[ENU301]生成AIを使ってエネルギーソリューションを加速させる #AWSreInvent

[ENU301]生成AIを使ってエネルギーソリューションを加速させる #AWSreInvent

Clock Icon2023.11.29

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

せーのでございます。

このエントリではre:Inventよりワークショップ [ENU-301: Using generative AI on AWS to accelerate energy solution development]のレポートを行います。

レポート

  • 生成AI市場は今後10年間で7兆ドル規模になるという予測もある
  • 生成AIの基礎となる基盤モデル(FM)と機械学習モデルの違い
    • 異なる問題や異なる状況において、同じモデルを異なる問題に適用できること
      • FMはデータサイズが大きいから
      • FMはさまざまな状況に適応するためのパラメーターが多いから

AWSが紹介するFMモデルを扱うサービス、ツール

Amazon Bedrock

  • 最先端のFMモデルを選べる
    • 中でもAnthropic社のClaudeはすごい
    • Claude InstanceはClaudeのライトバージョン
      • 正確な答えが返ってこないこともある
      • レスポンスが速い
      • 今回のワークショップではClaude Instanceを使う
  • 選んだモデルを自社用に安全にカスタマイズやfine-tuningできる

Amazon CodeWhisperer

  • 生成AIを使った自動的なコード生成
  • コードによる脆弱性のスキャン
  • オープンソースのトレーニングデータに似ているコードにフラグを付けるか、デフォルトでフィルタをかける

ワークショップ内容

  • 風力タービンやソーラーパネルのメンテナンス、運用はエネルギー分野において大事
  • 異常を検知できると、予知保全のような戦略につながる
  • そうすることでコストを削減し、ダウンタイムを減らすことができる
  • 異常を監視することで、エネルギー発電や配電のプロセスにおける非効率性を特定する

データの収集

  • ほとんどのタービンやソーラーパネルにはセンサーがついている
  • 温度、湿度、回転速度、エネルギー出力などを記録することができる
  • しかし例えば、タービンに氷が張っていて、データ収集の効率が悪いとしたら

 

  • 収集したデータから異常値を見つけ出すのが目的

生成AIを使って2ステップにて行う

  • STEP1: ソリューションをデザインする
    • Bedrockを使ってアーキテクチャを組み立て、draw.io 向けのデザインXMLファイルの生成や、Cloudformationのテンプレートファイルの生成を行う
      • Claude Instanceを使う
      • 生成後評価とフィードバックを行ってテンプレートを改善する

  • STEP2: デザインしたソリューションを実装する
    • Code Whispererを使ってETLコードを生成する(左上)
    • BedrockとClaude Instanceを使ってSagemakerの学習コードを生成する(右上)
    • LambdaとSNSを使って検知した異常値を通知する(下)

感想

これぞ今どきの作り方、というべき作り方でした。 確かに最近ですと、生成AIにプログラムコードのたたき台を作ってもらって修正しながらしあげる、というものはありましたが、やりたいことだけが決まっていて、コードはもちろん、アーキテクチャすら生成AIとディスカッションして決める、という内容にびっくりしました。

Sagemakerを使ったアーキテクチャを作りたいのに、Lambdaでしきい値を判断するアーキテクチャが出来上がったりと、同じワークショップをやっているのに、出来上がるリソースが随分違う、という新鮮なワークショップでした。

Share this article

facebook logohatena logotwitter logo

© Classmethod, Inc. All rights reserved.