はじめに
12/8に東京で開催された、クラスメソッドのre:Invent 2023振り返りイベントであるre:Growth 2023。 本ブログは、その中で私が登壇した「AWSによる独自データ活用の生成AIソリューション」というタイトルのセッションの内容をまとめたものです。
資料
解説
独自データを活用した生成AIソリューションを構築する方法には、大きく分けて以下の2つがあります。
- Fine-tuning
- RAG
RAGに関して、従来はコーディング等が必要で開発が難しいという課題がありましたが、re:Invent2023で発表されたAWSが提供するソリューションを利用することで、簡単にRAGを構築することが可能となりました。具体的には以下の3つのソリューションです。
- Amazon Q
- Amazon Bedrock Knowledge base
- Amazon Bedrock Agents
本セッションでは、これらのソリューションの概要と利用イメージをご紹介しました。 セッション時点の私のおすすめは、Amazon Qです。 主な理由は裏側でKendraを利用しており、データソースの拡張性が高いからです。 一方で、プレビュー版のため、料金面の改定やバグがある可能性があることを予めご了承ください。 気づいた点があれば、AWSのマネジメントコンソールからフィードバックを送りましょう。
補足
生成AIの活用領域
生成AIの活用領域について質問をいただきました。 当該内容につきましては、LINE株式会社の井尻善久さまの資料がとても分かりやすいので、ご紹介させていただきます。
AWSが提供する生成AIアプリケーション
UIも含めて独自の生成AIアプリケーションを構築する方法について質問をいただきました。 当該内容につきましては、AWSがGitHubで公開している生成AIアプリケーションをご紹介させていただきます。
aws-samples/generative-ai-use-cases-jp: Generative AI を活用したビジネスユースケースのデモンストレーション
また、クラスメソッドにて本アプリケーションについてのブログを公開しておりますがので、あわせてご参照ください。
発表資料について
今回、米田優峻さまの発表にあった鉄則を参考に発表資料を作成しました。 今後、私の資料作成時の定番になりそうです。 よかったらご参照ください。
わかりやすい説明のための 10 の鉄則 - Speaker Deck
さいごに
年末の忙しい時期にも関わらずご参加いただいた皆様、ありがとうございました。 多くの方がセッションを聞いていただけたことをとても嬉しく思います。 また、イベント内にてフィードバックや質問も多数いただき、私にとって貴重な機会となりました。
改めて、ご参加いただいた皆様、ありがとうございました。 次回のイベント等でまたお会いできることを楽しみにしております。 それではまた！
0
