
AI Generatif memungkinkan pekerjaan dapat diselesaikan dengan lebih efisien, solusi-solusi baru juga makin cepat bermunculan. Pemanfaatan AI Generatif ini mencakup penggunaan model bahasa besar (LLM) yang canggih sampai asisten coding Code Whisperer.
Baca juga: Sebagian Besar Perusahaan Telah Berinvestasi pada Teknologi AI Generatif
Sebelum membahas AI Generatif, mari memahami dahulu definisi istilah ini di antara teknologi lainnya seperti AI, ML dan DL. AI Generatif ditenagai model-model besar yang telah dilatih sebelumnya oleh kumpulan data luas yang biasa disebut sebagai model dasar atau foundation model (FM). Sementara itu kecerdasan buatan (AI) adalah segala teknik yang memungkinkan komputer untuk meniru kecerdasan manusia menggunakan logika, penyatakan jika-maka, dan machine learning (ML). Serangkaian AI yang menggunakan mesin untuk menemukan pola dalam data untuk membangun model logika secara otomatis adalah Machine Learning (ML). Sedangkan Deep Learning adalah serangkaian ML yang disusun oleh jaringan saraf berlapis-lapis yang mengerjakan tugas-tugas seperti pengenalan wajah dan pidato.
Selama lebih dari dua dekade, Amazon telah banyak berinvestasi pada pengembangan dan penerapan AI dan ML. Upaya tersebut dilakukan untuk operasional layanan sendiri dan juga bagi pelanggan. Contohnya fitur rekomendasi di Amazon.com yang mempersonalisasi pengalaman berbelanja dan robot berbasis AI yang bekerja di gudang-gudang Amazon.
Salah satu contoh pelanggan AWS di Indonesia yang telah berhasil mengembangkan bisnisnya menggunakan AWS adalah Ruparupa. Bisnis e-commerce tersebut berhasil meningkatkan through rate klik online dan menyajikan pengalaman yang terpersonalisasi menggunakan Amazon Personalize. Layanan tersebut membantu Ruparupa memberikan rekomendasi produk yang dikurasi bagi pelanggan berdasarkan minat mereka di situs Rupa-Rupa. Rekomendasi tersebut meningkatkan through rate klik dari 5% ke 9% dan menyajikan pengalaman lebih baik dengan memprioritaskan kebutuhan pelanggan.
Kini adopsi ML makin luas, teknologi AI generatif pun dapat meningkatkan pengalaman pelanggan dan aplikasi. Tren kemajuan ini akan didukung AWS dengan memperluas akses terhadap AI generatif dari segi kemudahan, kepraktisan dan efektivitas biaya. Pelanggan dapat menjalankan bisnisnya dengan menerapkan layanan AI generafif di ketiga lapisan pada ML stack. Lapisan-lapisan tersebut mencakup infrastruktur, tools ML dan layanan-layanan AI yang dikembangkan secara khusus.
Baca juga: IBM Luncurkan Platform Watsonx untuk Dukung Bisnis dan Pengembang
AWS melakukan pendekatan terhadap AI generatif dengan berinvestasi dan berinvasi di ketiga lapisan generative AI stack. Upaya ini dilakukan agar teknologi ini tak lagi sebatas dimanfaatkan untuk penelitian, tetapi juga tersedia bagi perusahaan dan developer. Baik organisasi kecil maupun besar, dengan segala tingkat kemampuan dapat memanfaatkan teknologi ini. Hal ini sesuai fokus AWS sejak awal berdiri yang memudahkan pelanggan dari berbagai ukuran dan sektor untuk mengakses ML.
Lebih dari 100 ribu pelanggan AWS telah dibantu untuk berinovasi menggunakan teknologi ML dan AI dengan praktis dan hemat biaya. AWS memberikan fleksibilitas dalam menentukan cara menerapkan AI generatif, yaitu sebagai berikut:
- mengembangkan mesin faktorisasi sendiri dengan infrastruktur ML yang dibangun khusus
- memaksimalkan FM yang telah dilatih sebelumnya sebagai model dasar untuk membangun aplikasi mereka
- menggunakan layanan dengan AI generatif bawaan tanpa perlu memiliki keahlian khusus dalam FM
Baca juga: Indra Qadarsih Selaraskan AI, Seni dan Musik dalam Platform AIAIQ
Layanan AI Generatif AWS
AWS belum lama ini menghadirkan empat inovasi baru untuk mendukung aplikasi AI generatif di AWS. Dua inovasi baru berada di lapisam paling bawah, sedangkan dua inovasi lainnya masing-masing berada di lapisan tengah dan lapisan atas.
- Pada lapisan bawah, efisiensi biaya pada teknologi AI generatif ditingkatkan dengan infrastruktur yang didukung Amazon EC2 Inf2 instances bertenaga chip AWS Inferentia 2
- Instans EC2 Inf2 berkinerja tinggi, hemat daya dan efisien menjalankan pekerjaan-pekerjaan berat inferensi AI generatif berskala besar di AWS. Jika dibandingkan generasi sebelumnya, keluaran instans EC2 Inf2 lebih tinggi 4x dengan latensi sampai 10x lebih rendah. Fitur-fiturnya dapat mendongkrak rasio kinerja terhadap harga sampai 40% lebih baik dibandingkan instans EC2 lainnya.
- Instans Amazon EC2 Trn1n yang ditenagai AWS Trainium akan segera tersedia bagi pelanggan. Jika dibandingkan dengan instans Trn1 sebelumnya, kinerja EC2 Trn1n 20% lebih tinggi. Kinerja tersebut mendukung pemodelan berskala besar dan beban kerja jaringan yang instensif.
- Pada lapisan tengah, AWS menghadirkan Amazon Bedrock untuk memudahkan pengembangan aplikasi generatif. Amazon Bedrock merupakan cara termudah untuk membangun dan menskalakan penerapan AI generatif dengan FM. Ini merupakan layanan terkelola yang memudahkan FM siap pakai dapat mengakses melalui API. Layanan Bedrock juga menyediakan Amazon Titan FM, rangkaian FM terkemuka di industri yang dikembangkan oleh AWS.
- Pada lapisan teratas susunan AI generatif, terdapat Amazon CodeWhisperer yang sudah tersedia untuk umum dan gratis bagi developer. Layanan ini didukung 10 bahasa pemrograman lain.Amazon CodeWhisperer membangun aplikasi lebih cepat dan lebih aman dengan pendamping pemrograman AI.
AWS Generative AI Innovation Center pada Juni 2023. Ini adalah program yang dirancang untuk membantu pengembangan dan penggunaan AI generatif bagi setiap pelanggan AWS di seluruh dunia. AWS menginvestasikan USD100 juta demi mempertemukan ahli AI dan ML AWS dengan para pelanggan dari seluruh dunia. Upaya tersebut demi membantu pelanggan memvisualisasikan, merancang dan mengembangkan produk, layanan dan kegiatan AI generatif terkini.
AI generatif dapat mendukung transformasi industri di berbagai sektor, contohnya adalah sebagai berikut:
- Layanan kesehatan dan farmasi: penemuan obat, pemrosesan klaim, obat yang dipersonalisasi, pembuatan data sintetis
- Layanan keuangan: manajemen risiko, deteksi fraud, saran keuangan yang terpersonalisasi
- Media dan hiburan: pembuatan video game, peningkatan konten, sistesis wajah, pelestarian dan pewarnaan film
- Otomotif: kendaraan otonom, perancangan suku cadang untuk efisiensi bahan bakar
- Edukasi: pembuatan dan perangkuman teks, asisten pengajaran percakapan