el texto de entrada “And for the final time Peter said to Mary,
” obtenemos el siguiente texto generado:
Puede experimentar con la ejecución de este tercer bloque de código varias veces y notará que el modelo hace predicciones diferentes cada vez.
Para adaptar la salida utilizando algunas de las funciones avanzadas, desplácese hacia abajo para experimentar en el cuarto bloque de código.
Para obtener más información sobre los modelos de generación de texto, consulte Ejecute la generación de texto con modelos Bloom y GPT en Amazon SageMaker JumpStart.
Limpiar recursos
Antes de continuar, no olvide eliminar su punto final cuando haya terminado. En la pestaña anterior, en Eliminar punto final, escoger Borrar.
Si cerró accidentalmente este bloc de notas, también puede eliminar su terminal a través de la consola de SageMaker. Bajo Inferencia en el panel de navegación, elija Endpoints.
Seleccione el punto final que utilizó y en la Acciones menú, seleccione Borrar.
Ahora que entendemos cómo usar nuestra primera solución JumpStart, veamos cómo usar un modelo de difusión estable.
Demostración del modelo JumpStart Stable Diffusion
Podemos usar el modelo Stable Diffusion 2 para generar imágenes a partir de una simple línea de texto. Esto se puede usar para generar contenido para cosas como publicaciones en redes sociales, material promocional, portadas de álbumes o cualquier cosa que requiera un arte creativo.
- Regrese a JumpStart, luego busque y elija Difusión estable 2.
- En Despliegue Modelo sección, ampliar Configuración de implementación.
- Instancia de alojamiento de SageMaker, elija su instancia (para esta publicación, usamos ml.g5.2xlarge).
- Nombre de punto final, introduzca
demo-stabilityai-stable-diffusion-v2
. - Elige Despliegue.
Debido a que este es un modelo más grande, puede demorar hasta 25 minutos en implementarse. Cuando está listo, el estado del punto final se muestra como En servicio.
- Elige cuaderno abierto para abrir un cuaderno Jupyter con código Python.
- Ejecute el primer y segundo bloque de código.
- En el tercer bloque de código, cambie el indicador de texto y luego ejecute la celda.
Espere entre 30 y 60 segundos para que aparezca su imagen. La siguiente imagen se basa en nuestro texto de ejemplo.
Nuevamente, puede jugar con las funciones avanzadas en el siguiente bloque de código. La imagen que crea es diferente cada vez.
Limpiar recursos
Nuevamente, no olvide eliminar su punto final. Esta vez, estamos usando ml.g5.2xlarge, por lo que incurre en cargos ligeramente más altos que antes. Al momento de escribir, costaba poco más de $ 1 por hora.
Finalmente, pasemos a AWS DeepComposer.
AWS Deep Composer
AWS DeepComposer es una excelente manera de aprender sobre la IA generativa. Le permite utilizar melodías integradas en sus modelos para generar nuevas formas de música. El modelo que utilice determina cómo se transforma la melodía de entrada.
Si estás acostumbrado a participar en AWS Deep Racer días para ayudar a sus empleados a aprender sobre el aprendizaje de refuerzo, considere aumentar y mejorar el día con AWS DeepComposer para aprender sobre la IA generativa.
Para obtener una explicación detallada y una demostración fácil de seguir de tres de los modelos de esta publicación, consulte Genere una pista de jazz rock usando Inteligencia Artificial Generativa.
Mira lo siguiente buenos ejemplos subido a SoundCloud usando AWS DeepComposer.
Nos encantaría ver sus experimentos, así que no dude en comunicarse a través de las redes sociales (@digitalcolmer) y compartir sus aprendizajes y experimentos.
Conclusión
En esta publicación, hablamos sobre la definición de IA generativa, ilustrada por la historia de un cliente de AWS. Luego le mostramos cómo comenzar con Studio y JumpStart, y le mostramos cómo comenzar con los modelos GPT 2 y Stable Diffusion. Finalizamos con una breve descripción general de AWS DeepComposer.
Para explorar JumpStart más, intente usar sus propios datos para ajustar un modelo existente. Para obtener más información, consulte Entrenamiento incremental con Amazon SageMaker JumpStart. Para obtener información sobre el ajuste fino de los modelos de difusión estable, consulte Ajuste los modelos de difusión estable de texto a imagen con Amazon SageMaker JumpStart.
Para obtener más información sobre los modelos de difusión estable, consulte Genere imágenes a partir de texto con el modelo de difusión estable en Amazon SageMaker JumpStart.
No cubrimos ninguna información sobre el modelo Flan-T5-XL, así que para obtener más información, consulte lo siguiente Repositorio GitHub. Ejemplos de Amazon SageMaker repo también incluye una gama de cuadernos disponibles en GitHub para los diversos productos de SageMaker, incluido JumpStart, que cubre una variedad de casos de uso diferentes.
Para obtener más información sobre AWS ML a través de una variedad de activos digitales gratuitos, consulte nuestro Guía de aceleración del aprendizaje automático de AWS. También puedes probar nuestro gratuito Plan de aprendizaje de aprendizaje automático para construir sobre su conocimiento actual o tener un punto de partida claro. Para tomar un curso dirigido por un instructor, recomendamos los siguientes cursos:
Es realmente un momento emocionante en el espacio AI/ML. AWS está aquí para apoyar su viaje de ML, así que conéctese con nosotros en las redes sociales. Esperamos ver todo su aprendizaje, experimentos y diversión con los diversos servicios de ML en los próximos meses y disfrutamos la oportunidad de ser su instructor en su viaje de ML.
Sobre la autora
pablo colmer es un entrenador técnico sénior en Amazon Web Services que se especializa en aprendizaje automático e IA generativa. Su pasión es ayudar a los clientes, socios y empleados a desarrollarse y crecer a través de narraciones convincentes, experiencias compartidas y transferencia de conocimientos. Con más de 25 años en la industria de TI, se especializa en prácticas culturales ágiles y soluciones de aprendizaje automático. Paul es miembro del London College of Music y miembro de la British Computer Society.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoAiStream. Inteligencia de datos Web3. Conocimiento amplificado. Accede Aquí.
- Acuñando el futuro con Adryenn Ashley. Accede Aquí.
- Compra y Vende Acciones en Empresas PRE-IPO con PREIPO®. Accede Aquí.
- Fuente: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :es
- :no
- $ UP
- 1
- 11
- 15%
- 50
- 500
- 7
- 8
- 9
- 937
- a
- Sobre
- de la máquina
- accidentes
- Mi Cuenta
- add
- dirección
- administrativo
- avanzado
- Después
- ágil
- AI
- AI / ML
- objetivo
- Álbum
- algoritmos
- Todos
- permitir
- permite
- ya haya utilizado
- también
- Amazon
- Amazon SageMaker
- JumpStart de Amazon SageMaker
- Amazon Web Services
- an
- y
- cualquier
- cualquier cosa
- applicación
- Aparecer
- Aplicación
- somos
- Reservada
- en torno a
- Arte
- artificial
- inteligencia artificial
- obras de arte
- AS
- Activos
- asociado
- At
- adjunto
- autodesk
- automatizado
- Hoy Disponibles
- AWS
- Cliente de AWS
- de caramelos
- basado
- BE
- porque
- Vaca
- esto
- antes
- Comienzo
- beneficios
- MEJOR
- bendición
- Bloquear
- Bloques
- Blogs
- Florecer (bloom)
- primer libro
- Libros
- ambas
- Autoridad Británica
- build
- incorporado
- Ideas de negocio
- negocios
- pero
- by
- PUEDEN
- case
- cases
- el cambio
- cargos
- ChatGPT
- comprobar
- Elige
- limpiar
- cerrado
- código
- Financiamiento para la
- cómo
- viniendo
- irresistible
- completar
- completamente
- computadora
- conceptos
- CONTACTO
- Considerar
- Consola
- constantemente
- contenido
- creación de contenido
- curso
- cursos
- Protectora
- cubierta
- cubre suministros para
- Para crear
- creado
- crea
- Creamos
- creación
- Estudio
- cultural
- Current
- cliente
- experiencia del cliente
- Clientes
- datos
- día
- Días
- Muerte
- De demostración
- desplegar
- desplegado
- Desplegando
- descripción
- Diseño
- diseñadores
- diseños
- detallado
- Detección
- determina
- desarrollar
- Desarrollo
- una experiencia diferente
- Difusión
- digital
- Acciones digitales
- do
- documento
- "Hacer"
- dominio
- No
- DE INSCRIPCIÓN
- cada una
- educativo
- personas
- permite
- engloba
- Punto final
- mejorar
- Participar
- Entorno
- Éter (ETH)
- Eventos
- Cada
- ejemplo
- emocionante
- existente
- Expandir
- experience
- Experiencias
- experimento
- experimentos
- explicación
- explorar
- Explorar
- familia
- Moda
- Caracteristicas
- Fed
- sentir
- Compañero
- pocos
- campo
- Terrenos
- final
- Encuentre
- Nombre
- se centra
- siguiendo
- Comida
- Formularios
- adelante
- Fundación
- Digital XNUMXk
- Cuarto
- fraude
- detección de fraude
- Gratuito
- en
- diversión
- función
- ganando
- generar
- generado
- la generación de
- generación de AHSS
- generativo
- IA generativa
- obtener
- GitHub
- dado
- vaso
- candidato
- maravillosa
- Grupo procesos
- Crecer
- mano
- Tienen
- he
- oído
- ayuda
- ayudando
- ayuda
- esta página
- más alto
- altamente
- su
- hosting
- horas.
- Cómo
- Como Hacer
- HTML
- HTTPS
- humana
- ideas
- Identifique
- if
- imagen
- generación de imágenes
- imágenes
- in
- incluye
- Incluye
- Indica
- energético
- información
- Las opciones de entrada
- ejemplo
- Instrucciones
- COMPLETAMENTE
- Intelligence
- interesado
- dentro
- IT
- Industria de TI
- iteraciones
- SUS
- jpg
- saltar
- Cuaderno Jupyter
- solo
- Clave
- especialistas
- la transferencia de conocimiento
- conocido
- idioma
- mayores
- lanzamiento
- lanzamiento
- APRENDE:
- aprendido
- aprendizaje
- izquierda
- como
- línea
- alga viva
- conectado
- Londres
- Mira
- Lote
- amar
- máquina
- máquina de aprendizaje
- hecho
- para lograr
- HACE
- Realizar
- muchos
- Mercado
- materiales
- matemático
- Medios
- minutos
- ML
- modelo
- modelos
- meses
- más,
- MEJOR DE TU
- Montaña
- movimiento
- múltiples
- Música
- musical
- nombre
- Navegación
- necesario
- ¿ Necesita ayuda
- Nuevo
- Next
- nota
- cuaderno
- ordenadores portátiles
- Aviso..
- ahora
- número
- of
- on
- ONE
- habiertos
- OpenAI
- Oportunidad
- óptimo
- or
- Otro
- nuestros
- salir
- contornos
- salida
- Más de
- visión de conjunto
- EL DESARROLLADOR
- página
- cristal
- parte
- participativo
- particular
- socios
- pasión
- .
- Paul
- (PDF)
- Personas
- Peter
- imagen
- Colocar
- Platón
- Inteligencia de datos de Platón
- PlatónDatos
- Jugar
- Por favor
- punto
- puntos
- Publicación
- Artículos
- posible
- la posibilidad
- prácticas
- predecesor
- Predicciones
- presente
- presentó
- prensa
- anterior
- precio
- cotización
- Problema
- producido
- Producto
- Productos
- Mi Perfil
- promocional
- proporcionar
- proporciona un
- público
- Python
- distancia
- más bien
- en comunicarse
- ready
- real
- recomiendan
- referencias
- región
- requiere
- facturas de restaurantes
- Resultados
- jinetes
- Rock
- Ejecutar
- correr
- Safety
- sabio
- Said
- SAINT
- mover
- Buscar
- Segundo
- segundos
- Sección
- seguro
- ver
- ver
- visto
- seleccionado
- mayor
- sentencia
- de coches
- Servicios
- set
- Sets
- Compartir
- compartido
- tienes
- mostrar
- Shows
- firmado
- similares
- sencillos
- simplemente
- soltero
- ligeramente diferente
- So
- Social
- redes sociales
- Publicaciones en redes sociales
- Sociedades
- a medida
- Soluciones
- algo
- SoundCloud
- Espacio
- se especializa
- especializada
- soluciones y
- específicamente
- estable
- comienzo
- fundó
- Comience a
- Estado
- paso
- pasos
- STORAGE
- Historia
- la narración
- estudio
- Maravillosos
- tal
- SOPORTE
- seguro
- ¡Prepárate!
- escuchar
- Técnico
- técnicas
- Tecnologías
- generación de texto
- que
- esa
- El
- su
- luego
- Ahí.
- Estas
- ellos
- cosa
- cosas
- Código
- así
- aquellos
- miles
- Tres
- A través de esta formación, el personal docente y administrativo de escuelas y universidades estará preparado para manejar los recursos disponibles que derivan de la diversidad cultural de sus estudiantes. Además, un mejor y mayor entendimiento sobre estas diferencias y similitudes culturales permitirá alcanzar los objetivos de inclusión previstos.
- equipo
- veces
- a
- del IRS
- seguir
- entrenado
- Formación
- transferir
- Transformar
- transformado
- transformador
- transformers
- verdaderamente
- se convierte
- tipo
- tipos
- bajo
- entender
- hasta a la fecha
- actualización
- subido
- a
- us
- utilizan el
- caso de uso
- usado
- Usuario
- usuarios
- usando
- diversos
- versión
- vía
- Video
- Esperando
- quieres
- fue
- Camino..
- we
- web
- servicios web
- tuvieron
- ¿
- cuando
- que
- mientras
- QUIENES
- seguirá
- dentro de
- palabras
- trabajado
- funciona
- mundo
- se
- Envuelto
- la escritura
- años
- Usted
- tú
- zephyrnet