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

まえがき

本書を読んだ後には、今日の産業界や学界が取り組む、生成AIをめぐるユースケースやタスクのうち、代表的なものを理解できるようになっていることでしょう。また、そこで使われる最先端の基盤モデルの構造に関する深い知識も得られます。さらには、「既存の基盤モデルを再利用するか、ゼロから構築するか」という選択を行う場合に必要となる、実務的経験則までも得られることでしょう。その上で、自身のビジネスアプリケーションを支える、ドメイン固有のデータセット、タスク、ユースケースに合うように、生成AIモデルを調整する方法を習得することになります。

本書の対象読者は、生成AIモデルの学習、微調整、本番環境へのデプロイを行うために、技術的基礎とベストプラクティスを学ぶことを望んでいる皆さんです。AI/MLの愛好家、データサイエンティスト、あるいはエンジニアといった、様々な立場の方を対象としています。本書に出てくる概念を理解するために、Pythonや、深層学習（deep learning）の基本要素としてのニューラルネットワーク、順伝播、活性化関数、勾配、逆伝播等について、既に知識があると想定しています†1。

[†1] 訳注：日本語版では、各概念の登場箇所で、適宜解説の訳注を付与している。

本書全体に記載されているコード例を理解するには、Pythonならびに、TensorFlowやPyTorch等の深層学習用フレームワークについて、基本を理解していれば十分です。本書に出てくる概念を学ぶにあたって、AWSの知識は不要です。一方で、コード例のうちAWS固有のものを読む際には、AWSの知識があると読みやすくなります。

生成AIのライフサイクルについて、本書を通じて詳しく見ていきます。その間、様々なトピックについて学ぶことになります。例えば、プロンプトエンジニアリング、few-shotコンテキスト内学習、基盤モデルの事前学習、ドメイン適応、モデル評価、パラメーター効率的微調整（PEFT）、人間のフィードバックからの強化学習（RLHF）等です。 ...