OpenAI: Dự án Strawberry, Orion và GPT Next - Tương lai của Trí tuệ Nhân tạo

<h2 id="section-0">OpenAI: Dự án Strawberry, Orion và GPT Next - Tương lai của Trí tuệ Nhân tạo</h2> <p><strong>OpenAI đang trên đà phát hành hai mô hình đột phá có khả năng định hình lại tương lai của học máy. Được đặt tên mã là Strawberry và Orion, các dự án này hướng đến việc đẩy mạnh khả năng của AI vượt ra khỏi giới hạn hiện tại, đặc biệt trong lý luận, giải quyết vấn đề và xử lý ngôn ngữ, đưa chúng ta gần hơn đến với mục tiêu Trí tuệ Nhân tạo Tổng quát (AGI).</strong></p> <p><strong>Dự án Strawberry: Nâng cao khả năng suy luận</strong></p> <p>Trước đây được biết đến với tên gọi Q* hoặc Q-Star, Strawberry dường như không chỉ đơn thuần là một chatbot. Nó tập trung vào việc thể hiện một bước nhảy vọt đáng kể trong khả năng suy luận của AI. Các nguồn tin thân cận với dự án đã tiết lộ với các phương tiện truyền thông như Reuters và The Information rằng Strawberry đã thể hiện sự thành thạo đáng kinh ngạc trong việc giải quyết các bài toán toán học phức tạp và nâng cao khả năng phân tích logic.</p> <p>Khác với các mô hình truyền thống cung cấp phản hồi nhanh chóng, Strawberry được cho là sử dụng cái mà các nhà nghiên cứu gọi là "suy nghĩ cấp độ 2" (System 2 thinking). Nó có khả năng dành thời gian để suy nghĩ kỹ lưỡng và lý luận các vấn đề, thay vì chỉ dự đoán các chuỗi token dài hơn để hoàn thành phản hồi. Cách tiếp cận này đã mang lại kết quả ấn tượng, với mô hình đạt điểm trên 90% trong bài kiểm tra MATH - một tập hợp các bài toán toán học nâng cao, theo Reuters.</p> <p>Một đổi mới quan trọng khác được dự đoán từ Strawberry là khả năng tạo ra dữ liệu huấn luyện tổng hợp chất lượng cao. Điều này giải quyết một thách thức quan trọng trong phát triển AI: sự khan hiếm dữ liệu đa dạng và chất lượng cao để huấn luyện mô hình. Nếu đúng như vậy, Strawberry không chỉ tăng cường khả năng của chính nó mà còn mở đường cho các mô hình tiên tiến hơn như Orion.</p> <p>Tuy nhiên, cách tiếp cận xử lý cẩn thận của Strawberry có thể gây ra những thách thức cho các ứng dụng thời gian thực. Các nhà nghiên cứu của OpenAI được cho là đang nỗ lực "chưng cất" (distilling) các khả năng của Strawberry - về cơ bản là giảm chất lượng để người dùng có thể thực hiện một lượng lớn suy luận với chi phí tính toán thấp. </p> <p>Mặc dù vậy, việc tích hợp tiềm năng công nghệ của Strawberry vào các sản phẩm dành cho người dùng như ChatGPT có thể đánh dấu một bước tiến đáng kể trong cách OpenAI huấn luyện các mô hình mới. Tuy nhiên, có khả năng OpenAI sẽ sử dụng Strawberry làm nền tảng để huấn luyện các mô hình mới hơn thay vì cung cấp rộng rãi cho người dùng.</p> <p><strong>Dự án Orion: GPT Next - Thế hệ ngôn ngữ AI tiếp theo</strong></p> <p>Dự án Orion là người kế nhiệm đầy tham vọng của GPT-4, hướng đến việc thiết lập tiêu chuẩn mới trong AI ngôn ngữ. Một bài thuyết trình gần đây của Tadao Nagasaki, Giám đốc điều hành OpenAI Nhật Bản, cho thấy nó có thể được đặt tên là GPT Next. Tận dụng những tiến bộ từ Dự án Strawberry, Orion được thiết kế để vượt trội trong xử lý ngôn ngữ tự nhiên đồng thời mở rộng sang khả năng đa phương thức.</p> <p>OpenAI khẳng định bước nhảy vọt này sẽ không phải là một sự cải tiến nhỏ. Nagasaki chia sẻ tại Hội nghị thượng đỉnh KDDI 2024 tại Nhật Bản rằng: “Mô hình AI sắp tới, có khả năng được gọi là ‘GPT Next’, sẽ phát triển gần 100 lần so với các phiên bản tiền nhiệm, xét theo hiệu suất trong quá khứ. Không giống như phần mềm truyền thống, công nghệ AI phát triển theo cấp số mũ. Do đó, chúng tôi muốn hỗ trợ việc tạo ra một thế giới nơi AI được tích hợp càng sớm càng tốt.”</p> <p>Việc huấn luyện Orion trên dữ liệu do Strawberry tạo ra sẽ tạo ra một lợi thế kỹ thuật cho OpenAI. Tuy nhiên, kỹ thuật này cần được sử dụng một cách thận trọng. Các nhà nghiên cứu đã chứng minh rằng các mô hình bắt đầu suy giảm sau khi được huấn luyện trên quá nhiều dữ liệu tổng hợp, do đó, việc tìm ra điểm cân bằng để Strawberry có thể làm cho Orion mạnh mẽ mà không ảnh hưởng đến độ chính xác có vẻ là chìa khóa để OpenAI duy trì khả năng cạnh tranh.</p> <p>Khả năng đa phương thức sẵn có của Orion cũng sẽ là một bước tiến đáng kể. Mô hình đang được phát triển để tích hợp liền mạch văn bản, hình ảnh và thậm chí cả đầu vào/đầu ra video, như được báo cáo bởi The Information. Điều này mở ra những khả năng mới cho người dùng ChatGPT và đặt công ty vào cạnh tranh trực tiếp với Gemini của Google - có thể xử lý tối đa 2 giờ đầu vào video.</p> <p>Đây là mô hình mà người dùng sẽ tương tác khi sử dụng ChatGPT hoặc OpenAI API Playground.</p> <p>Sự phát triển của Orion phù hợp với chiến lược rộng lớn hơn của OpenAI nhằm duy trì lợi thế cạnh tranh trong một bức tranh AI ngày càng đông đúc. Với các mô hình mã nguồn mở như LLaMA-3.1 của Meta và các mô hình tiên tiến như Claude hoặc Gemini đang phát triển nhanh chóng, Orion về cơ bản là nỗ lực của OpenAI để giữ vững vị thế dẫn đầu.</p> <p><strong>Kết luận:</strong></p> <p>OpenAI, với hai dự án Strawberry và Orion, đang thể hiện tham vọng lớn trong việc thúc đẩy ranh giới của trí tuệ nhân tạo. Khả năng suy luận vượt trội của Strawberry và khả năng đa phương thức của Orion hứa hẹn sẽ mang đến những thay đổi đáng kể trong tương lai của AI, mở ra những khả năng chưa từng có cho người dùng và ngành công nghiệp. Tuy nhiên, việc cân nhắc kỹ lưỡng về những thách thức liên quan đến dữ liệu tổng hợp và sự phát triển không ngừng của các đối thủ cạnh tranh vẫn là những yếu tố quan trọng để OpenAI duy trì vị thế tiên phong trong cuộc đua AI. </p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

OpenAI: Dự án Strawberry, Orion và GPT Next - Tương lai của Trí tuệ Nhân tạo

OpenAI: Dự án Strawberry, Orion và GPT Next - Tương lai của Trí tuệ Nhân tạo OpenAI đang trên đà phát hành hai mô hình đột phá có khả năng ...

Read more »

Salesforce tích hợp Claude AI của Anthropic để nâng cao khả năng của Einstein

<h2 id="section-0">Salesforce tích hợp Claude AI của Anthropic để nâng cao khả năng của Einstein</h2> <p><strong>Salesforce đang hợp tác với Anthropic để nâng cao khả năng của nền tảng trí tuệ nhân tạo Einstein bằng cách tích hợp các mô hình ngôn ngữ lớn (LLM) Claude.</strong> Việc tích hợp này mang đến cho khách hàng Salesforce khả năng sử dụng các mô hình Claude 3.5 Sonnet, Claude 3 Opus và Claude 3 Haiku thông qua Amazon Bedrock, mở ra vô vàn ứng dụng trong kinh doanh.</p> <p><strong>Khả năng cải thiện hiệu quả, nâng cao hiểu biết và cá nhân hóa trải nghiệm khách hàng trên toàn bộ hoạt động kinh doanh</strong> là những lợi ích chủ yếu mà Claude mang lại cho các doanh nghiệp Salesforce. Từ hoạt động bán hàng, chăm sóc khách hàng, marketing, thương mại điện tử đến công nghệ thông tin, Claude có thể hỗ trợ tối ưu hóa các quy trình và nâng cao hiệu suất.</p> <p><strong>Claude được thiết kế với tiêu chuẩn bảo mật và độ chính xác cao cấp dành cho doanh nghiệp</strong>, vượt trội hơn các LLM khác về khả năng tạo văn bản gần giống con người và giảm thiểu hiện tượng "ảo giác" (hallucination). Einstein 1 Studio, hiện đã tích hợp Claude, trở thành nền tảng đáng tin cậy để khách hàng Salesforce xây dựng các trải nghiệm AI được cá nhân hóa.</p> <p><strong>Ông Kaushal Kurapati, Phó Chủ tịch cấp cao phụ trách sản phẩm AI tại Salesforce, cho biết:</strong> “Qua quan hệ đối tác với Anthropic, khách hàng có được sự linh hoạt trong việc tích hợp các LLM của riêng họ, bao gồm cả các mô hình Claude với các cấp độ thông minh, tốc độ và hiệu quả chi phí khác nhau. Điều này cho phép người dùng điều chỉnh các ứng dụng CRM phù hợp với yêu cầu cụ thể của họ.”</p> <p><strong>Một số ví dụ về ứng dụng Claude trong các ngành nghề:</strong></p> <ul> <li><strong>Bán hàng và Marketing:</strong> Tạo bản chào hàng được cá nhân hóa, phân tích bản ghi cuộc gọi, tạo nội dung tùy chỉnh và đánh giá hiệu quả chiến dịch.</li> <li><strong>Chăm sóc khách hàng:</strong> Tóm tắt các trường hợp và tạo phản hồi được cá nhân hóa.</li> <li><strong>Y tế và Dịch vụ tài chính:</strong> Tóm tắt hồ sơ, tạo tài liệu giáo dục, phân tích báo cáo và đưa ra khuyến nghị đầu tư.</li> <li><strong>Pháp lý và Công nghệ:</strong> Phân tích hợp đồng và phản hồi của người dùng, tạo mô tả sản phẩm.</li> <li><strong>Truyền thông và Giải trí:</strong> Tạo ý tưởng nội dung và đưa ra đề xuất cá nhân hóa.</li> </ul> <p><strong>Các bước tích hợp:</strong></p> <p>Khách hàng Salesforce có thể truy cập các mô hình Claude 3.5 Sonnet, Claude 3 Opus và Claude 3 Haiku thông qua tính năng "Mang LLM của riêng bạn" (BYO LLM) trong Einstein 1 Studio. Quá trình tích hợp bao gồm:</p> <ol> <li>Kết nối mô hình Claude thông qua môi trường AWS Bedrock hiện có.</li> <li>Chọn giữa Claude 3.5 Sonnet, Claude 3 Opus và Claude 3 Haiku trong các mẫu nhắc nhở tùy chỉnh trong Salesforce.</li> <li>Duy trì các tiêu chuẩn bảo mật và tuân thủ trong khi tận dụng các khả năng AI tiên tiến.</li> </ol> <p>Tất cả các tương tác với Claude đều được thực hiện thông qua hệ thống AI bảo mật của Salesforce, đảm bảo việc sử dụng AI có trách nhiệm với các biện pháp bảo vệ như xác thực động và phát hiện độc hại thông qua Einstein Trust Layer.</p> <p><strong>Để bắt đầu sử dụng Claude:</strong></p> <ol> <li>Truy cập Einstein 1 Studio trong Salesforce Data Cloud.</li> <li>Chọn tab Foundation Models và nhấp vào "Thêm Mô hình Foundation".</li> <li>Chọn kết nối thông qua Amazon Bedrock.</li> <li>Nhập thông tin xác thực cần thiết (ví dụ: khóa API, thông tin khu vực).</li> <li>Cấu hình và kiểm tra mô hình trong Model Playground.</li> <li>Tạo mẫu nhắc nhở tùy chỉnh bằng Prompt Builder.</li> </ol> <p><strong>Để biết thêm thông tin về cách tận dụng Claude trong môi trường Salesforce của bạn, hãy liên hệ với đại diện Salesforce của bạn.</strong> </p> <p><strong>Tóm lại, việc tích hợp Claude AI của Anthropic vào Einstein là một bước tiến quan trọng của Salesforce trong việc cung cấp các giải pháp AI tiên tiến, hỗ trợ doanh nghiệp nâng cao hiệu quả hoạt động, tối ưu hóa trải nghiệm khách hàng và thúc đẩy sự phát triển bền vững.</strong></p><br /><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" />

Salesforce tích hợp Claude AI của Anthropic để nâng cao khả năng của Einstein

Salesforce tích hợp Claude AI của Anthropic để nâng cao khả năng của Einstein Salesforce đang hợp tác với Anthropic để nâng cao khả năng củ...

Read more »

Alibaba tung ra Qwen2-VL, vượt GPT-4o & Claude 3.5 Sonnet

<h2 id="section-0">Alibaba tung ra Qwen2-VL, vượt GPT-4o & Claude 3.5 Sonnet</h2> <p><strong>Alibaba gần đây đã giới thiệu Qwen2-VL, phiên bản mới nhất trong dòng sản phẩm mô hình ngôn ngữ kết hợp hình ảnh (vision-language). Qwen2-VL có khả năng trò chuyện qua camera, chơi bài, và điều khiển điện thoại di động, robot bằng cách hoạt động như một đại lý (agent).</strong></p> <p>Mô hình này hiện có ba phiên bản: mã nguồn mở 2 tỷ và 7 tỷ tham số, và phiên bản nâng cao 72 tỷ tham số, có thể truy cập thông qua API. Phiên bản 72 tỷ tham số của Qwen2-VL đã đạt hiệu suất cao nhất (SOTA) trong việc hiểu hình ảnh trên 20 điểm chuẩn. </p> <p><strong>"Nói chung, mô hình 72B của chúng tôi thể hiện hiệu suất hàng đầu trên hầu hết các chỉ số, thường vượt cả các mô hình mã nguồn đóng như GPT-4o và Claude 3.5-Sonnet,"</strong> bài đăng trên blog chia sẻ. </p> <p>Qwen2-VL thể hiện hiệu quả vượt trội trong các điểm chuẩn như MathVista (lý luận toán học), DocVQA (hiểu tài liệu), và RealWorldQA (trả lời câu hỏi thực tế bằng cách sử dụng thông tin trực quan).</p> <p><strong>Mô hình có thể phân tích video dài hơn 20 phút, cung cấp tóm tắt chi tiết, và trả lời câu hỏi về nội dung. Qwen2-VL cũng có thể hoạt động như một đại lý điều khiển, vận hành các thiết bị như điện thoại di động và robot bằng cách sử dụng tín hiệu trực quan và lệnh văn bản.</strong></p> <p>Điều đáng chú ý là mô hình này có thể nhận diện và hiểu văn bản trong hình ảnh trên nhiều ngôn ngữ, bao gồm các ngôn ngữ châu Âu, tiếng Nhật, tiếng Hàn và tiếng Ả Rập, giúp nó tiếp cận được với một lượng người dùng toàn cầu.</p> <p><strong>Một số điểm chính:</strong></p> <ul> <li>Qwen2-VL được cải tiến về mặt kiến trúc, bao gồm hỗ trợ <strong>Độ phân giải động ngây thơ (Naive Dynamic Resolution)</strong>. Mô hình có thể thích nghi và xử lý hình ảnh có kích thước và độ rõ nét khác nhau.</li> </ul> <p><strong>"Không giống như người tiền nhiệm, Qwen2-VL có thể xử lý độ phân giải hình ảnh tùy ý, ánh xạ chúng thành một số lượng token trực quan động, qua đó đảm bảo tính nhất quán giữa đầu vào mô hình và thông tin vốn có trong hình ảnh,"</strong> Binyuan Hui, người tạo ra OpenDevin và là người duy trì chính tại Qwen, chia sẻ. </p> <ul> <li>Cải tiến kiến trúc khác là sự đổi mới của <strong>Nhúng vị trí xoay đa phương thức (Multimodal Rotary Position Embedding)</strong> (M-ROPE). <strong>"Bằng cách phân tách nhúng xoay ban đầu thành ba phần thể hiện thông tin thời gian và không gian (chiều cao và chiều rộng), M-ROPE cho phép LLM đồng thời nắm bắt và tích hợp thông tin vị trí văn bản 1D, trực quan 2D và video 3D,"</strong> ông nói thêm.</li> </ul> <p><strong>Nói cách khác, kỹ thuật này cho phép mô hình hiểu và tích hợp dữ liệu văn bản, hình ảnh và video.</strong></p> <p><strong>Ứng dụng của Qwen2-VL rất đa dạng.</strong> William J.B. Mattingly, một du mục kỹ thuật số trên X, gần đây đã ca ngợi sự phát triển này và gọi nó là mô hình Nhận dạng văn bản viết tay (HTR) yêu thích của mình khi cố gắng chuyển đổi văn bản viết tay thành định dạng kỹ thuật số.</p> <p>Ashutosh Shrivastava, một người dùng trên X, đã sử dụng mô hình này để giải một bài toán vi tích phân và báo cáo kết quả thành công, chứng minh tính hiệu quả của nó trong việc giải quyết vấn đề. </p> <p><strong>Tuy nhiên, GitHub đã gắn cờ tổ chức vì lý do không rõ ràng, nhưng bản cập nhật có sẵn trên Hugging Face.</strong></p> <h2 id="section-1">Kết luận</h2> <p>Qwen2-VL là một bước tiến đáng kể trong lĩnh vực mô hình ngôn ngữ kết hợp hình ảnh, mở ra những khả năng mới cho tương lai của AI. Sự phát triển này hứa hẹn mang lại những ứng dụng thực tiễn to lớn trong nhiều lĩnh vực như giáo dục, giải trí, và công nghiệp.</p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Alibaba tung ra Qwen2-VL, vượt GPT-4o & Claude 3.5 Sonnet

Alibaba tung ra Qwen2-VL, vượt GPT-4o & Claude 3.5 Sonnet Alibaba gần đây đã giới thiệu Qwen2-VL, phiên bản mới nhất trong dòng sản phẩ...

Read more »

Doanh nghiệp tăng gấp đôi nỗ lực triển khai trí tuệ nhân tạo sáng tạo, khảo sát của Bloomberg cho thấy

<h2 id="section-0">Doanh nghiệp tăng gấp đôi nỗ lực triển khai trí tuệ nhân tạo sáng tạo, khảo sát của Bloomberg cho thấy</h2> <p><strong>Theo một báo cáo của Bloomberg Intelligence về trí tuệ nhân tạo (AI), tỷ lệ các công ty triển khai các chương trình AI sáng tạo (Gen AI) hỗ trợ đã tăng gấp đôi trong khoảng thời gian từ tháng 12 năm ngoái đến tháng 7 năm 2024.</strong></p> <p>Báo cáo này, dựa trên khảo sát 50 giám đốc thông tin (CIO) của các công ty có trụ sở tại Mỹ vào tháng 7, cho thấy 66% số người được hỏi đang triển khai các chương trình Gen AI hỗ trợ, so với 32% trong khảo sát tháng 12. Mandeep Singh, nhà phân tích ngành công nghiệp cấp cao của Bloomberg Intelligence và là tác giả chính của báo cáo, đã đưa ra những con số này.</p> <p><strong>Ứng dụng chính của Gen AI được hơn một nửa số người được hỏi đề cập đến là các tác nhân chatbot, chẳng hạn như trong các ứng dụng dịch vụ khách hàng.</strong></p> <p>Các công ty cũng tăng cường đánh giá việc huấn luyện các mô hình cơ sở - những mô hình ngôn ngữ lớn tạo nên cơ sở cho hầu hết các ứng dụng Gen AI. Số lượng người được hỏi "đang làm việc" trên việc huấn luyện các mô hình cơ sở đã tăng từ 26% trong khảo sát tháng 12 lên 40%, và một nửa số người được hỏi cho biết họ đang "đánh giá" việc huấn luyện các mô hình.</p> <p><strong>Ông Singh cho biết những triển khai này có thể dẫn đến sự gia tăng công việc suy luận AI trong các công ty.</strong> Có tới 60% số người được hỏi cho biết tổ chức của họ có ý định tăng chi tiêu cho Azure của Microsoft cho công việc suy luận AI (đưa ra dự đoán), tăng từ 41% trong khảo sát tháng 12.</p> <p>Azure dẫn đầu trong số các nhà cung cấp dịch vụ điện toán đám mây được lựa chọn cho công việc suy luận, trong khi dịch vụ điện toán đám mây AWS của Amazon giảm từ 55% xuống còn 42% số người được hỏi giữa các khảo sát tháng 12 và tháng 7. Google Cloud đứng ở vị trí thứ ba, với 36% số người được hỏi có ý định tăng chi tiêu cho việc suy luận.</p> <p><strong>Ông Singh cho biết nhu cầu về suy luận của Azure dự kiến sẽ tiếp tục tăng, một phần là do sức hấp dẫn của các mô hình Gen AI của đối tác OpenAI</strong>, chẳng hạn như GPT-4, vốn không có sẵn trên AWS hoặc Google Cloud.</p> <p>"Việc tích hợp nền tảng Azure của Microsoft với các mô hình OpenAI tiếp tục là một lợi thế so với các đối thủ điện toán đám mây công cộng trong việc lưu trữ các khối lượng công việc suy luận", ông Singh viết trong báo cáo.</p> <p>Tỷ lệ phần trăm các công ty được hỏi sử dụng các mô hình OpenAI đã tăng từ 41% vào tháng 12 lên 70% trong khảo sát mới nhất. "Việc sử dụng Gemini của Google chỉ là 18%, so với 70% của OpenAI", ông Singh viết, đề cập đến sản phẩm Gen AI hàng đầu của Google.</p> <p><strong>Khảo sát cũng cho thấy sức hấp dẫn của Gen AI đang giúp Microsoft thu hẹp khoảng cách với Amazon trong lĩnh vực cung cấp dịch vụ điện toán đám mây.</strong> "Vào cuối năm 2023, thị phần dịch vụ cơ sở hạ tầng điện toán đám mây của Microsoft là 16%, so với 47% của AWS", so với 48% so với 12% vào năm 2018, báo cáo nêu rõ. "Chúng tôi dự đoán khoảng cách này sẽ thu hẹp hơn nữa", ông Singh viết.</p> <p>Ngoài ba nhà cung cấp dịch vụ điện toán đám mây lớn, Snowflake và MongoDB cũng được xếp hạng cao trong số các nhà cung cấp được ưu tiên để phát triển "phát sinh tăng cường truy xuất" (RAG) - một kỹ thuật Gen AI ngày càng phổ biến, trong đó mô hình AI khai thác vào cơ sở dữ liệu bên ngoài.</p> <p>MongoDB và Snowflake là lựa chọn hàng đầu cho RAG đối với lần lượt 14% và 10% số người được hỏi, xếp sau Azure (26%) và Amazon (20%).</p> <p><strong>Sự tiến bộ trong việc triển khai Gen AI được nêu bật trong khảo sát của Bloomberg trái ngược với các nghiên cứu gần đây khác.</strong> Chuyên gia phân tích Gartner dự đoán ít nhất 30% các dự án Gen AI sẽ bị hủy bỏ sau giai đoạn chứng minh khái niệm vào cuối năm 2025 khi các công ty gặp khó khăn trong việc chứng minh và nhận ra giá trị từ công nghệ này.</p> <p>Trong khi đó, một nghiên cứu gần đây của Deloitte về Gen AI cho thấy hầu hết các tổ chức chỉ đưa một phần ba hoặc ít hơn các dự án Gen AI của họ vào sản xuất.</p> <p><strong>Cần lưu ý rằng báo cáo của Bloomberg sử dụng ngôn ngữ thử nghiệm như "đang làm việc" và "đánh giá".</strong> Nói tóm lại, cần phải có thêm tiến bộ trước khi Gen AI được tích hợp vào doanh nghiệp. </p> <p><strong>Tóm lại, khảo sát của Bloomberg cho thấy Gen AI đang ngày càng được doanh nghiệp quan tâm và triển khai, đặc biệt với sự hỗ trợ mạnh mẽ từ Microsoft Azure và OpenAI. Tuy nhiên, vẫn còn nhiều thách thức trong việc đưa Gen AI vào sản xuất và khai thác tối đa giá trị của công nghệ này.</strong></p><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" />

Doanh nghiệp tăng gấp đôi nỗ lực triển khai trí tuệ nhân tạo sáng tạo, khảo sát của Bloomberg cho thấy

Doanh nghiệp tăng gấp đôi nỗ lực triển khai trí tuệ nhân tạo sáng tạo, khảo sát của Bloomberg cho thấy Theo một báo cáo của Bloomberg Intel...

Read more »

Sinh viên toán học chế tạo lò phản ứng tổng hợp hạt nhân tại nhà với sự trợ giúp của Claude AI và 2.000 USD

<h2 id="section-0">Sinh viên toán học chế tạo lò phản ứng tổng hợp hạt nhân tại nhà với sự trợ giúp của Claude AI và 2.000 USD</h2> <p><strong>Một sinh viên đại học đã đạt được một kỳ tích đáng kinh ngạc trong lĩnh vực năng lượng hạt nhân: chế tạo một lò phản ứng tổng hợp hạt nhân ngay trong phòng ngủ của mình chỉ với chi phí 2.000 USD và trong vòng chưa đầy 4 tuần.</strong></p> <p>Hudhayfa Nazoordeen, một sinh viên ngành toán tại Đại học Waterloo, đã tạo ra một thiết bị nhỏ gọn có tên là fusor, mô phỏng lại cấu trúc của một tokamak - một dạng lò phản ứng tổng hợp hạt nhân lớn. Sử dụng một biến áp neon 12kV thông thường làm nguồn năng lượng, thiết bị của anh đã thành công trong việc tạo ra plasma - môi trường cần thiết để quá trình tổng hợp hạt nhân diễn ra.</p> <p>Điều đáng chú ý là Hudhayfa hoàn toàn không có kinh nghiệm về phần cứng. Tuần đầu tiên, anh tập trung vào việc tìm kiếm và xác định các linh kiện cần thiết từ các nhà cung cấp như McMaster-Carr. Tuần thứ hai, anh bắt đầu lắp ráp buồng phản ứng chính và mạch chỉnh lưu. Đến tuần thứ ba, toàn bộ hệ thống đã được hoàn thiện trong phòng ngủ và anh bắt tay vào việc tích hợp biến áp neon.</p> <p>Tuy nhiên, thách thức lớn nhất đối với Hudhayfa đến từ việc thiết lập hệ thống chân không ở "tuần thứ 3.5". Anh chia sẻ: "Đây là phần khó chịu nhất trong dự án". Hudhayfa phải mất nhiều công sức để tìm ra và bịt kín các khe hở nhỏ li ti để đạt được mức chân không 25 phần triệu áp suất khí quyển. </p> <p><strong>Tạo ra môi trường chân không là điều cần thiết bởi vì quá trình tổng hợp hạt nhân đòi hỏi áp suất cực thấp để các hạt nhân có thể tiến lại gần nhau và xảy ra phản ứng.</strong> Hudhayfa đã sử dụng bộ biến đổi MKS-901p để giám sát và điều khiển liên tục độ chân không.</p> <p>Bên cạnh sự trợ giúp từ các kỹ sư khác trong trường, Hudhayfa còn rất ấn tượng với chatbot AI Claude 3.5 của Anthropic, công cụ đã đóng vai trò quan trọng trong quá trình phát triển lò phản ứng. Anh chia sẻ: "Tôi đã cung cấp cho Claude tất cả các thông số kỹ thuật và nó đã giúp đỡ tôi rất nhiều".</p> <p><strong>Mặc dù thiết bị tự chế này chưa đạt được mục tiêu chính là gây ra phản ứng tổng hợp hạt nhân và phát ra neutron, nhưng đây là một thành tựu đáng kinh ngạc cho một dự án nhỏ như vậy.</strong> Việc đạt được phản ứng tổng hợp hạt nhân đòi hỏi những kỹ thuật nâng cao hơn nhiều và có thể cần phải chuyển sang các khái niệm lò phản ứng tiên tiến hơn.</p> <p>Hudhayfa hiện đang chờ đợi nguồn vốn để hoàn thiện dự án fusor của mình. Công trình của anh dựa trên những thành công trước đó của Olivia Li, một kỹ sư từ Đại học Toronto, người đã chế tạo lò phản ứng tổng hợp hạt nhân riêng của mình trong một căn hộ ở Thành phố New York vào năm ngoái bằng cách sử dụng khí deuterium chiết xuất từ nước nặng. Olivia đã hết lời khen ngợi thành tựu của Hudhayfa: "Rất nhiều người tôi đã nói chuyện đều bày tỏ sự hứng thú với việc chế tạo lò phản ứng tổng hợp hạt nhân. Nhưng Hudzah là người duy nhất thực sự bắt tay vào làm và đạt được kết quả!" </p> <p><strong>Công trình của Hudhayfa Nazoordeen cho thấy rằng ngay cả với nguồn lực hạn chế, các nhà sáng chế trẻ có thể góp phần vào những tiến bộ khoa học quan trọng và có thể mở ra những triển vọng mới cho lĩnh vực năng lượng sạch trong tương lai.</strong></p><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" />

Sinh viên toán học chế tạo lò phản ứng tổng hợp hạt nhân tại nhà với sự trợ giúp của Claude AI và 2.000 USD

Sinh viên toán học chế tạo lò phản ứng tổng hợp hạt nhân tại nhà với sự trợ giúp của Claude AI và 2.000 USD Một sinh viên đại học đã đạt đư...

Read more »

Xây dựng ứng dụng mô tả hình ảnh AI thế hệ mới với Claude 3.5 Sonnet của Anthropic trên Amazon Bedrock và AWS CDK

<h2 id="section-0">Xây dựng ứng dụng mô tả hình ảnh AI thế hệ mới với Claude 3.5 Sonnet của Anthropic trên Amazon Bedrock và AWS CDK</h2> <p><strong>Giới thiệu</strong></p> <p>Việc tạo ra mô tả hình ảnh là một yêu cầu phổ biến trong các ứng dụng thuộc nhiều ngành nghề khác nhau. Một ví dụ điển hình là việc gắn thẻ hình ảnh với siêu dữ liệu mô tả để cải thiện khả năng tìm kiếm trong kho lưu trữ nội dung của tổ chức. Các nền tảng thương mại điện tử cũng sử dụng mô tả hình ảnh tự động tạo ra để cung cấp cho khách hàng thêm thông tin chi tiết về sản phẩm. Ngoài ra, chú thích hình ảnh mô tả còn giúp tăng cường khả năng tiếp cận cho người dùng khiếm thị.</p> <p>Với những tiến bộ trong lĩnh vực <strong>trí tuệ nhân tạo (AI) thế hệ mới</strong> và các mô hình đa phương thức, việc tạo ra mô tả hình ảnh giờ đây đã trở nên đơn giản hơn. <strong>Amazon Bedrock</strong> cung cấp quyền truy cập vào <strong>họ mô hình Claude 3 của Anthropic</strong>, tích hợp các khả năng thị giác máy tính mới, cho phép Claude của Anthropic hiểu và phân tích hình ảnh. Điều này mở ra những khả năng mới cho tương tác đa phương thức. Tuy nhiên, việc xây dựng một ứng dụng trọn gói thường yêu cầu cơ sở hạ tầng đáng kể và làm chậm quá trình phát triển.</p> <p><strong>Kết hợp sức mạnh của Generative AI CDK Constructs và Amazon Bedrock</strong></p> <p><strong>Generative AI CDK Constructs</strong> kết hợp với Amazon Bedrock mang đến một sự kết hợp mạnh mẽ để đẩy nhanh quá trình phát triển ứng dụng. Sự tích hợp này cung cấp các mẫu cơ sở hạ tầng và API có thể tái sử dụng, cho phép truy cập liền mạch vào các mô hình nền tảng (FM) tiên tiến từ Amazon và các công ty khởi nghiệp hàng đầu. <strong>Amazon Bedrock là một dịch vụ được quản lý đầy đủ</strong>, cung cấp sự lựa chọn các FM hiệu năng cao từ các công ty AI hàng đầu như AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI và Amazon thông qua một API duy nhất, cùng với một loạt các khả năng để xây dựng ứng dụng AI thế hệ mới với tính bảo mật, quyền riêng tư và AI có trách nhiệm. Generative AI CDK Constructs có thể đẩy nhanh quá trình phát triển ứng dụng bằng cách cung cấp các mẫu cơ sở hạ tầng có thể tái sử dụng, cho phép bạn tập trung thời gian và công sức vào các khía cạnh độc đáo của ứng dụng.</p> <p>Bài viết này sẽ đi sâu vào quá trình xây dựng và triển khai một ứng dụng mẫu có khả năng tạo ra mô tả đa ngôn ngữ cho nhiều hình ảnh với giao diện người dùng (UI) <strong>Streamlit</strong>, <strong>AWS Lambda</strong> được hỗ trợ bởi <strong>Amazon Bedrock SDK</strong>, và <strong>AWS AppSync</strong> được điều khiển bởi <strong>Generative AI CDK Constructs</strong> mã nguồn mở.</p> <p><strong>Mô hình đa phương thức</strong></p> <p>Hệ thống AI đa phương thức là một loại AI tiên tiến có thể xử lý và phân tích dữ liệu từ nhiều phương thức cùng một lúc, bao gồm văn bản, hình ảnh, âm thanh và video. Không giống như các mô hình AI truyền thống được đào tạo trên một loại dữ liệu duy nhất, AI đa phương thức tích hợp các nguồn dữ liệu đa dạng để phát triển sự hiểu biết toàn diện hơn về thông tin phức tạp.</p> <p><strong>Claude 3 của Anthropic trên Amazon Bedrock là một mô hình đa phương thức hàng đầu với khả năng thị giác máy tính để phân tích hình ảnh và tạo ra đầu ra văn bản mô tả.</strong> Claude 3 của Anthropic rất giỏi trong việc diễn giải các tài sản trực quan phức tạp như biểu đồ, đồ thị, sơ đồ, báo cáo, và hơn thế nữa. Mô hình kết hợp thị giác máy tính với xử lý ngôn ngữ để cung cấp các bản tóm tắt văn bản sắc thái về thông tin chính được trích xuất từ hình ảnh. Điều này cho phép Claude 3 của Anthropic phát triển sự hiểu biết sâu hơn về dữ liệu trực quan so với AI một phương thức truyền thống.</p> <p>Vào tháng 3 năm 2024, <strong>Amazon Bedrock đã cung cấp quyền truy cập vào họ mô hình Claude 3 của Anthropic</strong>. Ba mô hình trong họ này bao gồm Claude 3 Haiku (mô hình nhanh nhất và nhỏ gọn nhất cho khả năng phản hồi gần như tức thì), Claude 3 Sonnet (mô hình cân bằng lý tưởng giữa kỹ năng và tốc độ), và Claude 3 Opus (phiên bản thông minh nhất cho hiệu suất hàng đầu trong các tác vụ phức tạp). Vào tháng 6 năm 2024, <strong>Amazon Bedrock đã thông báo hỗ trợ cho Claude 3.5 của Anthropic</strong>. Ứng dụng mẫu trong bài viết này hỗ trợ Claude 3.5 Sonnet và cả ba mô hình Claude 3.</p> <p><strong>Generative AI CDK Constructs</strong></p> <p>Generative AI CDK Constructs, một phần mở rộng của <strong>AWS Cloud Development Kit (AWS CDK)</strong>, là một khung phát triển mã nguồn mở để định nghĩa cơ sở hạ tầng đám mây dưới dạng mã (IaC) và triển khai nó thông qua <strong>AWS CloudFormation</strong>.</p> <p>Các <strong>Construct</strong> là các khối xây dựng cơ bản của ứng dụng AWS CDK. Thư viện AWS Construct phân loại các construct thành ba cấp độ: Cấp độ 1 (construct cấp thấp nhất không có trừu tượng hóa), Cấp độ 2 (ánh xạ trực tiếp đến các tài nguyên AWS CloudFormation đơn lẻ), và Cấp độ 3 (các mẫu có mức trừu tượng hóa cao nhất).</p> <p>Thư viện Generative AI CDK Constructs cung cấp các khối xây dựng mô-đun để tích hợp liền mạch các dịch vụ và tài nguyên AWS vào các giải pháp sử dụng khả năng AI thế hệ mới. Bằng cách sử dụng Amazon Bedrock để truy cập FM và kết hợp với các dịch vụ AWS không máy chủ như Lambda và AWS AppSync, các construct AWS CDK này đơn giản hóa quá trình lắp ráp cơ sở hạ tầng đám mây cho AI thế hệ mới. Bạn có thể cấu hình và triển khai các giải pháp một cách nhanh chóng để tạo nội dung bằng cách sử dụng các trừu tượng hóa trực quan. Cách tiếp cận này giúp tăng năng suất và giảm thời gian đưa ra thị trường cho việc cung cấp các ứng dụng sáng tạo được hỗ trợ bởi những tiến bộ mới nhất trong AI thế hệ mới trên AWS Cloud.</p> <p><strong>Tổng quan về giải pháp</strong></p> <p>Ứng dụng mẫu trong bài viết này sử dụng <strong>construct <code>aws-summarization-appsync-stepfn</code></strong> từ thư viện Generative AI CDK Constructs. Construct <code>aws-summarization-appsync-stepfn</code> cung cấp một kiến trúc không máy chủ sử dụng AWS AppSync, <strong>AWS Step Functions</strong> và <strong>Amazon EventBridge</strong> để cung cấp dịch vụ tóm tắt hình ảnh không đồng bộ. Construct này cung cấp một giải pháp có khả năng mở rộng và dựa trên sự kiện để xử lý và tạo mô tả cho tài sản hình ảnh.</p> <p><strong>AWS AppSync đóng vai trò là điểm nhập cảnh</strong>, hiển thị API GraphQL cho phép khách hàng khởi tạo yêu cầu tóm tắt và mô tả hình ảnh. API sử dụng các đột biến đăng ký, cho phép chạy không đồng bộ các yêu cầu. Sự tách rời này thúc đẩy các thực tiễn tốt nhất cho các hệ thống dựa trên sự kiện, kết hợp lỏng lẻo.</p> <p><strong>EventBridge đóng vai trò là bus sự kiện</strong>, tạo điều kiện cho việc giao tiếp giữa AWS AppSync và Step Functions. Khi khách hàng gửi yêu cầu thông qua API GraphQL, một sự kiện sẽ được phát ra đến EventBridge, kích hoạt một lần chạy của luồng công việc Step Functions.</p> <p><strong>Step Functions dàn dựng việc chạy của ba hàm Lambda</strong>, mỗi hàm chịu trách nhiệm cho một tác vụ cụ thể trong quá trình tóm tắt hình ảnh:</p> <ul> <li><strong>Bộ xác thực đầu vào:</strong> Hàm Lambda này thực hiện xác thực đầu vào, đảm bảo rằng các yêu cầu được cung cấp tuân thủ định dạng mong đợi. Nó cũng xử lý việc tải lên các tài sản hình ảnh đầu vào lên <strong>xô Amazon Simple Storage Service (Amazon S3)</strong> được chỉ định cho các tài sản thô.</li> <li><strong>Bộ đọc tài liệu:</strong> Hàm Lambda này truy xuất các tài sản hình ảnh thô từ xô tài sản đầu vào, thực hiện <strong>kiểm tra điều tiết hình ảnh</strong> bằng <strong>Amazon Rekognition</strong>, và tải lên các tài sản đã xử lý lên một xô S3 được chỉ định cho các tệp đã được chuyển đổi. Sự tách biệt giữa các tài sản thô và đã xử lý tạo điều kiện cho việc kiểm toán và quản lý phiên bản.</li> <li><strong>Tạo tóm tắt:</strong> Hàm Lambda này tạo ra một bản tóm tắt văn bản hoặc mô tả cho các tài sản hình ảnh đã được xử lý, sử dụng các mô hình học máy (ML) hoặc các kỹ thuật phân tích hình ảnh khác.</li> </ul> <p>Bộ dàn dựng luồng công việc Step Functions sử dụng <strong>trạng thái Map</strong>, cho phép chạy song song nhiều tài sản hình ảnh. Khả năng xử lý đồng thời này cung cấp tối ưu hóa sử dụng tài nguyên và giảm thiểu độ trễ, mang đến một giải pháp tóm tắt hình ảnh có khả năng mở rộng và hiệu quả cao.</p> <p><strong>Amazon Cognito xử lý xác thực và ủy quyền người dùng</strong>, cung cấp quản lý truy cập bảo mật và dịch vụ nhận dạng cho người dùng của ứng dụng. Điều này đảm bảo rằng chỉ những người dùng đã được xác thực và ủy quyền mới có thể truy cập và tương tác với dịch vụ tóm tắt hình ảnh. Giải pháp tích hợp các tính năng khả năng quan sát thông qua tích hợp với <strong>Amazon CloudWatch</strong> và <strong>AWS X-Ray</strong>.</p> <p>Giao diện người dùng (UI) cho ứng dụng được triển khai bằng cách sử dụng khung mã nguồn mở <strong>Streamlit</strong>, cung cấp trải nghiệm hiện đại và phản hồi nhanh cho việc tương tác với dịch vụ tóm tắt hình ảnh. Bạn có thể truy cập mã nguồn của dự án trong kho lưu trữ <strong>GitHub công khai</strong>.</p> <p><strong>Kiến trúc và luồng công việc</strong></p> <p>Hình sau đây hiển thị kiến trúc để cung cấp trường hợp sử dụng này:</p> <p>[Hình minh họa kiến trúc]</p> <p>Luồng công việc để tạo mô tả hình ảnh bao gồm các bước sau:</p> <ol> <li>Người dùng tải lên hình ảnh đầu vào vào một xô S3 được chỉ định cho tài sản đầu vào.</li> <li>Việc tải lên kích hoạt API đột biến tóm tắt hình ảnh được hiển thị bởi AWS AppSync. Điều này sẽ khởi tạo luồng công việc không máy chủ.</li> <li>AWS AppSync xuất bản một sự kiện đến EventBridge để kích hoạt bước tiếp theo trong luồng công việc.</li> <li>EventBridge định tuyến sự kiện đến một máy trạng thái Step Functions.</li> <li>Máy trạng thái Step Functions gọi một hàm Lambda xác thực các tham số yêu cầu đầu vào.</li> <li>Sau khi xác thực thành công, máy trạng thái Step Functions gọi một hàm Lambda bộ đọc tài liệu. Hàm này chạy kiểm tra điều tiết hình ảnh bằng Amazon Rekognition. Nếu không phát hiện nội dung không an toàn hoặc rõ ràng, nó sẽ đẩy hình ảnh vào một xô tài sản đã chuyển đổi S3.</li> <li>Một hàm Lambda tạo tóm tắt được gọi, hàm này đọc hình ảnh đã được chuyển đổi. Nó sử dụng thư viện Amazon Bedrock để gọi mô hình Anthropic’s Claude 3 Sonnet, chuyển các byte hình ảnh làm đầu vào.</li> <li>Anthropic’s Claude 3 Sonnet tạo ra một mô tả văn bản cho hình ảnh đầu vào.</li> <li>Bộ tạo tóm tắt xuất bản mô tả được tạo ra thông qua đăng ký AWS AppSync. Ứng dụng UI Streamlit lắng nghe các sự kiện từ đăng ký này và hiển thị mô tả được tạo ra cho người dùng sau khi nhận được.</li> </ol> <p>Hình minh họa luồng công việc của máy trạng thái Step Functions:</p> <p>[Hình minh họa luồng công việc Step Functions]</p> <p><strong>Điều kiện tiên quyết</strong></p> <p>Để triển khai giải pháp này, bạn cần đáp ứng các điều kiện tiên quyết sau:</p> <ul> <li>Tài khoản AWS</li> <li>AWS Command Line Interface (AWS CLI) được cài đặt và cấu hình thông tin đăng nhập của bạn:</li> </ul> <pre><code class="bash language-bash">aws configure --profile [your-profile] AWS Access Key ID [None]: xxxxxx AWS Secret Access Key [None]:yyyyyyyyyy Default region name [None]: us-east-1 Default output format [None]: json </code></pre> <ul> <li>Node.js phiên bản v18.12.1</li> <li>Python phiên bản 3.9 trở lên</li> <li>AWS CDK phiên bản 2.68.0</li> <li>jq phiên bản jq-1.6</li> <li>Docker desktop được cài đặt</li> </ul> <p><strong>Xây dựng và triển khai giải pháp</strong></p> <p>Thực hiện các bước sau để thiết lập giải pháp:</p> <ol> <li>Clone kho lưu trữ GitHub:</li> </ol> <pre><code class="bash language-bash">git clone https://github.com/aws-samples/generative-ai-cdk-constructs-samples.git </code></pre> <ol start="2"> <li>Chuyển đến thư mục giải pháp mẫu:</li> </ol> <pre><code class="bash language-bash">cd samples/image-description </code></pre> <ol start="3"> <li>Cập nhật biến <code>stage</code> thành một giá trị duy nhất:</li> </ol> <pre><code class="bash language-bash">cd lib const stage= &lt;Unique value&gt; </code></pre> <ol start="4"> <li>Cài đặt tất cả các phụ thuộc:</li> </ol> <pre><code class="bash language-bash">npm install </code></pre> <ol start="5"> <li>Khởi tạo tài nguyên AWS CDK trên tài khoản AWS. Thay thế <code>ACCOUNT_ID</code> và <code>REGION</code> bằng giá trị của riêng bạn:</li> </ol> <pre><code class="bash language-bash">cdk bootstrap aws://ACCOUNT_ID/REGION </code></pre> <ol start="6"> <li>Triển khai giải pháp:</li> </ol> <pre><code class="bash language-bash">cdk deploy </code></pre> <p>Lệnh trên sẽ triển khai stack trong tài khoản của bạn. Việc triển khai sẽ mất khoảng 5 phút để hoàn tất.</p> <ol start="7"> <li>Cấu hình <code>client_app</code>:</li> </ol> <pre><code class="bash language-bash">cd client_app python -m venv venv source venv/bin/activate pip install -r requirements.txt </code></pre> <ol start="8"> <li>Trong thư mục <code>/client_app</code>, tạo một tệp mới có tên <code>.env</code> với nội dung sau. Thay thế giá trị thuộc tính bằng giá trị lấy được từ đầu ra stack.</li> </ol> <pre><code class="python language-python">COGNITO_DOMAIN="&lt;ImageDescriptionStack.CognitoDomain&gt;" REGION="&lt;ImageDescriptionStack.Region&gt;" USER_POOL_ID="&lt;ImageDescriptionStack.UserPoolId&gt;" CLIENT_ID="&lt;ImageDescriptionStack.ClientId&gt;" CLIENT_SECRET="COGNITO_CLIENT_SECRET" IDENTITY_POOL_ID="&lt;ImageDescriptionStack.IdentityPoolId&gt;" APP_URI="http://localhost:8501/" AUTHENTICATED_ROLE_ARN="&lt;ImageDescriptionStack.AuthenticatedRoleArn&gt;" GRAPHQL_ENDPOINT = "&lt;ImageDescriptionStack.GraphQLEndpoint&gt;" S3_INPUT_BUCKET = "&lt;ImageDescriptionStack.InputsAssetsBucket&gt;" S3_PROCESSED_BUCKET = "&lt;ImageDescriptionStack.processedAssetsBucket&gt;" </code></pre> <p><code>COGNITO_CLIENT_SECRET</code> là một giá trị bí mật có thể được lấy từ bảng điều khiển Amazon Cognito. Điều hướng đến nhóm người dùng được tạo bởi stack. Trong <strong>Tích hợp ứng dụng</strong>, điều hướng đến <strong>Ứng dụng khách và phân tích</strong>, và chọn <strong>Tên ứng dụng khách</strong>. Trong <strong>Thông tin ứng dụng khách</strong>, chọn <strong>Hiển thị bí mật khách hàng</strong> và sao chép giá trị của bí mật khách hàng.</p> <ol start="9"> <li>Chạy <code>client_app</code>:</li> </ol> <pre><code class="bash language-bash">streamlit run Home.py </code></pre> <p>Khi ứng dụng khách đang hoạt động, nó sẽ mở cổng trình duyệt 8501 (http://localhost:8501/Home).</p> <p><strong>Kiểm thử giải pháp</strong></p> <p>Để kiểm thử giải pháp, chúng ta tải lên một số hình ảnh mẫu và tạo ra các mô tả trong các ứng dụng khác nhau. Thực hiện các bước sau:</p> <ol> <li>Trong UI Streamlit, chọn <strong>Đăng nhập</strong> và đăng ký người dùng lần đầu tiên. [Hình minh họa trang đăng nhập]</li> <li>Sau khi người dùng được đăng ký và đăng nhập, chọn <strong>Mô tả hình ảnh</strong> trong ngăn điều hướng. [Hình minh họa trang chủ]</li> <li>Tải lên nhiều hình ảnh và chọn cấu hình mô hình ưa thích (Anthropic’s Claude 3.5 Sonnet hoặc Anthropic’s Claude 3), sau đó chọn <strong>Gửi</strong>. [Hình minh họa trang tải lên hình ảnh] Hình ảnh được tải lên và mô tả được tạo ra sẽ được hiển thị trong ngăn giữa.</li> <li>Đặt ngôn ngữ thành tiếng Pháp trong ngăn bên trái và tải lên một hình ảnh mới, sau đó chọn <strong>Gửi</strong>. [Hình minh họa trang hiển thị mô tả bằng tiếng Pháp] Mô tả hình ảnh được tạo ra bằng tiếng Pháp.</li> </ol> <p><strong>Dọn dẹp</strong></p> <p>Để tránh phát sinh phí không mong muốn, hãy xóa các tài nguyên bạn đã tạo:</p> <ol> <li>Xóa tất cả dữ liệu khỏi các xô S3.</li> <li>Chạy <code>CDK destroy</code>.</li> <li>Xóa các xô S3.</li> </ol> <p><strong>Kết luận</strong></p> <p>Bài viết này đã thảo luận về cách tích hợp Amazon Bedrock với Generative AI CDK Constructs. Giải pháp này cho phép phát triển và triển khai nhanh chóng cơ sở hạ tầng đám mây được điều chỉnh cho ứng dụng mô tả hình ảnh bằng cách sử dụng sức mạnh của AI thế hệ mới, đặc biệt là Claude 3 của Anthropic. Generative AI CDK Constructs trừu tượng hóa các phức tạp của cơ sở hạ tầng, do đó giúp đẩy nhanh tiến độ phát triển.</p> <p>Thư viện Generative AI CDK Constructs cung cấp một bộ construct toàn diện, trao quyền cho các nhà phát triển để tăng cường và nâng cao khả năng AI thế hệ mới trong ứng dụng của họ, mở ra vô vàn khả năng cho sự đổi mới. </p><br /><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" />

Xây dựng ứng dụng mô tả hình ảnh AI thế hệ mới với Claude 3.5 Sonnet của Anthropic trên Amazon Bedrock và AWS CDK

Xây dựng ứng dụng mô tả hình ảnh AI thế hệ mới với Claude 3.5 Sonnet của Anthropic trên Amazon Bedrock và AWS CDK Giới thiệu Việc tạo ra m...

Read more »