Amazon Web Services ブログ
Category: Generative AI
Amazon Bedrock アプリケーションで責任ある AI のコアディメンションに対応するための考慮事項
AWS では、Amazon Bedrock ガードレールのような目的に特化したサービスや機能を使い始めるためのツール、ガイダンス、リソースを提供することで、お客様が責任ある AI を理論から実践へと変換できるよう支援しています。本ブログでは、責任ある AI のコアディメンションを紹介し、Amazon Bedrock アプリケーションでこれらのディメンションに対処するための考慮事項と戦略を探ります。
生成 AI を活用して、店舗とオンラインショッピングの体験を新たなレベルへ
現代の小売業では、オンラインと店舗の買い物体験を融合させ、顧客により豊かな購買体験を提供することが求められています。Mad Mobileは、Amazon Bedrockを活用した生成AIコンシェルジュソリューションを開発し、店舗スタッフが顧客の購買履歴や好みを瞬時に把握できるようにしました。この技術により、店員は顧客一人一人に合わせたパーソナライズされた提案や接客が可能となり、顧客体験を大幅に向上させることができます。
生成 AI アプリケーションで使用するデータを保護するための効果的なデータ認可メカニズムの実装
本ブログでは、生成 AI ワークロードにおけるデータセキュリティとデータ認可について詳しく説明します。基盤モデルのファインチューニングや RAG 、AI エージェントなどの観点から機密データ利用時のリスクを分析し、さらに生成 AI アプリケーションや Amazon Bedrock Agents でのデータ認可メカニズムの実装方法を解説します。
Amazon Verified Permissions と Amazon Bedrock エージェントを使用した安全な生成 AI アプリケーションワークフローを設計する
本ブログでは、請求審査システムにある保険金請求に関する質問に答える Amazon Bedrock エージェントを用いたテキストベースの生成 AI アプリケーションを例に、Verified Permissions を使用してきめ細かなアクセスコントロールを設計する方法についてご紹介します。
re:Invent 2024 製造業向けの振り返り
本記事は AWS ブログ re:Invent 2024 recap for the manufacturing […]
追加学習なしの zero-shot で高精度な時系列予測 : Chronos-Bolt を AutoGluon で利用する
Chronos-Bolt は AutoGluon-TimeSeries の最新追加機能であり、元の Chronos モデルと比較して最大 250 倍高速に追加学習なしで高精度な予測を実現します。Chronos のような基盤モデルは、さまざまなドメインの時系列データを利用して単一のモデルを学習させるというアイデアをさらに大きく前進させました。これらのモデルは、膨大な時系列データで事前学習されています。学習データには実際のデータと合成データが含まれ、様々な分野、頻度、時系列の長さをカバーしています。その結果、追加学習なしの予測が可能となり、未知の時系列データセットに対しても正確な予測を提供します。時系列予測に取り組むハードルが低くなり、追加の学習なしで正確な予測が可能になるため、予測プロセス全体が大幅に簡素化されます。
Amazon Connect で実現する生成 AI を活用したセルフサービスの簡素化
Amazon Connect は、あらゆる規模の企業が低コストで優れたカスタマーサービスを提供できる、使いやすいクラウドコンタクトセンターです。今回、構築の簡素化、生成 AI の活用、使いやすいオブザーバビリティなどの新機能が追加され、顧客向けの効果的なセルフサービス体験を作成、管理、最適化することがこれまで以上に容易になりました。
事業便益から逆算 (Working Backwards) して公共部門で生成 AI を活用していく
本記事は、2024年11月21日に公開された Working backwards from generativ […]
Amazon Bedrock Marketplace: 100 を超える基礎モデルに 1 か所でアクセス
12 月 4 日、Amazon Bedrock Marketplace をご紹介します。この新しい機能を使用す […]
定年後も地元の病院に通えるか : 受付の裏側で進む、生き残りをかけた生成 AI の活用推進
本記事を読んでいる方の多くは、病院の待ち時間に悩んだことがあるのではないでしょうか。その一方で、全国の外来患者数は 2025 年にピークを迎えると見込まれており、214 の医療圏では 2020 年ですでにピークアウトしていると見込まれています。待ち時間が減るのは患者にとって良いかもしれませんが、病院にとっては直接的な収入減となり、働き方改革等による人件費増、物価・エネルギー価格高騰も重なり 42 国立大学病院のうち 32 病院が赤字と報告されています。つまり、あなたが定年後しばしば病院のお世話になる時、地元の病院が頼れるかは予断を許さない状況ということです。
2024/11/21 から 24 にかけて開催された医療情報学連合大会では、待ったなしの病院の業務・経営改革について各病院の医療情報研究者や実務担当者より多くの発表がありました。AWS もブースの出展やスポンサーセミナーなどを開催させていただきました。本記事では当日講演頂いた恵寿総合病院様、東京大学医学部付属病院様による待ったなしの経営・業務改革を生成 AI を活用し推進されている事例をを中心にご紹介します。