Tweet
Tweet

Slide 1

Slide 1 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI の中⾝を覗いてみよう 基礎から医療現場での応⽤まで 尾原 颯 Amazon Web Service Japan G.K. Startup Healthcare & Life Science Solutions Architect

Slide 2

Slide 2 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 2 37% この数字何だと思いますか︖

Slide 3

Slide 3 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 医療従事者の労働時間のうち 37% が ⽣成 AI によってサポート・拡張されうる 3 https://www.healthcareitnews.com/news/generative-ai-could-augment-40-healthcare-working-hours https://www.accenture.com/us-en/insights/technology/generative-ai アクセンチュア社のレポートより

Slide 4

Slide 4 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 4 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、ヘルスケア & ライフサイエンス etc.. @soh_ohara 𝕏

Slide 5

Slide 5 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. • ⽣成 AI の仕組みを理解する • 医療分野での応⽤ • 安全な利⽤に向けて アジェンダ 5

Slide 6

Slide 6 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI の仕組みを理解する 6

Slide 7

Slide 7 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI の仕組みを理解する この章で扱うこと。 • AI とは︖ • ⽣成 AI の実態って何なのか︖ • ⽣成 AI を作り⽅ 7

Slide 8

Slide 8 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 8 ⽣成 AI の分類 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 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

Slide 9

Slide 9 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 9 ⽣成 AI の分類 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 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

Slide 10

Slide 10 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 機械学習とは︖ 多数あるデータからある⼀定のパターンを⾃動的に認識する技術のこと 10 ? 24℃ 24℃. 20℃ 24℃ 24℃. 20℃. 24℃ 24℃ ?

Slide 11

Slide 11 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 機械学習の問題設定 ⽬的やデータによって問題設定は異なる 11 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）

Slide 12

Slide 12 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 教師あり学習の例 12 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = αx + β

Slide 13

Slide 13 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 教師あり学習の例 13 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︖

Slide 14

Slide 14 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 学習データ・教師データ 14 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

Slide 15

Slide 15 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 他の教師あり学習の例 16 カテゴリー （ニュース、⼩説、ブログ） + 機械学習モデル ︖︖︖ + 学習 推論

Slide 16

Slide 16 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 教師なし学習（クラスタリング） 17

Slide 17

Slide 17 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 教師なし学習（クラスタリング） 18 似たものをまとめる

Slide 18

Slide 18 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 教師あり学習の課題 ラベル付という作業が必要 ラベル付は⼈⼒でやる必要があることが多く、 機械学習モデルを作るために⼗分な量のデータを集めるための ⼯数が莫⼤になることも （例えば、画像分類をやるとしたら数万以上のデータが欲しいケースな どもある） 19

Slide 19

Slide 19 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⾃⼰教師あり学習 ラベル付けされていないデータから教師データを⾃動的に⽣成し モデルを学習させる⼿法 20

Slide 20

Slide 20 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⾃⼰教師あり学習 ラベル付けされていないデータから教師データを⾃動的に⽣成し モデルを学習させる⼿法 21 ⼤量のデータを⽤意するのが⽐較的容易になり ⼤規模な学習が可能に

Slide 21

Slide 21 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⾃⼰教師あり学習 22 花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬の かゆみ、充⾎などが⽣じます。

Slide 22

Slide 22 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⾃⼰教師あり学習（例） 23 花粉症は、 機械学習モデル 花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬のか ゆみ、充⾎などが⽣じます。 ⽂章の続きを ⽣成するよう学習 https://allergyportal.jp/knowledge/hay-fever/ より抜粋

Slide 23

Slide 23 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 24 ⽣成 AI の分類 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 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

Slide 24

Slide 24 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 深層学習は脳の情報処理を模倣したもの 25 𝐲 = σ(& 𝒌 𝒘𝟎𝒌 𝒙𝒌 + ⋯ & 𝒌 𝒘𝒊𝒌 𝒙𝒌 … ) … 内包するパラメータが多く、⼤量のデータからパターンを認知することが得意

Slide 25

Slide 25 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 26 ⾃⼰教師あり学習 深層学習 X ⼤量のデータ （⽂書） 深層学習 モデル ⼤規模⾔語モデル (Large Language Model; LLM)

Slide 26

Slide 26 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 27 ⽣成 AI の分類 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 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

Slide 27

Slide 27 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⼤規模⾔語モデルは⽣成 AI の⼀種 28 花粉症は、 ⼤規模⾔語モデル 花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬のか ゆみ、充⾎などが⽣じます。 ⽂章の続きを ⽣成

Slide 28

Slide 28 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 29 ⾃⼰教師あり学習 深層学習 X ⼤量のデータ （⽂書） 深層学習 モデル ⼤規模⾔語モデル (Large Language Model; LLM) 与えられた⽂章の続きを⽣成するのみ。 指⽰に従った何かに使うことはできない。

Slide 29

Slide 29 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 30 ⾃⼰教師あり学習 深層学習 X ⼤量のデータ （⽂書） 深層学習 モデル （実⽤に耐える）⼤規模⾔語モデル (Large Language Model; LLM) 指⽰に従った⽂章を⽣成するよう 学習（教師あり学習）

Slide 30

Slide 30 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 指⽰に従うとは 31 花粉症について説明してください。 ⼤規模⾔語モデル わかりました。花粉症は、主にくしゃみ、⿐⽔、⿐ づまり、⽬のかゆみ、充⾎などが⽣じます。 指⽰に従って ⽂章を⽣成

Slide 31

Slide 31 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 指⽰ = プロンプト 32 花粉症について説明してください。 症状のみを箇条書きで列挙してください。 ⼤規模⾔語モデル - くしゃみ - ⿐⽔ - ⿐づまり - ⽬のかゆみ - 充⾎

Slide 32

Slide 32 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. より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 33

Slide 33

Slide 33 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. （ここまでのまとめ）⽣成 AI の仕組みを理解する 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 ⽣成 AI は AI > 機械学習 > 深層学習 > ⽣成 AI とカテゴライズできる ⼤量の⽂書データに対して⾃⼰教師あり学習＋α で作成した 深層学習モデルを⼤規模⾔語モデルと呼ぶ 34

Slide 34

Slide 34 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI を動かすアプリケーションの構成例 36 クライアント （Webブラウザ） アプリケーション サーバー サービス運営⽤ データベース 検索サービス LLM サービス 検索対象 データベース Web サーバー

Slide 35

Slide 35 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI アプリケーション v LLM, アナリティクス, データベース、データ統合

Slide 36

Slide 36 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 医療分野での応⽤ 38

Slide 37

Slide 37 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 株式会社Awarefy 39 https://prtimes.jp/main/html/rd/p/000000042.000057374.html

Slide 38

Slide 38 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI の技術を⽤いたがん治療のサポート 40 https://youtu.be/8clH7cbnIQw?si=N7wmqxBW9MvQq1MT&t=5628 書類作成・データ分析・ チャットボット機能で Amazon Bedrock を使⽤

Slide 39

Slide 39 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. がん専⾨医にがん治療の ための⼿がかりを提供した 遠隔患者モニタリングによる ワークフローの合理化 患者の副作⽤モニタリング と患者からの報告を通じて、 タイムリーな医療への アクセスを改善 さまざまな⾮特定化された データを収集して 薬剤の安全性と有効性の インサイトを提供する、 第III相試験と FDA承認後の 試験のサポート Hurone AI のソリューション: GUKIZA https://www.youtube.com/watch?v=qQKziEUei_c

Slide 40

Slide 40 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 92% エンゲージメント 5,000 Prompts delivered 480 介入 3ヶ⽉のベータテストの結果

Slide 41

Slide 41 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. HOPPR : 医⽤画像⽤の基盤モデル開発 43 https://www.prnewswire.com/news-releases/hoppr-launches-groundbreaking- foundation-model-for-medical-imaging-301996244.html AWS 上で構築された医⽤画像特化のモデル 放射線科のレポートの⾃動作成

Slide 42

Slide 42 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. HealthAgent ⾃然⾔語のやり取りで臨床医や研究者が患者に関する情報を取得できる システムの例 44 https://www.youtube.com/watch?v=ItkLK2Ki-So

Slide 43

Slide 43 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 45

Slide 44

Slide 44 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 46 退院サマリー作成デモ

Slide 45

Slide 45 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 安全な利⽤に向けて 47

Slide 46

Slide 46 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI 活⽤で気をつけるべきこと • ハルシネーション（幻覚、最もらしい嘘） • 個⼈情報の取り扱い（学習、プロンプト） 48

Slide 47

Slide 47 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成 AI 活⽤で気をつけるべきこと • ハルシネーション（幻覚、最もらしい嘘） • 個⼈情報の取り扱い（学習、プロンプト） 49 これらのリスクについて正しく認識して 対処することが必要 （例 ⽣成 AI の出⼒の判断根拠を⽰すことで 利⽤者がハルシネーションに気づきやすくする）

Slide 48

Slide 48 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ヘルスケア領域に特化した⽣成 AI 活⽤のガイドライン 50 ⽇本デジタルヘルス・アライアンスにより策定されたガイド https://www.jri.co.jp/page.jsp?id=107056

Slide 49

Slide 49 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. まとめ 51

Slide 50

Slide 50 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. （再掲）⽣成 AI の仕組みを理解する 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 ⽣成 AI は AI > 機械学習 > 深層学習 > ⽣成 AI とカテゴライズできる ⼤量の⽂書データに対して⾃⼰教師あり学習＋α で作成した 深層学習モデルを⼤規模⾔語モデルと呼ぶ 52

Slide 51

Slide 51 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. （まとめ） 医療分野での応⽤ ⾼い⾔語処理能⼒を活⽤したユースケースが多い メインとなるのは書類作業や情報処理のサポートとなるもの 53

Slide 52

Slide 52 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. AWS がお⼿伝いできること • ⽣成 AI を使ったユースケースの相談 • AWS のパートナーさまのご紹介 • システム構築の際の技術⽀援 • イベント 54

Slide 53

Slide 53 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. Thank you! Soh Ohara X: @soh_ohara 55