【セッションレポート】AWS AIサービスを使ってあなたのシステムにも機械学習を導入しよう！ #AWSSummit

セッション概要

2024 年末までに、 75%の企業が機械学習を運用するフェーズに入ると言われています。AWS AI サービスを用いることで、初めてAWSをお使いになる方はもちろん、既にAWS上でソリューションを展開されている方も簡単に機械学習を導入することができます。本セッションでは Amazon Kendra と Amazon Forecast を例に取りサービスの概要を紹介した後、既存のシステムに文書検索ソリューションや需要予測ソリューションを導入する方法をご紹介します。

対象者とゴール

対象者

AWS AIサービスを触ったことがないが、他のAWSサービスは利用経験がある方

機械学習の知識がない方

ゴール

AIサービスがどのようなユースケースに適しているかを自分で探し、PoCをはじめられるようになる

文書検索 or 需要予測に対応するAIサービスの概要、具体的な実装方法について理解できる

セッションレポート

機械学習が求められる背景

拡大する機械学習の適用範囲

支出の増大
AIによる変革

機械学習を導入することで解決できるユースケース

チャットボット
インテリジェント検索
予防治療
自動運転

機械学習を導入してビジネス課題を解決するためのサイクル

ビジネスゴールの特定
機械学習の問題に適用
データ処理
モデル開発
- AWS AIサービスが利用できる
デプロイ
モニタリング → ビジネスゴールの特定に戻る

システムにAWS AIサービスを導入する手順

AI Services Hubから AWS AIサービスの概要とそのユースケースを学習する
ユースケースに適したサンプル実装ソリューションを探す
- AWSソリューションライブラリから探す
無料利用枠を活用し、AIサービスを触ってみる

今回解説するユースケース（AIサービスを導入する手順）

文書検索
需要予測

ユースケース：文書検索

要件

一括でドキュメント検索できるようにしたい
動画も検索したい

AI Services Hubでユースケースに対応するAIサービスを探す

Amazon Kendraが適している

Amazon Kendra

機械学習を利用した検索サービス
開始方法
1. Indexを作成（ドキュメント内容を格納し、検索できるようにする）
2. データソースの追加

Amazon Kendraのデモ

Indexを作成
- S3に日本語のドキュメントを格納
Kendraにデータソースとして、S3に追加
- Kendraに同期するタイミングも設定する
日本語で検索してみる

AWS AIサービスを既存システムに追加する時のポイント

入力データの形式
- 非構造化テキスト
  - PDF,word
- 構造化テキスト
  - CSV,JSON
データ連携
- S3などのAWSサービスや3rdパーティのデータソースに対応
API
- Factoid 型質問
- 記述的な質問
- キーワード検索
データ出力
- 関連するパッセージ
- クエリにマッチしたFAQ
- 関連するドキュメント

ドキュメント検索用のUI

Kendra コンソール
Kendora Experience Builder によるUI
AWS SDKで実装した

Custom Document Enrichment機能

連携するAWSサービス
Amazon Transcribe
- 音声をテキストに変換
Amazon Translate
- 翻訳機能

ユースケースに適したサンプル実装ソリューションを探す

Kendraを用いたソリューション
- 動画を文字起こしし、kendraにインポートする
- https://aws.amazon.com/jp/blogs/news/make-your-audio-and-video-files-searchable-using-amazon-transcribe-and-amazon-kendra/
- https://dev.classmethod.jp/articles/simple-lex-kendra-japanese-sample/
- https://dev.classmethod.jp/articles/solution-aws-qnabot/

無料枠

Kendraも無料枠がある

需要予測ユースケース

要件

発注数を勘で予測しているため、人的コスト発生
機会損失が生まれる
価格変化による需要変化をしりたい

AI Services Hubでユースケースに対応するAIサービスを探す

ビジネスメトリクスの予測には、Amazon Forecastが適している

Amazon Forecast

機械学習をベースにした時系列予測サービス

開始方法

データセットをインポート
AutoPredictorを作成 (データセットによって学習されたモデル)
予測を実行

AWS AIサービスを既存システムに追加する時のポイント

入力データの形式
- CSV、Parquetに対応
- ターゲット時系列、関連時系列、項目メタデータ
データ連携
- S3に対応
API
1. データセットを作成し、インポート
2. AutoPredictorを作成
3. 予測の実行、結果の出力
データ出力
- 予測対象アイテムごとに予測結果を出力

ユースケースに適したサンプル実装ソリューションを探す

Forecastを用いたソリューション
- S3のデータからForecastを実行し、Glueを用いてデータを整形し、QuickSightで可視化

無料枠

Forecastも無料枠がある

感想

機械学習の知識があまりなくても、AWS AIサービスを用いることで、文書検索や需要予測の結果を取得できることを理解できました。

既存サービスに簡単にAIサービスを追加できる点もうれしいですね。

本セッションでは、適切なAIサービスの選択方法、実装方法について学ぶことができましたので、自分で検証する際の参考になりました！

個人的には、KendraのCustom Document Enrichment機能が気になりましたので、触ってみようと思いました。

紹介されたKendraを用いたソリューションを実際にやってみることで、Kendraを深く理解できそうです。

【セッションレポート】AWS AIサービスを使ってあなたのシステムにも機械学習を導入しよう！ #AWSSummit

はじめに

セッション視聴

セッション概要

対象者とゴール

アジェンダ