A IA generativa está ganhando muita atenção do público no momento, com conversas sobre produtos como GPT4, ChatGPT, DALL-E2, Bard e muitas outras tecnologias de IA. Muitos clientes têm solicitado mais informações sobre as soluções de IA generativa da AWS. O objetivo deste post é atender a essas necessidades.
Esta postagem fornece uma visão geral da IA generativa com um caso de uso real do cliente, fornece uma descrição concisa e descreve seus benefícios, faz referência a uma demonstração fácil de seguir de AWS Deep Composer para criar novas composições musicais e descreve como começar a usar JumpStart do Amazon SageMaker para implantar GPT2, Stable Diffusion 2.0 e outros modelos generativos de IA.
Visão geral da IA generativa
A IA generativa é um campo específico da inteligência artificial que se concentra na geração de novos materiais. É um dos campos mais empolgantes do mundo da IA, com potencial para transformar os negócios existentes e permitir que ideias de negócios completamente novas cheguem ao mercado. Você pode usar técnicas generativas para:
- Criação de novas obras de arte usando um modelo como Stable Diffusion 2.0
- Escrever um livro best-seller usando um modelo como GPT2, Bloom ou Flan-T5-XL
- Compondo sua próxima sinfonia usando a técnica Transformers no AWS DeepComposer
O AWS DeepComposer é uma ferramenta educacional que ajuda você a entender os principais conceitos associados ao aprendizado de máquina (ML) por meio da linguagem da composição musical. Para saber mais, consulte Gere uma faixa de jazz rock usando Generative Artificial Intelligence.
Stable Diffusion, GPT2, Bloom e Flan-T5-XL são todos modelos ML. Eles são simplesmente algoritmos matemáticos que precisam ser treinados para identificar padrões nos dados. Depois que os padrões são aprendidos, eles são implantados nos endpoints, prontos para um processo conhecido como inferência. Novos dados que o modelo não viu são inseridos no modelo de inferência e um novo material criativo é produzido.
Por exemplo, com modelos de geração de imagens como Stable Diffusion, podemos criar ilustrações impressionantes usando poucas palavras. Com modelos de geração de texto como GPT2, Bloom e Flan-T5-XL, podemos gerar novos artigos literários e, potencialmente, livros, a partir de uma simples frase humana.
Autodesk é um cliente da AWS usando Amazon Sage Maker para ajudar seus designers de produto a classificar milhares de iterações de designs visuais para vários casos de uso e usar ML para ajudar a escolher o design ideal. Especificamente, eles trabalharam com a Edera Safety para ajudar a desenvolver um protetor de medula espinhal que protege os pilotos de acidentes durante a participação em eventos esportivos, como mountain bike. Para mais informações, confira o vídeo AWS Machine Learning permite otimização de design.
Para saber mais sobre o que os clientes da AWS estão fazendo com IA generativa e moda, consulte Estilização de moda virtual com IA generativa usando o Amazon SageMaker.
Agora que entendemos o que é a IA generativa, vamos pular para uma demonstração do JumpStart para aprender como gerar novos textos ou imagens com IA.
Pré-requisitos
Estúdio Amazon SageMaker é o ambiente de desenvolvimento integrado (IDE) no SageMaker que nos fornece todos os recursos de ML de que precisamos em um único painel de vidro. Antes de podermos executar o JumpStart, precisamos configurar o Studio. Você pode pular esta etapa se já tiver sua própria versão do Studio em execução.
A primeira coisa que precisamos fazer antes de usar qualquer serviço da AWS é garantir que nos inscrevemos e criamos uma conta da AWS. Em seguida é criar um usuário administrativo e um grupo. Para obter instruções sobre as duas etapas, consulte Configurar os pré-requisitos do Amazon SageMaker.
A próxima etapa é criar um domínio SageMaker. Um domínio configura todo o armazenamento e permite que você adicione usuários para acessar o SageMaker. Para mais informações, consulte Integrado ao domínio do Amazon SageMaker. Esta demonstração foi criada na região da AWS us-east-1
.
Por fim, você inicia o Studio. Para esta postagem, recomendamos iniciar um aplicativo de perfil de usuário. Para obter instruções, consulte Inicie o Amazon SageMaker Studio.
Escolha uma solução JumpStart
Agora chegamos à parte emocionante. Agora você deve estar conectado ao Studio e ver uma página semelhante à captura de tela a seguir.
No painel de navegação, em SageMaker JumpStart, escolha Modelos, notebooks, soluções.
Você recebe uma variedade de soluções, modelos de base e outros artefatos que podem ajudá-lo a começar com um modelo específico ou um problema de negócios ou caso de uso específico.
Se você deseja experimentar em uma área específica, pode usar a função de pesquisa. Ou você pode simplesmente navegar pelos artefatos para encontrar o modelo relevante ou solução de negócios para suas necessidades.
Por exemplo, se você estiver interessado em soluções de detecção de fraude, digite detecção de fraude na barra de pesquisa.
Se você estiver interessado em soluções de geração de texto, digite geração de texto na barra de pesquisa. Um bom lugar para começar se você deseja explorar uma variedade de modelos de geração de texto é selecionar o bloco de notas Introdução ao JS – Geração de Texto.
Vamos mergulhar em uma demonstração específica do modelo GPT-2.
Demonstração do modelo JumpStart GPT-2
O GPT 2 é um modelo de linguagem que ajuda a gerar texto semelhante ao humano com base em um determinado prompt. Podemos usar esse tipo de modelo transformador para criar novas frases e nos ajudar a automatizar a escrita. Isso pode ser usado para criação de conteúdo, como blogs, postagens de mídia social e livros.
O modelo GPT 2 faz parte da família Generative Pre-Trained Transformer que foi o antecessor do GPT 3. No momento da redação, o GPT 3 é usado como base para o aplicativo OpenAI ChatGPT.
Para começar a explorar a demonstração do modelo GPT-2 no JumpStart, conclua as seguintes etapas:
- No JumpStart, procure e escolha GPT2.
- No Implantação Modelo seção, expandir Configuração de implantação.
- Escolha Instância de hospedagem do SageMaker, escolha sua instância (para esta postagem, usamos ml.c5.2xlarge).
Diferentes tipos de máquinas têm preços diferentes associados. No momento da redação deste artigo, o ml.c5.2xlarge que selecionamos custa menos de US$ 0.50 por hora. Para obter os preços mais atualizados, consulte Preços do Amazon SageMaker.
- Escolha Nome do ponto final, digite demo-hf-textgeneration-gpt2.
- Escolha Implantação.
Aguarde a implantação do endpoint de ML (até 15 minutos).
- Quando o endpoint for implantado, escolha Abra o Notebook.
Você verá uma página semelhante à captura de tela a seguir.
O documento que estamos usando para mostrar nossa demonstração é um notebook Jupyter, que abrange todo o código Python necessário. Observe que o código nesta captura de tela pode ser um pouco diferente do código que você possui, porque a AWS está constantemente atualizando esses notebooks e garantindo que eles sejam seguros, livres de defeitos e forneçam a melhor experiência ao cliente.
- Clique na primeira célula e escolha Ctrl + Enter para executar o bloco de código.
Um asterisco (*) aparece à esquerda do bloco de código e depois se transforma em um número. O asterisco indica que o código está em execução e está completo quando o número aparecer.
- No próximo bloco de código, insira algum texto de exemplo e pressione Ctrl + Enter.
- Escolha Ctrl + Enter no terceiro bloco de código para executá-lo.
Após cerca de 30 a 60 segundos, você verá seus resultados de inferência.
Para o texto de entrada “Once upon a time there were 18 sandwiches,
” obtemos o seguinte texto gerado:
Para o texto de entrada “And for the final time Peter said to Mary,
” obtemos o seguinte texto gerado:
Você pode experimentar executar esse terceiro bloco de código várias vezes e notará que o modelo faz previsões diferentes a cada vez.
Para adaptar a saída usando alguns dos recursos avançados, role para baixo para experimentar no quarto bloco de código.
Para saber mais sobre modelos de geração de texto, consulte Execute a geração de texto com modelos Bloom e GPT no Amazon SageMaker JumpStart.
Limpe os recursos
Antes de prosseguirmos, não se esqueça de excluir seu endpoint quando terminar. Na guia anterior, em Excluir ponto final, escolha Apagar.
Se você fechou acidentalmente este notebook, também pode excluir seu endpoint por meio do console do SageMaker. Sob Inferência no painel de navegação, escolha Pontos finais.
Selecione o endpoint que você usou e no Opções menu, escolha Apagar.
Agora que entendemos como usar nossa primeira solução JumpStart, vamos ver como usar um modelo de difusão estável.
Demonstração do modelo de difusão estável JumpStart
Podemos usar o modelo Stable Diffusion 2 para gerar imagens a partir de uma simples linha de texto. Isso pode ser usado para gerar conteúdo para postagens em mídias sociais, material promocional, capas de álbuns ou qualquer coisa que exija arte criativa.
- Retorne ao JumpStart, procure e escolha Difusão estável 2.
- No Implantação Modelo seção, expandir Configuração de implantação.
- Escolha Instância de hospedagem do SageMaker, escolha sua instância (para esta postagem, usamos ml.g5.2xlarge).
- Escolha Nome do ponto final, entrar
demo-stabilityai-stable-diffusion-v2
. - Escolha Implantação.
Como este é um modelo maior, pode levar até 25 minutos para ser implantado. Quando estiver pronto, o status do terminal será exibido como Em serviço.
- Escolha Abra o Notebook para abrir um notebook Jupyter com código Python.
- Execute o primeiro e o segundo blocos de código.
- No terceiro bloco de código, altere o prompt de texto e execute a célula.
Aguarde cerca de 30 a 60 segundos para que sua imagem apareça. A imagem a seguir é baseada em nosso texto de exemplo.
Novamente, você pode brincar com os recursos avançados no próximo bloco de código. A imagem que ele cria é diferente a cada vez.
Limpe os recursos
Novamente, não se esqueça de excluir seu endpoint. Desta vez, estamos usando ml.g5.2xlarge, portanto, incorre em cobranças um pouco mais altas do que antes. No momento da redação deste artigo, era pouco mais de US $ 1 por hora.
Por fim, vamos para o AWS DeepComposer.
AWS Deep Composer
O AWS DeepComposer é uma ótima maneira de aprender sobre IA generativa. Ele permite que você use melodias embutidas em seus modelos para gerar novas formas de música. O modelo que você usa determina como a melodia de entrada é transformada.
Se você está acostumado a participar AWS Deep Racer dias para ajudar seus funcionários a aprender sobre o aprendizado de reforço, considere aumentar e aprimorar o dia com o AWS DeepComposer para aprender sobre IA generativa.
Para obter uma explicação detalhada e uma demonstração fácil de seguir de três dos modelos neste post, consulte Gere uma faixa de jazz rock usando Generative Artificial Intelligence.
Confira o seguinte exemplos legais carregado no SoundCloud usando o AWS DeepComposer.
Adoraríamos ver seus experimentos, então sinta-se à vontade para entrar em contato via mídia social (@digitalcolmer) e compartilhar seus aprendizados e experimentos.
Conclusão
Nesta postagem, falamos sobre a definição de IA generativa, ilustrada por uma história de cliente da AWS. Em seguida, mostramos como começar com o Studio e o JumpStart e mostramos como começar com os modelos GPT 2 e Stable Diffusion. Encerramos com uma breve visão geral do AWS DeepComposer.
Para explorar mais o JumpStart, tente usar seus próprios dados para ajustar um modelo existente. Para mais informações, consulte Treinamento incremental com Amazon SageMaker JumpStart. Para obter informações sobre o ajuste fino dos modelos de difusão estável, consulte Ajuste os modelos de difusão estável de texto para imagem com o Amazon SageMaker JumpStart.
Para saber mais sobre modelos de difusão estável, consulte Gere imagens de texto com o modelo de difusão estável no Amazon SageMaker JumpStart.
Não cobrimos nenhuma informação sobre o modelo Flan-T5-XL, portanto, para saber mais, consulte o seguinte GitHub repo. O Exemplos do Amazon SageMaker repo também inclui uma variedade de notebooks disponíveis no GitHub para os vários produtos SageMaker, incluindo JumpStart, abrangendo uma variedade de casos de uso diferentes.
Para saber mais sobre o AWS ML por meio de uma variedade de ativos digitais gratuitos, confira nosso Guia de desenvolvimento do AWS Machine Learning. Você também pode experimentar nosso Plano de aprendizado de ML para desenvolver seu conhecimento atual ou ter um ponto de partida claro. Para fazer um curso ministrado por instrutor, recomendamos os seguintes cursos:
É realmente um momento emocionante no espaço AI/ML. A AWS está aqui para oferecer suporte à sua jornada de ML, portanto, conecte-se conosco nas mídias sociais. Estamos ansiosos para ver todo o seu aprendizado, experimentos e diversão com os vários serviços de ML nos próximos meses e aproveitar a oportunidade de ser seu instrutor em sua jornada de ML.
Sobre o autor
Paulo Colmer é um instrutor técnico sênior da Amazon Web Services especializado em aprendizado de máquina e IA generativa. Sua paixão é ajudar clientes, parceiros e funcionários a se desenvolverem e crescerem por meio de narrativas convincentes, experiências compartilhadas e transferência de conhecimento. Com mais de 25 anos na indústria de TI, ele é especialista em práticas culturais ágeis e soluções de aprendizado de máquina. Paul é membro do London College of Music e membro da British Computer Society.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoAiStream. Inteligência de Dados Web3. Conhecimento Amplificado. Acesse aqui.
- Cunhando o Futuro com Adryenn Ashley. Acesse aqui.
- Compre e venda ações em empresas PRE-IPO com PREIPO®. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :é
- :não
- $UP
- 1
- 11
- 15%
- 50
- 500
- 7
- 8
- 9
- 937
- a
- Sobre
- Acesso
- acidentes
- Conta
- adicionar
- endereço
- administrativo
- avançado
- Depois de
- ágil
- AI
- AI / ML
- visar
- Álbum
- algoritmos
- Todos os Produtos
- permitir
- permite
- já
- tb
- Amazon
- Amazon Sage Maker
- JumpStart do Amazon SageMaker
- Amazon Web Services
- an
- e
- qualquer
- nada
- app
- aparecer
- Aplicação
- SOMOS
- ÁREA
- por aí
- Arte
- artigos
- artificial
- inteligência artificial
- arte
- AS
- Ativos
- associado
- At
- em anexo
- por WhatsApp.
- autodesk
- automatizar
- disponível
- AWS
- Cliente AWS
- Barra
- baseado
- BE
- Porque
- Carne Bovina
- sido
- antes
- Começo
- Benefícios
- MELHOR
- bênção
- Bloquear
- Blocos
- Blogs
- Florescer
- livro
- Livros
- ambos
- Britânico
- construir
- construídas em
- negócio
- Idéias de negócios
- negócios
- mas a
- by
- CAN
- casas
- casos
- alterar
- acusações
- ChatGPT
- verificar
- Escolha
- remover filtragem
- fechado
- código
- Faculdade
- como
- vinda
- atraente
- completar
- completamente
- computador
- conceitos
- CONTATE-NOS
- Considerar
- cônsul
- constantemente
- conteúdo
- Criação de conteúdo
- curso
- cursos
- cobrir
- cobertura
- cobre
- crio
- criado
- cria
- Criar
- criação
- Criatividade
- cultural
- Atual
- cliente
- experiência do cliente
- Clientes
- dados,
- dia
- dias
- Morte
- Demo
- implantar
- implantado
- Implantação
- descrição
- Design
- desenhadores
- projetos
- detalhado
- Detecção
- determina
- desenvolver
- Desenvolvimento
- diferente
- Distribuição
- digital
- Ativos Digitais
- do
- documento
- fazer
- domínio
- não
- down
- cada
- educacional
- colaboradores
- permite
- engloba
- Ponto final
- aprimorando
- Entrar
- Meio Ambiente
- Éter (ETH)
- eventos
- Cada
- exemplo
- emocionante
- existente
- Expandir
- vasta experiência
- Experiências
- experimentar
- experimentos
- explicação
- explorar
- Explorando
- família
- Moda
- Funcionalidades
- Alimentado
- sentir
- companheiro
- poucos
- campo
- Campos
- final
- Encontre
- Primeiro nome
- concentra-se
- seguinte
- comida
- Escolha
- formas
- para a frente
- Foundation
- quatro
- Quarto
- fraude
- detecção de fraude
- Gratuito
- da
- Diversão
- função
- ganhando
- gerar
- gerado
- gerando
- geração
- generativo
- IA generativa
- ter
- GitHub
- dado
- vidro
- Bom estado, com sinais de uso
- ótimo
- Grupo
- Cresça:
- mão
- Ter
- he
- ouviu
- ajudar
- ajuda
- ajuda
- SUA PARTICIPAÇÃO FAZ A DIFERENÇA
- superior
- altamente
- sua
- hospedagem
- hora
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTML
- HTTPS
- humano
- idéias
- identificar
- if
- imagem
- geração de imagem
- imagens
- in
- inclui
- Incluindo
- indicam
- indústria
- INFORMAÇÕES
- entrada
- instância
- instruções
- integrado
- Inteligência
- interessado
- para dentro
- IT
- Setor de TI
- iterações
- ESTÁ
- viagem
- jpg
- saltar
- Caderno Jupyter
- apenas por
- Chave
- Conhecimento
- transferência de conhecimento
- conhecido
- língua
- Maior
- lançamento
- de lançamento
- APRENDER
- aprendido
- aprendizagem
- esquerda
- como
- Line
- vida
- registrado
- London
- olhar
- lote
- gosta,
- máquina
- aprendizado de máquina
- moldadas
- fazer
- FAZ
- Fazendo
- muitos
- mercado
- material
- matemático
- Mídia
- minutos
- ML
- modelo
- modelos
- mês
- mais
- a maioria
- Montanha
- mover
- múltiplo
- Música
- musical
- nome
- Navegação
- necessário
- você merece...
- Cria
- Novo
- Próximo
- nota
- caderno
- laptops
- Perceber..
- agora
- número
- of
- on
- ONE
- aberto
- OpenAI
- Oportunidade
- ideal
- or
- Outros
- A Nossa
- Fora
- contornos
- saída
- Acima de
- Visão geral
- próprio
- página
- pão
- parte
- participando
- particular
- Parceiros
- paixão
- padrões
- Paul
- Pessoas
- Peter
- fotografia
- Lugar
- platão
- Inteligência de Dados Platão
- PlatãoData
- Jogar
- por favor
- ponto
- pontos
- Publique
- POSTAGENS
- potencial
- potencialmente
- práticas
- antecessor
- Previsões
- presente
- apresentado
- imprensa
- anterior
- preço
- preços
- Problema
- processo
- Produzido
- Produto
- Produtos
- Perfil
- promocional
- fornecer
- fornece
- público
- Python
- alcance
- em vez
- alcançar
- pronto
- reais
- recomendar
- referências
- região
- relevante
- exige
- restaurante
- Resultados
- cavaleiros
- Rocha
- Execute
- corrida
- Segurança
- sábio
- Dito
- SAINT
- scroll
- Pesquisar
- Segundo
- segundo
- Seção
- seguro
- Vejo
- visto
- visto
- selecionado
- senior
- sentença
- serviço
- Serviços
- conjunto
- Conjuntos
- Partilhar
- compartilhado
- rede de apoio social
- mostrar
- Shows
- assinado
- semelhante
- simples
- simplesmente
- solteiro
- ligeiramente diferente
- So
- Redes Sociais
- meios de comunicação social
- Publicações nas redes sociais
- Sociedade
- solução
- Soluções
- alguns
- Soundcloud
- Espaço
- especializada
- especializando
- específico
- especificamente
- estável
- começo
- começado
- Comece
- Status
- Passo
- Passos
- armazenamento
- História
- narrativa
- estudo
- Assombroso
- tal
- ajuda
- certo
- Tire
- Converse
- Dados Técnicos:
- técnicas
- Tecnologias
- geração de texto
- do que
- que
- A
- deles
- então
- Lá.
- Este
- deles
- coisa
- coisas
- Terceiro
- isto
- aqueles
- milhares
- três
- Através da
- tempo
- vezes
- para
- ferramenta
- pista
- treinado
- Training
- transferência
- Transformar
- transformado
- transformador
- transformadores
- verdadeiramente
- voltas
- tipo
- tipos
- para
- compreender
- que vai mais à frente
- atualização
- carregado
- sobre
- us
- usar
- caso de uso
- usava
- Utilizador
- usuários
- utilização
- vário
- versão
- via
- Vídeo
- Esperando
- queremos
- foi
- Caminho..
- we
- web
- serviços web
- foram
- O Quê
- quando
- qual
- enquanto
- QUEM
- precisarão
- com
- dentro
- palavras
- trabalhou
- trabalho
- mundo
- seria
- Envolvido
- escrita
- anos
- Você
- investimentos
- zefirnet