Claude 3 Opus、ずっと待ってました！
AWSの生成AIサービス、Amazon Bedrock。
多数の生成AIモデルがAPIとして利用できますが、テキスト生成で非常に高性能なのがAnthropic社のClaude 3シリーズです。
OpenAI社のGPT-4シリーズと日々、追いつけ追い越せを続けています。
Claude 3登場後、3モデルあるうち最上位の Opus モデルだけはなかなかBedrockにリリースされませんでしたが、ついに先ほどオレゴンリージョンに出現したようです！
まだAWS公式リリースはないですが、近日中にWhat's New等でアナウンスされるものと思われます。
4/16 23:53追記 公式ブログでもアナウンスされました！
※今回も宇宙最速の発見者はひるたさんでした。いつもありがとうございます🙌
そもそもBedrockって何だっけ？
こちらの資料で紹介していますのでご覧ください！
なお、凄腕Bedrockerの @hedgehog051 @moritalous と入門書を出版することとなりました。最新情報＆ハンズオン多数をわかりやすく整理した決定版です。
すでに予約可能で、ありがたいことにAmazonのカテゴリー内でベストセラー1位となりました！
早速触ってみた
モデル有効化
AWSマネコンでAmazon Bedrockコンソールへ移動し、モデルアクセスを確認。オレゴンリージョンにOpusがいます！
リクエストすると、ほどなくして有効化されました！
GUIで試してみる
プレイグラウンドから試してみます。
マルチモーダル（テキスト＆画像混在）の入力ができるので、題材として「RAG」について語った論文の1ページ目を画像としてアップロードし、「これは何？」と聞いてみます。
すると、画像を読み取って論文について的確に説明してくれました！ 英語なのが惜しいｗ
※みなさんの検証報告を伺っていると、プレイグラウンドだと日本語出力の調子がまだ良くないようです。このあと紹介するAPIでの利用は問題ありませんでした。
4/17追記 けさ、プレイグラウンドからの日本語出力も動作改善したようです。
なお、ナレッジベースやエージェントからは、まだOpusを選択できませんでした。
対応状況をまとめると以下のようになります。
| モデル利用 | ナレッジベース | エージェント | |
|---|---|---|---|
| Claude 3 Opus | ✅ | ⌛️ | ⌛️ |
| Claude 3 Sonnet | ✅ | ✅ | ⌛️ |
| Claude 3 Haiku | ✅ | ✅ | ⌛️ |
| （参考） Claude 2.1 | ✅ | ✅ | ✅ |
※ナレッジベースの場合、 Retrieve APIを単体で利用することにより、現時点でもOpusを用いたRAGの実装は可能です。
APIから試してみる
Cloud 9環境を立ち上げてみましょう。
待機中にCloudShellから以下コマンドを実行して、OpusのモデルIDを確認しておきます。
aws bedrock list-foundation-models
OpusのモデルIDは anthropic.claude-3-opus-20240229-v1:0 のようでした！
Cloud 9が立ち上がったら、ターミナルからAWS SDK for Pythonを最新化します。
pip install -U boto3
以下のコードを実行してみましょう。（ストリーミング出力できるようにしてあるので、少し長めです）
# Python外部ライブラリのインポート
import json
import boto3
# Bedrockクライアントの作成
bedrock_runtime = boto3.client("bedrock-runtime", region_name="us-west-2")
# リクエストボディを定義
body = json.dumps({
"anthropic_version": "bedrock-2023-05-31",
"max_tokens": 1000,
"messages": [
{
"role": "user",
"content": [{"type": "text", "text": "生成AIでDXビジネスを実現するアイディアを出して"}]
}
]
})
# モデルを定義（Claude 3 Opus）
modelId="anthropic.claude-3-opus-20240229-v1:0"
# レスポンスを定義
response = bedrock_runtime.invoke_model_with_response_stream(body=body, modelId=modelId)
# ストリーミング出力
for event in response.get("body"):
chunk = json.loads(event["chunk"]["bytes"])
if chunk['type'] == 'content_block_delta' and chunk['delta']['type'] == 'text_delta':
print(chunk['delta']['text'], end="")
# ストリーミング終了後に改行
print()
なめらかにDX事業アイディアを出力してくれました🎉
$ python3 opus.py
AIを活用したDXビジネスのアイデアをいくつか提案いたします。
1. AI搭載のバーチャルアシスタントによるカスタマーサポート
チャットボットやバーチャルアシスタントを導入し、24時間365日の対応が可能な自動化されたカスタマーサポートを提供する。AIが顧客の質問や要望を理解し、適切な回答や提案を行うことで、顧客満足度の向上とコスト削減を実現する。
2. AIを活用した需要予測と在庫最適化
販売データやトレンド情報をAIで分析し、将来の需要を予測する。この予測に基づいて在庫管理を最適化し、過剰在庫や欠品のリスクを最小限に抑える。これにより、在庫コスト の削減と顧客満足度の向上を図る。
3. AIによるパーソナライズドマーケティング
顧客データや行動履歴をAIで分析し、個々の顧客に最適化された商品推奨やプロモーションを提供する。パーソナライズされたアプローチにより、顧客エンゲージメントの向上と 売上拡大を目指す。
4. AI搭載のスマートファクトリー
製造工程にAIを導入し、生産ラインの最適化や予知保全を実現する。AIが機械の稼働状況や品質データを分析し、異常の早期検知や生産効率の向上を図る。これにより、ダウンタ イムの削減とコスト削減を実現する。
5. AIを活用した金融サービス
AIを用いて金融データを分析し、リスク評価やポートフォリオ最適化を行う。また、AIによる不正検知システムを導入し、金融犯罪の防止と安全性の向上を図る。これにより、顧 客の信頼を獲得し、競争力のある金融サービスを提供する。
これらのアイデアは一例ですが、AIの力を活用することで、様々な業界においてDXビジネスを実現できる可能性があります。重要なのは、自社の強みや顧客のニーズを理解し、そ れに合ったAI活用策を見出すことです。
なお、API経由で画像を読み込ませる方法は、以下の熊田さん記事をぜひご覧ください！