はじめに
受講セッションの個人的な所感と、メモです。
メモの内容は、誤字脱字などあるやもしれませんが、ご了承ください。
概要
近年、生成 AI は多くの注目を集めています。このセッションでは、生成 AI とその応用先、およびこの新興技術の利点とリスクについて紹介します。生成 AI アプリケーションを構築するために使用できる AWS サービスを探ります。
所感
AI、生成AIを自社内で活用したり、自社プロダクトに組み込んでサービスの価値、ユーザーに提供できる価値を向上させたい、というのは今やどの企業も考えることだと思います。
しかしながら、エンジニアリソースが豊富で、AI分野に関する知識を十分に有する企業は、まだそう多くはない印象で、
今回のイベントの盛り上がりが、それを象徴している気がします。
結論から言うと、このお話はすごく参考になりました。
これからAIを使いたいぞ！っという方は是非に内容を確認してみてください。
そもそもの従来AIと生成AIの違い。活用事例。そして組織にAIを組み込むための心構え。
そもそもですが、AIを導入することが目的になってはいけません。
あくまでも、ビジネス課題の解決が目的であり、AIはその手段です。
自社にとって、導入することでどんなメリットをもたらすのか。
導入する上でのデメリット、懸念事項はなんなのか。
それらをクリアし、明確にし、責任をもってAIを導入する。
いいお話でした。
受講メモ
顧客体験の向上
- チャットボット
- コンタクトセンター
- パーソナライゼーション
- SNS投稿監視
生産性を高める
- 検索
- コンテンツ作成
- テキスト要約
- コード生成
創造性
- アート
- ミュージック
- テキスト
- 画像
- アニメーション
- ビデオ
事業運営の改善
- 文書処理
- 品質管理
- 目視検査
ヘルスケア
- 電子カルテ
- 音声データからカルテ化
- 個別化医療
- 医療画像処理
ライフサイエンス
- 創薬
- タンパク質構造予測
- 合成生物
金融サービス
- 不正検出
- ポートフォリオ管理
- 債権回収
製造業
- プロダクトデザイン
- プロセスの最適化
- 予防保全
- 材料科学
リテール
- 価格最適化
- バーチャル試着
- 店舗レイアウトの最適化
- レビューの要約
メディア
- 仮想現実
コンピューティング
- 独自モデルの構築
- SageMaker
- 基盤モデル
- Bedrock
生成AIの活用事例
シナリオ：靴ブランドが新しい靴を製品ラインに追加
- 市場調査レポートの要約
- テーマをもとにコピーを作成
- これまでの内容をもとにSNS向けにテキストをリライトする
- 画像の背景を生成AIで作り替える
- 作成したファイルをS3にアップするためのPythonコードの作成
- ユーザーからの問い合わせ対応
基盤モデル
- ラベルなしのデータを事前に学習→事前トレーニング
トランスフォーマー
- 単語の分解、単語同士のベクトルの計算
コンテキスト
- 現在行っている会話の文脈
- 長い会話では継続しない
- 最大サイズがある
生成AIプロジェクトの計画
スコープを定義する
- 収益：組織はこれをおこなうべきか？
- コスト：組織はこれが可能か？
- お客様：これを希望しているか？
- シンプルな計画
- リテラシーのあるエンジニア向けのケース
- 強固な計画
- 非エンジニア向けに必要なケース
モデルの選択
- 事前学習済みのモデル（基盤モデル）
- ファインチューニング
- 追加の学習が必要か
モデルの適応
- プロンプトエンジニアリング
- 入力に追加してあげるなど
- ファインチューニング
モデルの使用
- 偏見など倫理観に欠ける回答をしないか
- ユーザーからのフィードバックをどう対応するか
- パフォーマンスの追跡
- 再トレーニングするために変更をどのように追跡するか（バージョン管理）
リスク
公平性
- 偏りがない状態で全ての変数を平等に扱う
プライバシー
- 個人情報を公開しない
有害性
- ハルシネーション
- 知的財産
- 盗作と不正行為
- 業務の混乱
生成AIを活かした組織の構築
リーダーからはじめる
- 意思決定者から行動する
- トレーニングとリソースの提供
- 準備状況の確認
- 変化が従業員に与える影響を理解する
従業員の準備をする
- 教育
- 生成AIは学習モデルの一種
- 雇用の保障
- AIが支援する未来
- 新製品
- 新しい役割
- メリットについて話し合う
- タスクを自動化し、サービスを向上
- 収益を増やす
- フィードバックするよう奨励する
- 計画
- 利用
- フィードバック
- 継続的学習の重要性を強調
- 新しいテクノロジーへの継続的な学習と適応
チームで取り組む
- 専門家との協業
- データの品質と可搬性に重点を置く
ガバナンスモデルの確立
- 透明性と説明責任
- システムの責任など明確に定義する
- 倫理原則とガイドライン
- プライバシー、公平性、透明性
実装
- パイロットプロジェクトから始める
監視と評価
- 定量的な定義
- 成功と失敗の把握