AI と ML の基礎 #2
不均衡データでは正解率を当てにしない
正解率は、陽性 (不正) が少ないデータでは高く出やすく、見逃しを表しません。
・陽性が少ないとき → 再現率・適合率・F1 スコアで確かめる
・陽性と陰性が同じ程度のとき → 正解率も参考になる
Lex は設定した会話の範囲で動く
正解の 2 つを押さえます。
・Lex は発話から意図を理解し、スロットを集めて定型の会話を進めます。
・業務処理は Lambda と連携して行います。
生成 AI は深層学習の上に成り立つ
正解の「生成 AI は深層学習の上に成り立つ」を押さえます。
・生成 AI は、深層学習の進歩から生まれました。
・生成 AI を支える基盤モデル (FM) は、多くの用途に使い回せる大規模な深層学習モデルです。
・生成 AI を、識別モデルの一種、エキスパートシステムの一種、深層学習とは別の手法と捉えるのは誤りです。
要件の語から AI/ML の価値を選ぶ
正解の「スケーラビリティ (拡張性)」を押さえます。
・人手では読み切れない量のデータをさばけることを価値とする型です。
・「処理しきれない量」のように量が課題の場面では、拡張性が候補になります。
・「最終判断は人が持つ」なら意思決定の支援、「定型作業をシステムが実行」なら自動化です。
試作と本番で基盤を分けて移す
まず Amazon Bedrock で試作し、本番で規模と制御が必要になったら SageMaker AI のエンドポイントへ移す進め方が、この要件に合います。
・最初から全部を自前で構築 → 試作の速さを失う
・本番まで Bedrock の API だけ → インスタンスを選ぶ制御が残らない
・まとめて処理するバッチ変換 → 即時の応答に合わない