2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

「Microsoft Developer Day 〜 AIで開発者の力を最大限に引き出す」に参加してきた感想、まとめ

Last updated at Posted at 2024-11-06

「Microsoft Developer Day 〜 AIで開発者の力を最大限に引き出す」に参加してきました
https://msevents.microsoft.com/event?id=1289012583

image.png

視聴した各セッションの感想を記載します。

Opening

スピーカーが英語でスピーチされていましたが、リアルタイム翻訳で字幕を生成しながらのセッションでした。
リアルタイム翻訳のレスポンスは早いと感じました。
改めてMicrosoftがAIへの力を入れていくことを伝えていました。

Keynote

2024年以降の生成AIトレンド

  • 音声、画像、動画に対応したマルチモーダル
  • 少ないパラメーターで動作するモデル(SLM)

AI技術者に求められること

  • マルチモーダルモデルを利用するためのファンクション化、オーケストレーション
  • モデルの使い分け

生成AIが現実的にアプリケーションに組み込む基盤が整ってきたことを改めてアピールしていたと感じます。
生成AIを利用したAgentを構築するための考え方などが中心でした

Agentを構成するために

Multi-ModalModel

AzureではOpenAI以外のモデルも選択可能
GPT-4o-Realtime-Previewが利用可能
GPT-4o-Realtime-Preview

GPT-4o-Realtime-Previewを使用したデモがありました。
使用感はChatGPTPlusの音声認識と同様で割り込みなどもできます。
ただ、本家ChatGPTPlusよりも生成速度は速いように感じました。
上記を使用したVoiceRAGも提案されていました。
VoiceRAG: An App Pattern for RAG + Voice Using Azure AI Search and the GPT-4o Realtime API for Audio

合わせてugo社の生成AIを組み込んだロボットのデモがありました。

RAG、Fine-Tune

全文検索、ベクトル検索、ハイブリッド検索の先として
より精度の高いRAGとしてGraphRAGを提案されていました。
MicrosoftもGraphRAGのチュートリアルを公開しているので力を入れていることが分かります。

Reasoning推論 ReAct

o1-Preview、o1-miniは思考の連鎖「Chain of Thought」を最適化しているため、より複雑なタスクに利用可能とのことでした。
MSのエージェントを作成するためのフレームワーク、AutoGenについて紹介とデモがありました。

LLMOps

LLMは構築して終わりではなく、モデルの変化やプロンプトの変化に対応できるように継続して開発する仕組みが必要。
MLOpsとは別にLLMに特化したLLMOpsという考え方が必要です。
LLMOpsを実現するためにAzureAIStudioとPromptFlowを紹介、デモ

感想

生成AI盛りだくさんのKeynoteでした(イベントがAIなのでそりゃそうか)
Microsoftとしても生成AIを使ってもらいたいのでRAGだけでなく、AIエージェントの活用を推していますね。
そのためのツールはかなり整ってきた印象ですが、如何せん選択肢が多い・・・
個人的に?なのが、PromptFlow、Semantic Kernel、AutoGenの違いです

  • PromptFlow
    オーケストレーションをGUIで構築
    パフォーマンスのチェックなど、テストのための仕組みもあり

  • Semantic Kernel
    オーケストレーションをコードベースで構築
    テストは手組?テストだけはPromptFlowでも可能なニュアンスでしたが要調査

  • AutoGen
    プランニングに特化したエージェントを構築するためのフレームワーク?
    Semantic Kernelのplannerとの違いが分からん・・・
    要調査

GraphRAGとAutoGenは今度触ってみたいと思います。

Azure OpenAI を活用した実開発 基本のキ

今後のセッションの全体的な内容でありつつ、
生成AIのAPIを利用するための前提や生成AIアプリケーションを評価するためのデータセット作成についてザックリ説明

API Management

生成AIアプリケーション評価用データ生成 サンプルコード

AI エージェントを実現するプロンプトエンジニアリング「ReAct」を掘り下げる

ReActの基本的な説明
ドーナツ本に記載されていた例をベースにデモでした

.NET・Python・Java で学ぶ!SDK を使った AI 開発のはじめの一歩

.NET(C#)・Python・Java それぞれでAzureOpenAIのSDKを使用してAPIの呼び出しについての実装デモ
入門的な内容でしたが、APIKeyはKey Vault使おうなど生で記載しないことの啓蒙多めでよかったです。

ゾルトラーク的 AI アプリケーションアーキテクチャ

スライドが公開されるらしいので公開されたら記載

開発者だからこそ知っておきたい責任ある AI

生成AIの生成物には有害な内容が含まれる可能性があるのでチェックしよう
モデル本体でも対策はしているけど、Azureのコンテンツフィルター使おう
システムプロンプトにも埋め込むことで対策可能(Meta Prompt)

最後にMicrosoft社が取り組んでいるの責任あるAIの要件についての紹介がありました
Microsoft Responsible AI Standard, v2

2
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?