Amazon Web Services (AWS) mengumumkan lima fitur baru dalam Amazon SageMaker yang bertujuan untuk mempercepat pembangunan, pelatihan, dan penerapan model bahasa dan model dasar lainnya dalam skala besar. Kemajuan ini dirancang untuk membantu organisasi mengembangkan dan menerapkan model pembelajaran mesin dengan lebih mudah dan cepat untuk berbagai kasus penggunaan AI generatif. Fitur-fitur baru mencakup kemampuan untuk mengurangi waktu pelatihan model, mengoptimalkan pengoperasian infrastruktur pembelajaran mesin yang dikelola, dan SageMaker Clarify untuk membantu memilih model berdasarkan parameter kualitas. AWS juga memperkenalkan kemampuan tanpa kode pada SageMaker Canvas yang membuat persiapan data lebih mudah menggunakan instruksi bahasa alami.

Munculnya model-model yang berisi miliaran parameter didorong oleh kemajuan dalam pembelajaran mesin, daya komputasi yang dapat diskalakan, dan proliferasi data. Model ini dapat melakukan berbagai tugas, mulai dari menulis postingan blog hingga menjawab pertanyaan berdasarkan dokumen. SageMaker digunakan oleh puluhan ribu pelanggan, termasuk 3M, AstraZeneca, Ferrari, dan LG AI Research, menghasilkan lebih dari 1,5 triliun permintaan inferensi setiap bulannya. Pelanggan seperti AI21 Labs, Stability AI, dan Technology Innovation Institute mengatakan mereka menggunakan SageMaker untuk melatih model dengan miliaran parameter.

Ketika AI generatif mendapatkan momentumnya, banyak aplikasi baru akan bergantung pada model. Namun, sebagian besar organisasi kesulitan menyesuaikan infrastruktur mereka untuk memenuhi tuntutan model-model baru ini. SageMaker telah menambahkan dua fitur baru untuk meringankan beban pelatihan dan penerapan model dalam skala besar. SageMaker HyperPod mempercepat pelatihan model dan mengurangi waktu pelatihan hingga 40%. Dikonfigurasi sebelumnya dengan perpustakaan pelatihan terdistribusi SageMaker, pelanggan dapat secara otomatis membagi beban kerja pelatihan mereka ke ribuan akselerator. Inferensi SageMaker mengurangi biaya dan latensi penerapan model, memungkinkan pelanggan menerapkan beberapa model ke instans yang sama dan memanfaatkan akselerator yang mendasarinya dengan lebih baik.

Pelanggan memiliki beragam pilihan ketika memilih model untuk mendukung aplikasi AI generatif mereka. SageMaker Clear kini memungkinkan pelanggan mengevaluasi, membandingkan, dan memilih model terbaik untuk kasus penggunaan spesifik mereka berdasarkan parameter yang dipilih. Fitur-fitur baru di SageMaker Clarify memungkinkan pelanggan dengan mudah mengirimkan model mereka sendiri untuk evaluasi atau memilih model melalui SageMaker JumpStart. Amazon SageMaker Canvas memungkinkan pelanggan membangun model pembelajaran mesin dan menghasilkan prediksi tanpa menulis satu baris kode pun. Antarmuka visual SageMaker Canvas memudahkan orang yang tidak memiliki keahlian pembelajaran mesin untuk menyiapkan data mereka sendiri.