【AWS AIF対策】AWSのAIサービスの使い分け

Transcript

1. 2026年9月 AWSのAIサービスの使い分け AWS Certified AI Practitioner 対策 #3 赤神青空
2. ▪入力が大きく処理が長いので、非同期推論 前回のクイズの答えは「C」 前回のクイズ 数百MBの動画ファイルを 受け取るたびに解析したい。 1件の処理に数⼗分かかり、 結果は後で受け取れればよい。 最も適した推論は？ 数百MB → ⼊⼒が⼤きい 数⼗分 → 処理が⻑い 後で受け取る → キューで待てる 今ココ おさらい A リアルタイム推論 処理は60秒、⼊⼒は25MBまで B サーバーレス推論 アクセスがまばらなときの選択肢 C ⾮同期推論 ⼊⼒1GB‧処理60分まで、キューで順に処理 D バッチ変換 ⼿元にそろったデータをまとめて処理 2/12
3. ▪試験ガイドのAIの応用分野と、対応するAWSのサービス やりたいことから、サービスを選ぶ やりたいこと 画像‧動画の認識 分野 コンピュータビジョン ⽂書の読み取り コンピュータビジョン Textract ⾳声 ⇄ ⽂字 ⾳声認識‧⾳声合成 Transcribe / Polly ⽂章の分析‧翻訳 ⾃然⾔語処理 会話するボット ⾳声認識＋⾃然⾔語理解 おすすめの表⽰ レコメンド 不正検知‧需要予測など ⾃社データでの予測 今ココ サービス AWSのサービス Rekognition Comprehend / Translate Lex Personalize SageMaker AI で作る 3/12
4. ▪向きが逆。音声→文字が 音声は Transcribe と Polly Transcribe、文字→音声が Polly Amazon Transcribe ⾳声 → ⽂字（⾳声認識） Amazon Polly ⽂字 → ⾳声（⾳声合成） Transcribe Polly ‧話者の識別（誰が話したか） ‧カスタム語彙（社名‧専⾨⽤語） ‧個⼈情報の⾃動マスキング ‧⽇本語を含む多くの⾔語と声 ‧SSMLで読み⽅や間を調整 ‧⾃然な声のニューラル⾳声 例：会議や通話の録⾳を⽂字起こし 例：記事の読み上げ、電話の⾃動⾳声 今ココ サービス 4/12
5. ▪分析するなら 文章は Comprehend と Translate Comprehend、翻訳するなら Translate Amazon Comprehend Amazon Translate ⽂章を分析する（⾃然⾔語処理） ⽂章を翻訳する “Fast delivery, thank you!” ‒ Taro Yamada 感情分析 固有表現 個⼈情報の検出 キーフレーズ ポジティブ Taro Yamada（⼈名） ほかに⾔語の判定、カスタム分類など ⽒名を検出 fast delivery ※個⼈情報の検出は英語とスペイン語のみ対応 今ココ サービス ⽇本語の⽂章 英語の⽂章 ‧ニューラル機械翻訳 ‧カスタム⽤語で社名や製品名を固定 ‧リアルタイム翻訳と⼀括翻訳 例：問い合わせやレビューの多⾔語対応 5/12
6. ▪発話から、意図と必要な項目を取り出す 会話するボットは Lex Amazon Lex 「明⽇10時に予約したい」 ⾳声またはテキスト ⾳声認識（ASR） ⾃然⾔語理解（NLU） Alexaと同じ深層学習の技術 ポイント ‧会話の流れ（⾜りない項⽬を聞き返す）を管理する ‧⾳声とテキストのどちらのボットも作れる 例：予約受付、コールセンターの⼀次対応 今ココ サービス 意図と項⽬を取り出す インテント（意図） 予約する スロット（必要な項⽬） ⽇付：明⽇ 時刻：10時 Lambdaで予約を登録 6/12
7. ▪Textract画像は Rekognition、文書は Textract は、フォームや表の構造まで読み取る Amazon Rekognition Amazon Textract 画像‧動画を分析する ⽂書から⽂字とデータを取り出す 物体‧シーンの検出 顔の検出‧⽐較 INVOICE Date: Sep Total: $ . ⽂字（⼿書きを含む） 不適切な画像の検出 フォームの項⽬と値 表の⾏と列 画像内の⽂字の検出 ‧画像だけでなく動画にも使える ‧⾃社の商品などを⾒分けるよう調整もできる ‧単純なOCRを超えて、構造ごと読み取る ‧請求書と⽶国の⾝分証の専⽤機能もある 例：投稿画像の審査、⼊館時の本⼈確認 例：請求書や申込書の⼊⼒の⾃動化 今ココ サービス ※対応は英語など6⾔語。⽇本語は⾮対応 7/12
8. ▪専用のサービスがない課題は、自分でモデルを作る おすすめは Personalize、ほかは SageMaker AI Amazon Personalize Amazon SageMaker AI ⼀⼈ひとりにおすすめを出す 閲覧‧購⼊の履歴 ⾃社のデータで、モデルを⾃分で作る あなたへのおすすめ データの 準備 学習 評価 デプロイ と推論 専⽤のサービスがない課題に使う ‧Amazon.comと同じ機械学習の技術 ‧MLの専⾨知識がなくても使える ‧不正検知や需要予測など、⾃社固有の予測 ‧作る‧学習する‧動かすまでをまとめて提供 例：ECの商品、動画や記事のおすすめ 例：⾃社の取引データで不正を判定 今ココ サービス 8/12
9. ▪規制・説明の必要性・運用の制約で判断する 従来のMLか、基盤モデルか 従来のMLが向く 規制で、判断の理由を 説明する必要がある 表形式のデータで、 数値やカテゴリを予測する 遅延やコストを抑えて、 ⼤量に動かしたい 同じ⼊⼒に、 同じ結果を返したい 今ココ 選び方 基盤モデルが向く ⽂章の要約‧⽣成‧ 対話をしたい 画像や⻑い⽂書など、 ⾮構造化データを幅広く扱う 学習データを⽤意しなくても、 すぐに始めたい 1つのモデルを、 いろいろな⽤途に使い回したい 9/12
10. ▪やりたいことから、サービスを選ぶ この場合、どのサービス？ 01 02 03 コールセンターの通話録音から、顧客の 感情を調べたい 英語のPDFの請求書から、明細の表の数 値を取り出したい 利用者が投稿した画像から、不適切なも のを見つけたい 通話の感情を分析 今ココ 選び方 請求書の表を読む 投稿画像の審査 10/12
11. ▪クイズの前に、持ち帰ってほしいことを振り返る 今回のまとめ やりたいことから、AWSのAIサービスを選ぶ 学習済みのサービスなら、MLの専⾨知識がなくても使える ⾳声 ⇄ ⽂字は Transcribe と Polly Transcribe ⾳声→⽂字が Transcribe、⽂字→⾳声が Polly ⽂章の分析は Comprehend、翻訳は Translate 感情、固有表現、個⼈情報の検出など 画像は Rekognition、⽂書は Textract、会話は Lex Textract はフォームや表の構造まで読み取る 専⽤サービスがなければ SageMaker AI 従来のMLか基盤モデルかは、規制‧説明‧運⽤の制約で判断 今ココ おわりに Comprehend Rekognition Polly Translate Textract Lex SageMaker AI 11/12
12. ▪動画に付けたクイズから回答できます。答え合わせは次回の冒頭で 今回のクイズ ニュースサイトの記事を、音声で読み上げる機能を追加したい。最も適したAWS のサービスは？ A Amazon Transcribe 今ココ おわりに B Amazon Polly C Amazon Translate D Amazon Lex 12/12