Terminologie clé

Modèle de fondation (FM) : modèle d’IA comportant un grand nombre de paramètres et entraîné sur une énorme quantité de données diverses. Un modèle de fondation peut générer diverses réponses pour un large éventail de cas d’utilisation. Les modèles de fondation peuvent générer du texte ou des images, et peuvent également convertir les entrées en vectorisations. Pour plus d’informations sur les modèles de fondation, consultez Modèles de fondation pris en charge dans Amazon Bedrock.

Modèle de base : modèle de fondation empaqueté par un fournisseur et prêt à l’emploi. Amazon Bedrock propose une variété de modèles de fondation provenant de fournisseurs de premier plan. Pour plus d’informations, consultez Modèles de fondation pris en charge dans Amazon Bedrock.

Inférence de modèle : processus par lequel un modèle de fondation génère une sortie (réponse) à partir d’une entrée donnée (invite). Pour plus d’informations, consultez Soumission d’invites et génération de réponses à l’aide de l’inférence de modèle.

Invite : entrée fournie au modèle pour l’aider à générer une réponse ou sortie appropriée pour l’entrée. Par exemple, une invite de texte peut consister en une seule ligne à laquelle le modèle doit répondre, ou elle peut détailler des instructions ou une tâche à exécuter par le modèle. L’invite peut contenir le contexte de la tâche, des exemples de sorties ou le texte à utiliser par le modèle dans sa réponse. Les invites peuvent être utilisées pour effectuer des tâches telles que la classification, la réponse aux questions, la génération de code, l’écriture créative, etc. Pour plus d’informations, consultez Concepts d’ingénierie de requête.

Jeton : séquence de caractères qu’un modèle peut interpréter ou prédire sous la forme d’une seule unité de sens. Par exemple, avec les modèles de texte, un jeton peut correspondre non seulement à un mot, mais également à une partie d’un mot ayant une signification grammaticale (comme « -ée »), à un signe de ponctuation (tel que « ? »), ou une expression courante (telle que « beaucoup »).

Paramètres du modèle : valeurs qui définissent un modèle et son comportement lors de l’interprétation des entrées et de la génération des réponses. Les paramètres du modèle sont contrôlés et mis à jour par les fournisseurs. Vous pouvez également mettre à jour les paramètres du modèle pour créer un via le processus de personnalisation de modèle.

Paramètres d’inférence : valeurs qui peuvent être ajustées lors de l’inférence de modèle pour influencer une réponse. Les paramètres d’inférence peuvent affecter la diversité des réponses et peuvent également limiter leur longueur ou l’occurrence de séquences spécifiées. Pour plus d’informations et des définitions de paramètres d’inférence spécifiques, consultez Génération de réponse d’influence à l’aide de paramètres d’inférence.

Terrain de jeu : interface graphique conviviale dans la AWS Management Console, dans laquelle vous pouvez expérimenter l’inférence de modèles afin de vous familiariser avec Amazon Bedrock. Utilisez le terrain de jeu pour tester les effets de différents modèles, configurations et paramètres d’inférence sur les réponses générées pour les différentes invites que vous saisissez. Pour plus d’informations, consultez Génération de réponses dans la console à l’aide de terrains de jeu.

Vectorisation : processus qui consiste à condenser les informations en les transformant en vecteurs de valeurs numériques, connus sous le nom de vectorisation, afin de comparer la similitude entre différents objets à l’aide d’une représentation numérique partagée. Par exemple, les phrases peuvent être comparées pour déterminer la similitude de sens, les images peuvent être comparées pour déterminer la similitude visuelle, ou le texte et l’image peuvent être comparés pour voir s’ils sont pertinents l’un par rapport à l’autre. Vous pouvez également combiner des entrées de texte et d’image dans une vectorisation moyenne si cela correspond à votre cas d’utilisation. Pour plus d’informations, consultez Soumission d’invites et génération de réponses à l’aide de l’inférence de modèle et Récupération de données et génération de réponses basées sur l’IA avec Amazon Bedrock Knowledge Bases.

Orchestration : processus de coordination entre les modèles de fondation et les données et applications d’entreprise afin de mener à bien une tâche. Pour plus d’informations, consultez Automatisation des tâches de votre application à l’aide d’agents d’IA.

Agent : application qui exécute des orchestrations en interprétant cycliquement les entrées et en produisant des sorties à l’aide d’un modèle de fondation. Un agent peut être utilisé pour répondre aux demandes des clients. Pour plus d’informations, consultez Automatisation des tâches de votre application à l’aide d’agents d’IA.

Génération à enrichissement contextuel (RAG) : processus qui implique les actions ci-après :

Pour plus d’informations, consultez Récupération de données et génération de réponses basées sur l’IA avec Amazon Bedrock Knowledge Bases.

Personnalisation du modèle : processus consistant à utiliser les données d’entraînement pour ajuster les valeurs des paramètres d’un modèle de base afin de créer un modèle personnalisé. Parmi les exemples de personnalisation de modèle, citons le peaufinage, qui utilise des données étiquetées (entrées et sorties correspondantes), et le pré-entraînement continu, qui utilise des données non étiquetées (entrées uniquement) pour ajuster les paramètres du modèle. Pour plus d’informations sur les techniques de personnalisation des modèles disponibles dans Amazon Bedrock, consultez Personnalisation de votre modèle pour améliorer ses performances en fonction de votre cas d’utilisation.

Hyperparamètres : valeurs qui peuvent être ajustées pour la personnalisation du modèle afin de contrôler le processus d’entraînement et, par conséquent, le modèle personnalisé de sortie. Pour plus d’informations et des définitions d’hyperparamètres, consultez Hyperparamètres du modèle personnalisé.

Évaluation des modèles : processus d’évaluation et de comparaison des résultats des modèles afin de déterminer le modèle le mieux adapté à un cas d’utilisation. Pour plus d’informations, consultez Évaluation des performances des ressources Amazon Bedrock.

Débit provisionné : niveau de débit que vous achetez pour un modèle de base ou personnalisé afin d’augmenter la quantité et/ou le taux de jetons traités lors de l’inférence de modèle. Lorsque vous achetez du débit provisionné pour un modèle, un modèle provisionné est créé, qui peut être utilisé pour effectuer une inférence de modèle. Pour plus d’informations, consultez Débit provisionné.