生成AIユースケースと基盤モデルのライフサイクル | AWS Certified AI Practitioner

1 / 11 ブロック9%

イントロ

生成AIユースケースと基盤モデルのライフサイクル

利用目的を決め、データ選択からフィードバックまで追う

データ選択、モデル選択または事前学習、追加調整、評価、展開、利用者フィードバックを経てモデル活用を改善する循環です。

定義

とは、データ選択から調整・評価・展開・フィードバックまでを循環させる工程です。
イメージすると: 用途ごとに必要な能力と安全策を定め、とを行います。モデルを一からするか既存モデルを使い、必要な場合だけします。

手順

ユースケースから運用まで

1
利用者と、生成物を使う具体的な仕事を定義する。
2
データ、モダリティ、モデル能力、利用条件を照合する。
3
プロンプト、、微調整など必要最小の適応方法を選ぶ。
4
後にし、統制したを改善へ戻す。

要点

判断で押さえる境界

『文章を作れる』だけではユースケース設計になりません。顧客返信案なら人が送信前に確認できるか、検索なら根拠を示せるか、コード生成ならテストとレビューを通すかまで決めます。フィードバックは無条件に再学習へ入れず、個人情報、誤り、攻撃的入力を選別します。

1
用途ごとにモダリティと品質条件が違う
2
適応方法は必要最小限にする
3
評価とフィードバックを改善へ戻す

生成AIユースケースと基盤モデルのライフサイクルについて目的・データ、モデル選択、適応・評価、展開、フィードバックの関係を文字ラベルと矢印で示した図 — ユースケース定義から利用者フィードバックまでを一周させる図です。展開後の検証を終点にしません。

例

場面: 問い合わせメールの返信案を作る社内支援機能を企画します。
順に考えると: メール本文という入力、返信案という出力、担当者による送信前確認を定義します。まず適切なと明確なプロンプトを評価し、社内規程が必要ならRAGを追加します。担当者の修正量、根拠の正しさ、応答時間、費用を測り、個人情報を除いた失敗例を改善へ戻します。
ここが結論: デモの生成品質だけでなく、安全な業務工程と継続評価まで含めて設計できます。

注意

フィードバックをそのまま学習データにしない

確認

AIF-C01 判断チェック

Q1

FMアプリを展開した後の適切な活動はどれですか。

まとめ

まとめ

1
は多様な生成・支援用途を持つ
2
用途から必要能力と安全策を決める
3
モデル選択・適応・評価を段階化する
4
統制したフィードバックを改善へ戻す

次へ

次は「トークン費用とコンテキストエンジニアリング」へ

生成AIの基礎

トークン費用とコンテキストエンジニアリング

トークン費用とコンテキストエンジニアリングを、AIF-C01の公式objective 2.1.4・2.1.5に沿って、用語、判断順序、例、誤解修正で整理します。