生成系 AI について学ぼう〜機械学習の基礎から医療での応用まで〜

2023/07/27 に Japan Healthcare Innovation Hub （ https://jhih.org/ ）にて実施した勉強会の資料になります。

Transcript

1. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ⽣成系 AI について学ぼう 〜機械学習の基礎から医療での応⽤まで〜 Amazon Web Services Japan G.K. Soh Ohara | Healthcare & Life Science Startups Solutions Architect, Japan July 27th 2023
2. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 2 尾原 颯 (おはら そう) スタートアップ ソリューション アーキテクト 以前はヘルスケアスタートアップにて ML エンジニア 取り組んでいる領域 機械学習、Healthcare & Life Science etc.. @soh_ohara 𝕏
3. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 3 アジェンダ • 機械学習の超⼊⾨ • 生成系 AI (Generative AI) の概要 • ヘルスケア、ライフサイエンス領域での 生成系 AI • AWS での⽣成系 AI
4. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 4 本発表のゴール ⽣成系 AI の技術的背景の解像度を上げることで、 ヘルスケア＆ライフサイエンスに関わる みなさん⾃⾝が⽣成系 AI を使いこなす側に回る （最新の情報に振り回されすぎないようにする） 今⽇話さないこと（気になれば是⾮議論しましょう） ⽣成系 AI の最前線（最新のテックトレンド、論⽂） 技術的に踏み込んだ話
5. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 5 話さないこと（是非別途議論しましょう） ⽣成系 AI の最前線（最新のテックトレンド、論⽂） 技術的に踏み込んだ話
6. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 6 はじめに 本スライドは 2023 年 7 月 27 日以前の情報をもとに作成されてます 移り変わりの激しい分野なので最新情報が気になる場合は ご自身で調べていただくかお気軽にお問い合わせください
7. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ⼈⼿不⾜ より ⼤きな成果 接点の 多様化 ⼀貫した 価値提供 持続 可能性 ビジネス の拡⼤ 7 ビジネスでは常に⼆律背反のニーズに追われる
8. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 主な要素: 計算能⼒の拡⼤ | データの増⼤ | モデルの⾼度化 機械学習は転換点に 8
9. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 機械学習の基礎 9
10. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 機械学習を一言でいうと たくさんのデータからパターンをみつけて未知のデータを推定する ? 24℃ 24℃ 20℃ 24℃ 24℃ 20℃ 24℃ 24℃ ?
11. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 具体的な数式で⾒ると。。 11 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = αx + β
12. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 具体的な数式で⾒ると。。 12 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = αx + β α と β にはそれぞれどんな数字が⼊るでしょう︖
13. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 具体的な数式で⾒ると。。 13 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = 2x + 1 学習データ 教師データ
14. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 機械学習はパラメータをデータから決めていく作業 14 モデル y = αx + β = 2x + 1 学習済モデル パラメータ パラメータがデータから⼀意に決まるわけではないことに注意 データから尤もらしい値を決めていく作業になる
15. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 15 深層学習は機械学習の⼀種 ⼈⼯知能 (Artificial Intelligence, AI) ⼈間の知的判断をコンピュータ上で実現するための技術全般 （ロジック、if-then ⽂、機械学習） 機械学習 (Machine Learning, ML) AI の⼀種であり、知的モデルを構築するためにデータの中の傾向を学習する技術 深層学習 (Deep Learning, DL) ML の⼀種であり、⾳声・画像認識などのタスクを深い複数レイヤー構造 のニューラルネットワークで実現する技術
16. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 深層学習は脳の情報処理を模倣したもの 16 𝐲 = σ(% 𝒌 𝒘𝟎𝒌 𝒙𝒌 + ⋯ % 𝒌 𝒘𝒊𝒌 𝒙𝒌 … ) … 時には数千億パラメータ分まで式が膨れ上がる
17. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 従来のプログラミングと機械学習との違い 17 従来のプログラミング 機械学習アルゴリズム データ ルール 答え 答え データ ルール 「経験から学ぶようにコンピュータをプログラミングすると、 最終的には詳細なプログラミング作業が不要になるでしょう。 」 アーサー・サミュエル（1959） AI研究のパイオニア
18. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 機械学習の種類 目的やデータによって使われる機械学習は異なる 18 教師あり学習 教師なし学習 強化学習 ⽬的 未知データの推定 データの分類 最善の⾏動の学習 データの種類 教師データと、 推定のもとになる データのセット 分類したいデータ （教師データは不要） ⾏動をシミュレート してデータを集める 例 画像認識 （画像に写っている ものを推定） ユーザ属性分類 （似たようなユーザ を分類） 囲碁などのゲーム （最善の⼿を学習）
19. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ピザとドーナツの分類 19
20. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ピザ ピザ ピザ ピザ ドーナツ ドーナツ ドーナツ ドーナツ 教師あり学習 20
21. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ピザ ピザ ピザ ピザ ドーナツ ドーナツ ドーナツ ドーナツ 教師あり学習 21 決定境界
22. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ピザ ピザ ピザ ピザ ドーナツ ドーナツ ドーナツ ドーナツ 教師あり学習 22 決定境界
23. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 教師なし学習（クラスタリング） 23
24. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ピザ ドーナツ 半教師あり学習（一例） 24
25. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ドーナツ ピザ 半教師あり学習（一例） 25
26. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 機械学習の一般的なタスク 26 機械学習 教師あり 学習 回帰 分類 教師なし 学習 クラスタ リング 次元圧縮 強化学習 バンディット アルゴリズム Q学習
27. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 機械学習を応用すると言語モデルになる • Google の大規模自然言語モデルの BERT [J. Devlin et al. 2018] では、 Wikipedia などの大規模データセットを用いて 2 つの課題をひたすら 解くことで自然言語の「文脈」を把握することに成功 例 : 「⽇本 の ◦◦ は 東京 です 。」 例 : ◦ →「キリンさんが好きです。」 「でもゾウさんのほうがもっと好きです。」 例 : × →「キリンさんが好きです。」「⽇本の⾸都は東京です。」 ・穴埋め問題 ・文章が繋がっているか判定問題
28. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 応用すると言語モデルになる • Google の大規模自然言語モデルの BERT [J. Devlin et al. 2018] では、 Wikipedia などの大規模データセットを用いて 2 つの課題をひたすら 解くことで自然言語の「文脈」を把握することに成功 ⼤量の⽂書データに対して学習させたモデル ︓⾔語モデル 上記の学習を⼤規模なパラメータ数で⼤規模に⾏なったモデル ︓ ⼤規模⾔語モデル ⼤規模⾃体の定義はないが、数⼗億パラメータくらいから⼤規模と呼称する傾向にあると思います
29. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. （ここまでのまとめ）機械学習の⼊⾨ • 機械学習とはデータからパターンを⾒つけて 未知のデータを推測すること • ディープラーニングでは学習を通じて 決めるべきパラメータ数が⼤規模になる • ⼤量の⽂書データに対して⼤量に学習させた ⼤規模なモデルを⼤規模⾔語モデルと呼ぶ 29
30. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 言語モデルの変遷と詳しい内容を知りたい方は • ⼤規模⾔語モデル (LLM) の進化: GPT 以降の最新動向 / AWS Dev Day 2023 - Evolution of LLM since GPT − https://speakerdeck.com/hariby/aws-dev-day-2023-evolution-of-llm-since-gpt 30
31. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 生成系 AI (Generative AI) 31
32. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ⽣成系 AI (a.k.a ⽣成モデル) は画像などを⽣成する AI モ デ ル モ デ ル 0.6 0.1 0.2 0.1 0.5 0.2 0.1 0.6 識別モデル (画像分類) ⽣成モデル (画像⽣成) 予測結果 (確率) ランダムベクトル
33. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. パラメーターの群からデータを生成するイメージ ピアノっぽい⾳ バイオリンっぽい⾳ トランペットっぽい⾳ ⾬っぽい⾳ Moog System 55 (1973) ツマミ パラメータ 調整 https://www.moogmusic.com/news/return-moog-modular
34. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 34 ⽣成系 AI は深層学習の一種 ⼈⼯知能 (Artificial Intelligence, AI) ⼈間の知的判断をコンピュータ上で実現するための技術全般 （ロジック、if-then ⽂、機械学習） 機械学習 (Machine Learning, ML) AI の⼀種であり、知的モデルを構築するためにデータの中の傾向を学習する技術 深層学習 (Deep Learning, DL) ML の⼀種であり、⾳声・画像認識などのタスクを深い複数レイヤー構造 のニューラルネットワークで実現する技術 ⽣成系 AI (Generative AI) テラバイト規模のデータで数千億規模のパラメーターのモデルを学習 することで、追加学習なしに⼈間に近しい⽣成を実現する技術
35. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 35 ⽣成系 AI の実体は⼤規模な「基盤モデル」 基盤モデル (Foundation Model) テキストの⼊⼒ 出⼒ テキスト⽣成モデル (⼤規模⾔語モデル) テキストからの画像⽣成モデル 動画 ⾳声 コード ⽣成モデル “次の⽂書を要約してください: …….” [テキスト] “………..” “宇宙⾶⾏⼠が⾺に乗っている写真” “⾬の中歩いているカップル” “ダンスに合うヒップホップ⾳楽” “売上を集計する Python プログラム” [画像] [動画] [⾳声] [コード] Amazon CodeWhisperer
36. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 2017 2022 「『とても綺麗なリビングルームの写真』出して」 StackGAN, Zhang et al. Stable Diffusion, Rombach et al. 基盤モデルの技術によりクオリティが向上 👩💻 🤖 「おっけー」
37. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 画像生成 AI の応用 – Stable Diffusion Image transformation 画像変換 4x Upscaling 超解像 Generated by Stable Diffusion 2.0 37
38. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 画像生成 AI によるビジネス変革 – LG EXAONE LG AI Research’s Tilda, the AI artist powered by EXAONE 38
39. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 画像生成だけでないさまざまなユースケース テキスト⽣成 チャットボット テキスト要約 コード⽣成 39 🤖 🧠 💡 📄 📄 📄 📄 📄 学習 テキストデータ 基盤モデル （⼤規模⾔語モデル）
40. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 基盤モデルの作り⽅ 40 モデル ⼤量データ テキスト⽣成 モデル テキスト分類 モデル ⾦融専⾨ モデル ファインチューニング ⽤途・業界特化の学習 ⼤規模計算基盤 基盤モデル 🤖 🧠 💡 事前学習 アプリケーション アプリケーション アプリケーション アプリへの組み込み 応⽤
41. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 1957 2012 2014 2016 2018 2019 2020 2021 … … … 基盤モデルの⼤きさ (パラメーター数) VGG16 138M YOLO, GNMT 210M BERT-L 340M GPT-2 1.5B GPT-3 175B 2022 Perceptron 1 Alexnet 62M SWITCH-C 1.6T ここ数年の 年間成⻑率 10倍以上 GPT: Generative Pre-Trained Transformer 41 増殖する基盤モデルのパラメーター数
42. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ⽣成系 AI の利⽤パターン例 42 Retrieval Augmented Generation (RAG) 質問 関連⽂書を 抽出 ⽂書から 回答⽣成 ユーザーからの質問に対して、社内ドキュメントを基にした回答を⽣成 アプリケーション 検索システム 関連⽂書 例) 医療⽂書、カルテ etc.. 検索 検索 結果 検索結果 ＋ クエリ 回答 回答 質問 大規模言語モデル
43. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 43
44. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ヘルスケア＆ ライフサイエンスでの 生成系 AI 44
45. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ヘルスケア分野での 生成系 AI 45 https://www.nature.com/articles/s41586-023-05881-4 医療 AI を用いた新たな パラダイムを提案 「⼤規模で多様なデータセットを⾃⼰ 管理することで構築された Generalist Medical Artificial Intelligence (GMAI) 基盤モデルは、画像、電⼦カ ルテ、検査結果、ゲノミクス、グラフ、 または医療テキストからのデータなど、 さまざまな医療モダリティの組み合わ せを柔軟に解釈します。」 Moor, M., Banerjee, O., Abad, Z.S.H. et al. Foundation models for generalist medical artificial intelligence. Nature 616, 259–265 (2023). https://doi.org/10.1038/s41586-023-05881-4
46. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ヘルスケアのさまざまなユースケースで使⽤されている ⽣成系 AI 医療 リサーチ 患者と治験のマッチング マルチモーダル データ分析 臨床効率 患者の全体像を把握する 縦断的な患者記録 医⽤画像読影の⾃動化 稼働効率 紹介状、医療請求事務、 事前承認の⾃動⽣成 インテリジェントな ⽂書処理 患者体験の 向上 患者の転帰予測 患者の退院指⽰と 治療計画の パーソナライズ デジタル ヘルス 介護福祉 遠隔ケア管理
47. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. タンパク質言語モデル 47 https://www.jstage.jst.go.jp/article/jsbibr/4/1/4_jsbibr.2023.1/_html/-char/en タンパク質が持つアミノ酸配列を学習データとして訓練した⾔語モデル ユースケース 配列解析 タンパク質の機能改変 ⽴体構造予測 機能性タンパク質配列⽣成
48. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 48 まさに今が過渡期 是⾮みなさんの⼿でユースケースを ⾒つけていきましょう︕
49. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. AWS での⽣成系 AI 49
50. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 20 年以上にわたる Amazon の機械学習によるイノベーション 毎分 4,000 個 Amazon.com での取引 毎⽇ 160 万個 のパッケージ発送 毎週 10 億件を超える Alexaでのインタラクション 2016 年 12 ⽉ 7 ⽇〜 Prime Air ドローン配達 50
51. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 医療 AI 産業 AI 異常検知 コード＆DevOps 画像・動画 ⾳声 テキスト 検索 チャットボット パーソナライゼーション 需要予測 不正検知 コンタクト・センター 強化学習 Deep Learning AMIs & Containers GPUs & CPUs Elastic Inference Trainium Inferentia FPGA AI サービス 機械学習サービス フレームワーク & インフラ DeepGraphLibrar y Amazon Rekognition Amazon Polly Amazon Transcribe Amazon Lex Amazon Personalize Amazon Forecast Amazon Comprehend Amazon Textract Amazon Kendra Amazon CodeGuru Amazon Fraud Detector Amazon Translate Amazon DevOps Guru Contact Lens Voice ID Amazon Monitron AWS Panorama + Appliance Amazon Lookout for Vision Amazon Lookout for Equipment Amazon HealthLake Amazon Lookout for Metrics Amazon Transcribe Medical Amazon Comprehend Medical Amazon SageMaker ラベリング データ 準備 特徴量 ストア Auto ML Spark/R バイアス 検出 ノート ブック アルゴリズム 選択 モデル 学習 パラメータ最 適化 デバッグ プロファイル 本番 デプロイ 管理 モニター CI/CD ⽬検 確認 SageMaker Studio IDE (統合開発環境) TensorFlow PyTorch AWS DeepRacer AWS のミッション︓全てのお客様に機械学習をお届けする 51 Amazon CodeWhisperer SageMaker JumpStart
52. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. これから⽣成系 AI を始める 3 つの⽅針と課題 基盤モデルベンダーが 提供する⽣成 AI サービスや API を利⽤ 独⾃の基盤モデルを スクラッチで開発 公開されている 基盤モデルをチューニング 52 Model Providers Model Tuners Model Consumers データ・コストの統制が困難 カスタマイズができない モデルを運⽤するための 追加の開発⼯数が必要 ⾼費⽤、時間がかかる、 深い専⾨知識が必要
53. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. [再掲] 基盤モデルの作り⽅ 53 モデル ⼤量データ テキスト⽣成 モデル テキスト分類 モデル ⾦融専⾨ モデル ファインチューニング ⽤途・業界特化の学習 ⼤規模計算基盤 基盤モデル 🤖 🧠 💡 事前学習 アプリケーション アプリケーション アプリケーション アプリへの組み込み 応⽤
54. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. [再掲] 基盤モデルの作り⽅ 54 モデル ⼤量データ テキスト⽣成 モデル テキスト分類 モデル ⾦融専⾨ モデル ⼤規模計算基盤 基盤モデル 🤖 🧠 💡 アプリケーション アプリケーション アプリケーション Model Providers Model Tuners Model Consumers
55. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. [再掲] 基盤モデルの作り⽅ 55 モデル ⼤量データ テキスト⽣成 モデル テキスト分類 モデル ⾦融専⾨ モデル ⼤規模計算基盤 基盤モデル 🤖 🧠 💡 アプリケーション アプリケーション アプリケーション Model Providers Model Tuners Model Consumers AWS では生成系 AI に関わる 全てのプレイヤーを支援する選択肢を用意
56. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. これから⽣成系 AI を始める 3 つの⽅針と課題 基盤モデルベンダーが 提供する⽣成 AI サービスや API を利⽤ 独⾃の基盤モデルを スクラッチで開発 公開されている 基盤モデルをチューニング 56 Model Providers Model Tuners Model Consumers データ・コストの統制が困難 カスタマイズができない モデルを運⽤するための 追加の開発⼯数が必要 ⾼費⽤、時間がかかる、 深い専⾨知識が必要
57. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. お客様の業務課題を解決する 基盤モデルによる⽣成系 AI アプリを サーバレスで素早く開発可能に Li mi t ed Previ ew NEW Amazon Bedrock 57
58. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. 複数の基盤モデルから⽤途に最適なものを選択 最先端スタートアップ企業 が提供 AI21 Labs, Anthropic, Stability AI, cohere Jurassic-2 Claude Stable Diffusion Amazon が提供 Titan Text Titan Embeddings 58 Command and Embed
59. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ヘルスケア ＆ ライフサイエンス特化のサービスも 59 AWS HealthOmics ゲノミクス、 トランスクリプトミクス、 その他のオミクスデータ から洞察を得る AWS HealthLake 数分でヘルスデータを 保存、変換、取引、 分析 AWS HealthImaging ペタバイト規模で クラウド上に医療画像 を保存、分析、共有 AWS HealthScribe 患者と医師の会話から ⾃動的に診療記録を ⽣成
60. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. お客様にとっての価値の為に、必ず Working Backwards 60 1. お客様は誰ですか︖ 2. お客様が抱える課題は改善点は明確ですか︖ 3. お客様が受けるメリットは明確ですか︖ 4. お客様のニーズやウォンツをどのように知りましたか︖ 5. お客様の体験はどのように変わりますか︖
61. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. お客様にとっての価値の為に、必ず Working Backwards 61 1. お客様は誰ですか︖ 2. お客様が抱える課題は改善点は明確ですか︖ 3. お客様が受けるメリットは明確ですか︖ 4. お客様のニーズやウォンツをどのように知りましたか︖ 5. お客様の体験はどのように変わりますか︖ → ML Enablement Workshop
62. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. ML Enablement Workshop 62 プロダクトマネージャー、開発者、データサイエンティストの 3 者が組織横断的 にチームを組成し、機械学習の勝ちパターンを実現するロードマップを作成する。 理解編 応⽤編 開始編 ⽬的 機械学習の「勝ちパター ン」を理解し、 活⽤どころを⾒極める。 アウトプット プロダクトに応⽤できそう な、過去の成⽴事例。 時間 ・~2時間 ⽬的 勝ちパターンが成⽴するプ ロセスを可視化し解決すべ き課題を特定する。 アウトプット 勝ちパターンが成⽴する流 れ。(Event Storming ) 時間 ・~3時間 ⽬的 機械学習による勝ちパターン 成⽴まで、段階的に顧客体験 の改善をする。 アウトプット 1~3 カ⽉間の実⾏可能かつ 計測可能な⾏動スケジュール。 時間 ・~2時間 GitHubで無料公開中
63. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. まとめ 63
64. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Confidential and Trademark. まとめ • 機械学習は大量のデータからパターンを見つけ出し未知のデータ を推定する技術のこと • 生成系 AI は画像・テキストなどをある入力をもとに生成する 機械学習のモデル（基盤モデル）が実態 • AWS では Model Consumers、Model Tuners、Model Providers の 生成系 AI に関わる全てのプレイヤーを支援する選択肢を用意 64