Pular para o conteúdo principal

Amazon Bedrock

O que é​

Um serviço totalmente gerenciado que oferece acesso a modelos de base (FMs - Foundation Models) de alto desempenho de empresas de IA líderes, bem como modelos da Amazon, por meio de uma API unificada.

Para que serve​

Facilitar a construção de aplicações de IA generativa, permitindo que os desenvolvedores experimentem, avaliem e personalizem FMs com seus próprios dados, sem a necessidade de gerenciar a infraestrutura subjacente.

Casos de uso​

  • Geração de texto para criação de conteúdo (artigos, e-mails, posts de blog).
  • Resumo de documentos e textos longos.
  • Geração de código para automação de tarefas de desenvolvimento.
  • Criação de chatbots e assistentes virtuais com respostas mais naturais.
  • Pesquisa e recuperação de informações em grandes volumes de dados.
  • Geração de imagens a partir de descrições de texto.

Principais pontos​

  • Acesso a FMs: Oferece acesso a uma variedade de modelos de base, incluindo modelos de texto, imagem e multimodal.
  • API unificada: Permite interagir com diferentes FMs por meio de uma única API.
  • Personalização: Permite personalizar FMs com seus próprios dados usando técnicas como fine-tuning e RAG (Retrieval Augmented Generation).
  • Totalmente gerenciado: A AWS gerencia a infraestrutura subjacente, permitindo que os desenvolvedores se concentrem na construção de aplicações.
  • Segurança e privacidade: Seus dados permanecem privados e não são usados para treinar os modelos de base.
  • Avaliação de modelos: Ferramentas para avaliar e comparar o desempenho de diferentes FMs para seu caso de uso.

Comparativo com o desenvolvimento de modelos de IA generativa do zero:​

  • Amazon Bedrock: Simplifica e acelera o desenvolvimento de aplicações de IA generativa, fornecendo acesso a FMs pré-treinados e ferramentas para personalização e implantação. Reduz a necessidade de expertise em ML e o tempo de desenvolvimento.
  • Desenvolvimento de modelos de IA generativa do zero: Exige uma equipe de cientistas de dados e engenheiros de ML altamente especializados, grandes volumes de dados de treinamento, infraestrutura de computação intensiva e um investimento significativo de tempo e recursos. É adequado para casos de uso muito específicos que exigem modelos altamente personalizados e proprietários.