【AWS AIF対策】推論の種類とMLの使いどころ

Transcript

1. 2026年9月 推論の種類とMLの使いどころ AWS Certified AI Practitioner 対策 #2 赤神青空
2. ▪計画して、ツールを順に使っているのでエージェント型AI 前回のクイズの答えは「C」 前回のクイズ A 教師なし学習 学習の⽅法の名前 問い合わせの内容を理解し、 在庫を検索して、 返品の⼿続きまで⾃動で進めるAI。 これを最も適切に表すものは？ B ⽣成AI（単体） 1回応答を返すだけ 理解する 在庫を検索 ⼿続きを進める 今ココ おさらい 計画して ツールを 順に実⾏ C エージェント型AI 計画‧実⾏‧確認を繰り返す D 強化学習 学習の⽅法の名前 2/12
3. ▪ニューラルネットワークはアルゴリズムの一つ アルゴリズムは学び方、モデルはその結果 アルゴリズムとモデル アルゴリズム （学び⽅） ‧線形回帰 ‧決定⽊ ‧ニューラルネットワーク モデル 学習した結果できる成果物 推論ではこのモデルを使う 今ココ 用語 ニューラルネットワーク 学習⽤の データ ⼊⼒層 隠れ層（何層も重ねる） 出⼒層 つながりの強さ（重み）を、学習で調整していく 3/12
4. ▪推論は使うたびに実行する 学習でモデルを作り、推論でモデルを使う 学習 モデルを作る 過去のデータ （⼤量） 学習 モデル 時間と計算資源を多く使う。最初に1回、その後は必要に応じて再学習 推論 モデルを使う 新しいデータ （1件〜まとまった量） モデル 予測の結果 使うたびに実⾏する。どれだけ速く返す必要があるかで、推論の種類を選ぶ 今ココ 用語 4/12
5. ▪SageMaker 推論の種類は4つ AI の4つの推論オプションで見る リアルタイム推論 サーバーレス推論 ⾮同期推論 バッチ変換 ‧常時起動のエンドポイント ‧インスタンスの管理が不要 ‧リクエストをキューで受ける ‧まとまったデータを⼀括処理 ‧ミリ秒単位の低い遅延 ‧使った分だけ⽀払う ‧⼊⼒ 1GB‧処理 60分まで ‧常時起動の環境が要らない ‧⼊⼒ 25MB‧処理 60秒まで ‧しばらく使わないと起動待ち ‧処理がなければ0台まで縮⼩ ‧結果はすぐには要らない 向く場⾯ 向く場⾯ 向く場⾯ 向く場⾯ 安定したアクセスがある 今ココ 推論の種類 アクセスがまばら ⼤きい⼊⼒、⻑い処理 夜間などにまとめて 5/12
6. ▪AWSのFAQの整理に沿った選び方 どの推論を選ぶか まとまったデータを ⼀括で処理する？ はい バッチ変換 はい ⾮同期推論 はい サーバーレス推論 いいえ ⼊⼒が⼤きい‧処理が⻑い （キューで待てる）？ いいえ アクセスがまばらで 予測しにくい？ いいえ リアルタイム推論 今ココ 推論の種類 安定したアクセスがあり、遅延を低く⼀定にしたい 6/12
7. ▪意思決定の補助、規模の拡大、自動化 AIが価値を出す3つの場面 意思決定の補助 例 融資の審査で、 返済リスクの予測を 判断材料として⽰す 決めるのは⼈ 今ココ MLの使いどころ 規模の拡⼤ 例 問い合わせの⼀次対応を、 ⼈を増やさずに 24時間こなす 量が増えても対応できる ⾃動化 例 請求書から、 ⾦額や⽇付を読み取って システムに⼊⼒する 繰り返しの作業を任せる 7/12
8. ▪費用対効果が合わないときと、確定した結果が必要なとき MLを使うべきでない場面 費⽤対効果が合わない 開発‧運⽤ のコスト 例：⽉に数件しか発⽣しない作業を MLで⾃動化する 確定した結果が必要 得られる 効果 データ集め‧学習‧運⽤の⼿間が効果を上回る 今ココ MLの使いどころ ルール 税率 × ⾦額 → 必ず同じ答え MLの予測 「たぶんこの額」 → 誤りを含みうる 例：税額や給与の計算 決まったルールで正しく計算できるなら、 予測ではなくプログラムで書く MLの出⼒は確率に基づく予測で、 ⼀定の割合で外れることがある 8/12
9. ▪数値は回帰、カテゴリは分類、グループ分けはクラスタリング 出したいものから手法を選ぶ 数値 何を出したい？ カテゴリ 回帰 例：来⽉の売上、住宅の価格 教師あり 分類 例：スパムかどうか、解約するか 教師あり 例：購買傾向による顧客の分類 教師なし 正解のないグループ クラスタリング 今ココ MLの使いどころ 9/12
10. ▪推論の種類と、そもそもMLを使うかどうか この場合、どうする？ 01 02 03 その日の全注文を、翌朝までにまとめて 判定したい アプリで撮った写真に、その場でタグを 付けたい 注文ごとの消費税の額を、自動で出した い 毎晩の不正チェック 今ココ MLの使いどころ 撮った写真にタグ付け 消費税の計算 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 アルゴリズムは学び⽅、モデルはその結果 学習でモデルを作り、推論でモデルを使う 推論は4種類から選ぶ まとめて→バッチ、⼤きい‧⻑い→⾮同期、まばら→サーバーレス、安定→リアルタイム AIが価値を出す3つの場⾯ 意思決定の補助、規模の拡⼤、⾃動化 補助 規模 MLを使うべきでない場⾯ ルールで書く 費⽤対効果が合わない、確定した結果が必要 出したいものから⼿法を選ぶ 数値→回帰、カテゴリ→分類、正解のないグループ→クラスタリング 今ココ おわりに ⾃動化 教師あり 教師なし 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 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？ A リアルタイム推論 今ココ おわりに B サーバーレス推論 C 非同期推論 D バッチ変換 12/12