亚马逊云科技大语言模型的创新科技

1.前言

近年来，人工智能领域取得了巨大的突破，其中，亚马逊云科技大语言模型是一项备受关注的创新技术。本文将探讨亚马逊云科技大语言模型的创新应用，大型语言模型（Large Language Models，或简写为 LLMs）。这是目前炙手可热的话题，采用机器学习新范式赋能业务的不断探索已经播种了几十年。但随着充足可伸缩算力的就位、海量数据的爆炸、以及机器学习技术的快速进步，各行各业的客户开始对业务进行重塑。最近，像 ChatGPT 这样的生成式 AI 应用引起了广泛的关注，引发了诸多想象。我们正处在一个令人激动的转折点上——机器学习被大规模采用，我们也相信生成式 AI 将会重塑大量客户体验和应用程序。

2.大型语言模型概述

大型语言模型指的是具有数十亿参数（B+）的预训练语言模型（例如：GPT-3, Bloom, LLaMA)。这种模型可以用于各种自然语言处理任务，如文本生成、机器翻译和自然语言理解等。

大型语言模型的这些参数是在大量文本数据上训练的。现有的大型语言模型主要采用 Transformer 模型架构，并且在很大程度上扩展了模型大小、预训练数据和总计算量。他们可以更好地理解自然语言，并根据给定的上下文（例如 prompt）生成高质量的文本。其中某些能力（例如上下文学习）是不可预测的，只有当模型大小超过某个水平时才能观察到。

以下是 2019 年以来出现的各种大型语言模型（百亿参数以上）时间轴，其中标黄的大模型已开源。

3.大型语言模型的发展历史

我们首先来了解下大型语言模型的发展历史和最新研究方向分析。

大型语言模型 1.0。过去五年里，自从我们看到最初的 Transformer 模型 BERT、BLOOM、GPT、GPT-2、GPT-3 等的出现，这一代的大型语言模型在 PaLM、Chinchilla 和 LLaMA 中达到了顶峰。第一代 Transformers 的共同点是：它们都是在大型未加标签的文本语料库上进行预训练的。

大型语言模型 2.0。过去一年里，我们看到许多经过预训练的大型语言模型，正在根据标记的目标数据进行微调。第二代 Transformers 的共同点是：对目标数据的微调，使用带有人工反馈的强化学习（RLHF）或者更经典的监督式学习。第二代大型语言模型的热门例子包括：InstructGPT、ChatGPT、Alpaca 和 Bard 等。

大型语言模型 3.0。过去的几个月里，这个领域的热门主题是参数高效微调和对特定领域数据进行预训练，这是目前提高大型语言模型计算效率和数据效率的最新方法。另外，下一代大型语言模型可能以多模态和多任务学习为中心，这将为大型语言模型带来更多崭新并突破想象力的众多新功能。

4.大模型最新研究方向分析

4.1Amazon Titan

2023 年 4 月，亚马逊云科技宣布推出 Amazon Titan 模型。根据其以下官方网站和博客的信息（如下图所示）：一些亚马逊云科技的客户已经预览了亚马逊全新的 Titan 基础模型。目前发布的 Amazon Titan 模型主要包括两个模型：

1. 针对总结、文本生成、分类、开放式问答和信息提取等任务的生成式大语言模型；

2. 文本嵌入（embeddings）大语言模型，能够将文本输入（字词、短语甚至是大篇幅文章）翻译成包含语义的数字表达（jiembeddings 嵌入编码）。

虽然这种大语言模型不生成文本，但对个性化推荐和搜索等应用程序却大有裨益，因为相对于匹配文字，对比编码可以帮助模型反馈更相关、更符合情境的结果。实际上，Amazon.com 的产品搜索能力就是采用了类似的文本嵌入模型，能够帮助客户更好地查找所需的商品。为了持续推动使用负责任 AI 的最佳实践，Titan 基础模型可以识别和删除客户提交给定制模型的数据中的有害内容，拒绝用户输入不当内容，过滤模型中包含不当内容的输出结果，如仇恨言论、脏话和语言暴力。

4.2Alpaca: LLM Training LLM

2023 年 3 月 Meta 的 LLaMA 模型发布，该模型对标 GPT-3。已经有许多项目建立在 LLaMA 模型的基础之上，其中一个著名的项目是 Stanford 的羊驼（Alpaca）模型。Alpaca 基于 LLaMA 模型，是有 70 亿参数指令微调的语言 Transformer。Alpaca 没有使用人工反馈的强化学习（RLHF），而是使用监督学习的方法，其使用了 52k 的指令-输出对（instruction-output pairs）。

Source: https://github.com/tatsu-lab/stanford_alpaca?trk=cndc-detail

研究人员没有使用人类生成的指令-输出对，而是通过查询基于 GPT-3 的 text-davinci-003 模型来检索数据。因此，Alpaca 本质上使用的是一种弱监督（weakly supervised）或以知识蒸馏（knowledge-distillation-flavored）为主的微调。

5.亚马逊云科技的 AI 创新应用

5.1Amazon CodeWhisperer

AWS 2023/4 月已正式推出 Amazon CodeWhisperer,是亚马逊的用几十亿行开源代码训练出来的 AI 工具，它可以根据你的代码注释和现有代码实时生成代码建议。其中 CodeWhisperer 个人套餐，所有开发人员均可免费使用。

Amazon CodeWhisperer 目前支持多种语言(Python, Java, JavaScript, TypeScript, C#, Go, Rust, PHP, Ruby, Kotlin, C, C++, Shell scripting, SQL, and Scala)；并同时支持多种IDE(JetBrains IDEs,Visual Studio (VS) Code,AWS Cloud9,AWS Lambda console)

目前市面上上有很多 AI 编程助手，比如 GitHub Copilot,tabnine 等，相比前面的一些 AI 编程助手，Amazon CodeWhisperer 有哪些不同之处呢,具体有如下区别：

• Amazon CodeWhisperer 对个人免费，而 GitHub Copilot 要收费，而 tabnine 免费版只提供较为基础的补全功能

• Amazon CodeWhisperer 的模型训练不仅基于开源库比如 GitHub，也加入了 Amazon 和 AWS 自己的代码库,用户在编写 AWS SDK 相关的 API 或者使用 AWS 服务的时候更加准确，更侧重于提高 AWS 开发体验;而 Copilot 使用 GitHub 开源代码库进行广域的训练,支持更普适的场景。

• Amazon CodeWhisperer 在安全方面做了强化，能辅助定位代码安全的问题，帮助用户及时发现代码漏洞

• 提供当前代码建议的来源。可以让开发人员知道 codewhisperer 基于哪些可信的代码,这样开发人员写代码的时候能做进一步的参考和鉴别，避免 AI 一本正经的提供错误的建议的情况，这样我们的代码更加可靠可信。

5.2 安装 CodeWhisperer

在 IDEA 中打开配置窗⼝，选择 Plugins，搜索 AWS Toolkit，点击 Install，点击 OK 按钮，如下图：

安装完之后重启 IDEA

注意：如果搜不到该插件，请将 IDEA 升级⾄较新版本，亲测是 IDEA 2022 以上版本是可以安装的。

弹出的窗⼝中选择 Use a personal email to sign up and sign in with AWS Builder ID，点击Connect按钮，如下图：

在弹出的窗⼝中，选择 Open and Copy Code，如下图：

此时会在浏览器中打开⼀个⻚⾯，按 ctrl-v 粘贴 code 值，点击“Next“，如下图

输⼊邮箱地址，点击 Next，如下图：

输⼊名字，点击“Next”，CodeWhisperer 会向邮箱中发送⼀个验证码，如下图：

复制验证码，粘贴到输入框，点击 Verify 按钮，如下图：

设置密码，点击 Create AWS Builder ID，如下图：

出现如下提示后，即表示注册 AWS builder ID 成功，如下图

返回 IDEA，在 AWS Toolkit 视图中的 Developer Tools 中可以打开或关闭代码⽣成功能，如下图：

点击 tab 键即可完成代码生成，如下图

我们运行代码，看下生成的代码是不是符合我们的预期：

可以看到，确实是通过冒泡排序进行打印。完美！

注释写的越精确，⽣成的代码质量越好。当然，CodeWhisperer⽣成的代码并不总是正确或最优，需要视情况进⾏修改或优化。

趁热打铁，我们再看一个案例，通过详细的注释，让他更明确的理解我们的需求：

我这里在 D 盘准备了一个 2.mp4，通过运行代码，可以发现

成功的复制了我们的文件。

6.Amazon CodeWhisperer 实测体验总结

6.1 CodeWhisperer 可以帮助我成为一个更好的开发者吗?

通过以上测试，我觉得它可以帮助我成为一个更好的开发者。

首先，它可以为我节省大量的时间和精力，让我能够专注于改进、重构和测试。

其次，它通过承担一些同质化的繁重工作，让我有机会成为一个更好的程序开发人员。

比如上面的测试的例子是 Amazon 工具（经过 Amazon 开源代码训练）能够表现出色的例子。

当然，在大多数开发人员需要花费很多时间的地方，比如编写领域相关的逻辑时，我又多测试了一下，让我们看看 CodeWhisperer 会不会也有帮助。

比如从 Python 文档中的数据类示例开始。

 @dataclass class InventoryItem:     """Class for keeping track of an item in inventory."""     name: str     unit_price: float     quantity_on_hand: int = 0 ​     def total_cost(self) -> float:         return self.unit_price * self.quantity_on_hand

其实我想知道 CodeWhisperer 是否可以向这个类添加一个方法。让我们看看如果添加注释：" Function that return this item costs more than $10"，会发生什么？

 @dataclass class InventoryItem:     """Class for keeping track of an item in inventory."""     name: str     unit_price: float     quantity_on_hand: int = 0 ​     def total_cost(self) -> float:         return self.unit_price * self.quantity_on_hand ​     # Function that returns whether this item costs more than $10     def expensive(self) -> bool:         return self.unit_price > 10

结果是非常酷的。值得注意的是，CodeWhisperer 给函数起了一个直观的名字，并包含了对 self 的引用。

接着，让我们尝试用 CodeWhisperer 来做测试，看是否会触及它的极限。

 # Function to test InventoryItem class def test_inventory_item():      """     Test InventoryItem class     :return:     """     item = InventoryItem("Widget", 10, 5)     assert item.name == "Widget"     assert item.unit_price == 10     assert item.quantity_on_hand == 5     assert item.total_cost() == 50     assert not item.expensive() ​

在上面的代码中，我输入了注释，CW 自动完成了剩下的工作。 测试似乎是一个极好的证明 CW 可以节省时间的例子。我不需要浪费时间去想测试的值，也不用输入所有的成员变量和方法。

总的来说，可以帮助我成为一个更好的开发者，但是任何辅助工具都有利有弊。

8.总结

亚马逊云科技大语言模型给各种领域带来了创新和广泛应用。在实际应用中，我们应根据需求和优势进行选择，并充分评估其性能、功能支持、扩展性以及社区支持和文档资料等因素。随着技术的不断进步和发展，这些技术将为我们带来更多创新和应用的可能性。