Ramya_Ravi
所属: インテル
‎2025年4月24日
https://community.intel.com/t5/user/viewprofilepage/user-id/250126

AI 開発者がよく直面する問題として、ローカルの開発環境から実稼働環境へ移行する際のボトルネックがあります。インテル® プロセッサー搭載 AI PC、Podman、Red Hat OpenShift AI、OPEAを組み合わせれば、AI モデルの構築から、テスト、実装まで、さまざまな環境で効率的に行うことが可能です。今年の Intel® AI DevSummit では、Red Hat のソリューション・アーキテクト Chris Calderon 氏が、これらのツールとテクノロジーを取り入れた、開発現場の生産性向上と AI アプリケーションのパフォーマンス最適化に関するインサイトを共有しました。
https://www.intel.co.jp/content/www/jp/ja/ai-pc/overview.html
https://podman.io/
https://www.redhat.com/en/technologies/cloud-computing/openshift/openshift-ai/trial?sc_cid=RHCTN0250000436107&gad_source=1&gclid=CjwKCAjw8IfABhBXEiwAxRHlsCLyNH87j6HTQgWhup8fs1eJxtFY0RECFpV5pmZan8dZ9eiMnX7pfRoCRvMQAvD_BwE
https://opea.dev/

＜Podman による一貫した開発体験 — インテル® プロセッサー搭載 AI PC から OpenShift AI まで＞

このセッションで Calderon 氏は、Red Hat Enterprise Linux AI や OpenShift AI といった Red Hat のオープンソース・ソリューションに焦点を当てています。いずれもマルチ・ハイブリッド・クラウドの柔軟性を備えた、開発者向けにすぐに使える環境を提供することで、ベアメタルからクラウドへのシームレスな移行をサポートするソリューションです。
「自動化とシームレスな統合を優先することで、開発体験を向上させつつ参入障壁を下げて、企業が AI テクノロジーの可能性をフル活用できるように支援しています」と Calderon 氏は語っています。
ここでは、AI 実装の技術的側面に触れ、Podman を使用してさまざまなオペレーティング・システム上で軽量のコンテナイメージを実行する方法が紹介されました。また、Podman Desktop や Instruct Lab のようなツールを使用すると、ローカル環境でプロトタイプ作成やテストが可能になり、コスト削減や AI モデルの学習と実装プロセスの効率化につながることにも言及しています。
セッションの最後には OpenShift AI に話題が及び、AI プロジェクトの開発と管理のための包括的プラットフォームだと説明されました。データ・サイエンス・パイプライン、モデルサービング、Notebook イメージのインポートと管理といった豊富な機能についても強調しています。
AI 学習処理をローカルで実行してからクラウドに移行したいと考えているなら、こちらで動画全編をご覧ください。
https://www.youtube.com/watch?v=ZLIf58K4bl0

＜Red Hat OpenShift AI と OPEA 検証済みプラットフォームによる RAG パイプラインの構築＞

次のセッションは、AI と企業向けソリューションの統合がテーマでした。RAG データベースの活用について、運用ライフサイクルの延長と、モデルの再トレーニングの必要性を軽減できる重要性を伝えています。RAG インターフェイスを利用することで、開発者は既存のデータベースを参照してプロセスの効率化とコスト削減が可能になる、と Calderon 氏は言います。
ここでは、OpenShift AI を使って AI プロジェクトを開発 / 管理するプロセスが、順を追って説明されました。Jupyter Notebook のようなやツールさまざまなランタイムを活用すれば、ワークフローを効率化できます。また、インテル® Gaudi® AI アクセラレーターとOpenVINO™ ランタイムの統合にも触れ、これによって AI ワークロードを最適化してパフォーマンスを向上できることが説明されました。
https://www.intel.co.jp/content/www/jp/ja/products/details/processors/ai-accelerators/gaudi.html
https://www.intel.com/content/www/us/en/developer/tools/openvino-toolkit/overview.html
RAG データベースを導入すれば、チャットボットの効率を高められるのでしょうか？ Calderon 氏は RAG データベースを使用しているチャットボットとそうでないチャットボットの 2 つを比較する、実践的なデモを行いました。動画全編はこちらからご覧いただけます。RAG の活用により、チャットボットの応答における精度とコンテキスト認識性を高められる理由をご確認ください。
https://www.youtube.com/watch?v=039S9L9Hlz8

＜AI に関する知識をもっと深めたいなら＞
Intel® AI DevSummit 2025 の AI 関連セッションをどうぞご覧ください。エキスパートから最新の技術やベスト・プラクティスを学び、プロジェクトを次のレベルへ引き上げましょう。
https://www.youtube.com/playlist?list=PLg-UKERBljNw9wx4vRw-lEq-nItqTcogl
また、ここで紹介した以外にも、インテルの AI/ML フレームワーク最適化やツールを AI ワークフローに取り入れ、統一されたオープンな標準ベースの oneAPI プログラミング・モデルについて学ぶこともお勧めです。これはインテルの AI ソフトウェア・ポートフォリオの基盤を成すもので、AI ソリューションの準備、構築、実装、拡張を支援します。
https://www.intel.com/content/www/us/en/developer/topic-technology/artificial-intelligence/frameworks-tools.html
https://www.intel.com/content/www/us/en/developer/tools/oneapi/overview.html
https://www.intel.co.jp/content/www/jp/ja/developer/topic-technology/artificial-intelligence/overview.html