منظومة خدمات AWS للذكاء الاصطناعي التوليدي

شرحت المواضيع السابقة كيف يعمل الذكاء الاصطناعي التوليدي وكيف تحكم إن كان يستحق الاستخدام. وهذا الموضوع عن الآلة نفسها: أي خدمة من AWS تستدعيها فعلاً، وما الذي تزيله عن عملك، وعلامَ تحاسبك. يسمّي البند 2.3 الخدمات مباشرة، فيتبع هذا الموضوع تلك القائمة ويرسم الحدود التي يفحصها الاختبار بينها.

الفكرة المنظِّمة محور واحد يمتد من الإدارة الكاملة إلى التحكم الكامل. يجلس Amazon Bedrock عند طرف، ويقدّم النماذج الأساسية عبر واجهة واحدة. ويجلس Amazon SageMaker AI عند الطرف الآخر، ويتيح تدريب أي شيء وتقديمه على بنية تحتية تحدّد حجمها. ويقع SageMaker JumpStart بينهما. وفوق الثلاثة تقف المساعدات الجاهزة وأدوات الوكلاء: Amazon Q و Amazon Quick و Kiro و Strands Agents و Amazon Bedrock AgentCore.

ما يغطيه هذا الموضوع

• ‏Amazon Bedrock كواجهة مُدارة للنماذج الأساسية، ومعها Knowledge Bases و Guardrails والتقييمات وتخصيص النماذج
• كيف يتعامل Bedrock مع مطالبات العملاء واستجاباتهم تجاه مورّدي النماذج
• ‏Amazon SageMaker AI و SageMaker JumpStart، والمتطلبات التي تدفع حمل العمل من Bedrock إليهما
• ‏Amazon Q و Amazon Quick كمساعدين جاهزين، ومن يخدم كل منهما
• ‏Kiro والتطوير المقاد بالمواصفات، مع المواصفات والتوجيه والخطافات
• ‏Strands Agents لكتابة وكيل و Amazon Bedrock AgentCore لتشغيله
• مزايا خدمات AWS للذكاء الاصطناعي التوليدي وفوائد بنيتها التحتية في الأمان والامتثال والمسؤولية والسلامة
• أوضاع شراء الاستدلال، ووحدات النموذج ومدد الالتزام، والتكلفة الحقيقية لنموذج مخصّص، وكيف تتقايض الاستجابية والتكرار والتغطية الإقليمية مع السعر

لماذا يهم

أسئلة اختيار الخدمة هي أكثر النقاط ميكانيكية في هذا الجزء من الاختبار، وأسهلها فقداناً أيضاً. الأسماء متشابهة، وعدة منتجات أُعيدت تسميتها حديثاً، والسيناريو يخفي عادةً قيداً واحداً يحسم الإجابة. والقراءة بحثاً عن ذلك القيد مهارة، وهي المهارة نفسها التي تستخدمها في العمل حين يسأل أحدهم إن كان مشروع ما ينتمي إلى Bedrock أم إلى SageMaker AI.

ومادة التكلفة تؤتي ثمارها أسرع. معرفة أن الاستدلال الدفعي يكلّف نصف تحت الطلب، أو أن النموذج المضبوط دقيقاً لا يمكن تقديمه بلا Provisioned Throughput، تغيّر قرارات المعمارية قبل أن تصير فواتير.