AWSではじめる生成AI ―RAGアプリケーション開発から、基盤モデルの微調整、マルチモーダルAI活用までを試して学ぶ

1章生成AIのユースケース、基礎、プロジェクトライフサイクル

この章ではまず、生成AIのタスクとユースケースとして一般的なものを見ていきます。そうすることで、基盤モデル†1を使うと何ができるのかを理解できます。その上で、生成AIを用いたプロジェクトがたどる、典型的なライフサイクルを探ります。この章で紹介するユースケースやタスクとしては、インテリジェント検索、自動カスタマーサポート用チャットボット、会話要約、不適切（not-safe-for-work/NSFW）なコンテンツのモデレーション（moderation：監視と管理）、パーソナライズされた製品ビデオ、ソースコード生成等があります。

[†1] 訳注：幅広いデータに基づいて学習が行われ、幅広いタスク向けに調整されたモデル。Rishi Bommasani et al., “On the Opportunities and Risks of Foundation Models”, arXiv, 2021（https://arxiv.org/abs/2108.07258）

また、Amazon Web Services （AWS）は、生成AIのアプリケーションや基盤モデルを構築するため、関連するサービスやハードウェアについて様々な選択肢を提供しています。その中から、Amazon Bedrock、Amazon SageMaker、Amazon Q Developer†2、AWS Trainium、AWS Inferentia等について学びます。AWSでは、サービスやハードウェアの面で多様な選択肢を柔軟に組み合わせ、文脈に応じて論理的判断を行いワンストップでタスクを完了する†3、エンドツーエンド†4のマルチモーダル†5な生成AIアプリケーションを構築することができます。 ...