AWS Summitレポート記事内の箇条書きメモを元にNotionAIで読み取れるレポート文が生成できるか試してみた #NotionAI

イベントのメモを取る場合には箇条書きになりやすいものですが、そこから自力でレポート文を起こすのは案外骨が折れる作業です。丁度AWS Summitの記事が多数上がっていて、かつ箇条書きでの内容が多かったので、NotionAIによって生成できるレポートがどれほどのものなのか試してみました。

haoyayoi

2023.04.24

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。

配信等のリアルタイムイベント中に書くメモは都合上どうしても敬称等略した箇条書きとなりやすいでしょう。私もYouTubeでの生配信時にメモを書き起こす場合によく経験しています。等で後々キーフレーズ等を読み返したい場合はそれでも十分に機能するものですが、問題はそれら箇条書きを元にレポートとしたい場合。

箇条書きを元にレポートとして書き起こすのはそれなりに手間が掛かる代物ですが、そんなときこそのNotion AIです。丁度AWS Summitにて速報性を最優先に、箇条書きでのレポートが多く上がっているため、それらを題材に実際どの程度通用するレポートができるか試してみました。

利用した記事について

以下の記事となります。今回の原稿を書いている最中に一番最新で上がっていたレポートだったというだけで、それ以外で全く他意はありません。

尚、単にレポートとして起こしただけだと「実は全く違う文として整形されていた」という可能性もあるので、一文ずつ精査していきます。

Notion AIで箇条書きからレポートを起こしてみる

カスタムAIブロックに投げた文章は箇条書きメモを元にレポートを起こしてとなります。生成されたレポート内容については以下の通り。

Data-Centric とは、データの品質などに注力して開発するアプローチです。一方で Model-Centric アプローチでは、機械学習の選択やパラメータのチューニングに注力します。Data-Centric アプローチを採用することによって、データをきれいにすることができます。そして、綺麗なデータと汚いデータで10%精度が違う場合があるとされています。

機械学習プロジェクトが失敗する理由の一つには、データの品質が不十分なことや、データサイエンティストなどの専門職が不在であることが挙げられます。プロジェクト成功に導くワークフローを構築するためには、機械学習の知識、高速な試行錯誤、差別化要素への注力が必要です。特に、差別化要素への注力は、より重要になっているとされています。

機械学習プロジェクトは、データ処理、モデル開発、デプロイの3つのステップから構成されます。そして、Data-Centric アプローチを採用することによって、データ処理のステップでサイクルを高速化することができます。ただし、Data-Centric アプローチは、1つの有効なアプローチであるとされていますが、銀の弾丸ではありません。

Amazon SageMaker によって、構造化データパターン（テーブルデータ）と非構造化データパターン（画像、文書、音声など）に対する機械学習のデータ処理、モデル開発、デプロイが可能になっています。具体的には、SageMaker Data Wrangler を使った機械学習用のデータの準備や、SageMaker Autopilot を使った完全可視性を備えた機械学習モデルの自動作成、SageMaker Ground Truth を使った機械学習向けの高品質なデータセット作成、SageMaker JumpStart を使った素早い学習とデプロイが可能です。