AWS AIFを受けてきた

20251005

生成AI（主にプログラミング）の原理を理解して、色々と応用できるようになりたいというモチベーションで1ヶ月ほど前から学習し、今日テストを受けてきた。

AI周りの基礎的な概念を押さえつつ、それをどうawsで実現するのかバランスよく学べて良かった。

以下、印象に残った学びを列挙する。

・AIのユースケース

教師なし学習の一例として異常検知がある。あるメトリクスをモニタリングし、異常値・パターンが出現したらアラートする仕組み。運用・監視まわりに応用できそう。

・FM、RAG、ファインチューニング

Bedrockで入手したFM（基礎モデル）に独自ドメインの学習をさせる場合、少量のラベル付きデータがあればファインチューニングを行う。学習コストを抑える、最新の外部データを読ませたい場合はRAGを活用する。BedrockナレッジベースでRAGを構築できる。

・プロンプトエンジニアリング

例を与えることが簡単かつ効果的。「フューショット学習」といい、入力と出力のサンプルを2、3与えることで求める出力を得やすくなる。

数学の問題を解くなどのタスクは「思考の連鎖」を使い、思考過程を出力させてステップバイステップで処理させることで精度を高める。ステップを刻むことで、狭く具体的なコンテキストに絞って処理させることができるためだと考えられる。

あとは、バックステップだったか、出力に対してなぜそうした？それは本当？と問い直すことで、より良い回答を引き出すテクニックもある。

・セキュリティ、ガバナンス

モデルの複雑性が高いと、出力の根拠が不透明になり、説明可能性が低くなる。線形回帰などは単純なため説明可能性が高いが、画像生成などニューラルネットワークを使うような処理は説明可能性が低い。一方で複雑度が高いほど、より高難度なことをできるようになる。これはガバナンスの文脈で、ステークホルダーに公平かつ透明性の高いソリューションを提供する上で考慮すべきと。

セキュリティについては、IAMでの権限管理、Private linkでのネットワーク隔離、KMSでデータの暗号化、個人情報を保持しないようにMacieで検出などなど。

以下内容の要約 by gpt5