[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
2023.11.29
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
- 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
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
- 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
- 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。