クライン氏　私たちが目指しているのは、機械学習（ML）や生成AIを含むAI技術の民主化だ。私たちは、1つのAIモデルで全ての要望に応えられるとは考えていない。複数のAIモデルを準備し、ユーザーが要望に応じて最適なAIモデルを選択できるようにすることを重視している。

　当社が提供を開始した生成AIサービス「Amazon Bedrock」（以下、Bedrock）では、AIの基盤モデルをAPI（アプリケーションプログラミングインタフェース）を通じて利用することができる。Bedrockでは、当社の基盤モデル「Amazon Titan」だけでなく、AIベンダーAI21 Labsの「Jurassic-2」をはじめ、複数社の基盤モデルを利用できる。

　Bedrockは、AWSのデータストア、特にベクトル形式でデータを管理するベクトルデータベースを使用できることが特徴だ。ベクトルデータベースは検索の際に、テキストや画像などのデータを数値に変換することで、数字を比較してデータ同士の類似性を計算・検索できる。

　例えば、以下のようなリレーショナルデータベースサービスから、データをLLM（大規模言語モデル）に取り込める。

• 「Amazon Relational Database Service」（Amazon RDS）
• 「Amazon RDS for PostgreSQL」
• 「Amazon Aurora」

　Bedrockには、事前学習に含まれていない必要な情報を外部データベースで検索したり取得したりできる「RAG」（検索拡張生成）の仕組みがある。RAGによって、LLMが事前学習していない情報を外部から補えるため、ユーザーからの質問をリアルタイムでパーソナライズして回答できる。

　以上の全ては、VPC（仮想プライベートクラウド）内のユーザー専用の環境で実行できる。ユーザーが学習データを所有し、AIモデルのトレーニングを制御できる点は非常に重要だ。

費用対効果を高めるために必要なのは「選択肢」

クライン氏　私たちは常に、ユーザー企業の費用対効果を高めることを目標としている。そのために必要なことは、生成AIに限らずあらゆる面で、ユーザー企業の状況に最適化した選択肢を提供することだ。

　例えば、AWSユーザーはハードウェアを選べる。AI技術用のプロセッサとして、当社の「AWS Trainium」だけでなく、IntelやNVIDIAといったベンダーのプロセッサを用意している。

　AWSは特定の目的に特化した機械学習サービスも複数提供している。その一例として

• ユーザーが好みそうなアイテムをレコメンドする「Amazon Personalize」
• ユーザーによる不正行為を検出する「Amazon Fraud Detector」
• 客足や在庫数など、ビジネス上の数値を時系列分析（時間の経過順に並んだデータをもとに変動要因や将来の値を分析すること）する「Amazon Forecast」

などがある。

　今後は生成AIを用いることで、業界特化型のサービスを拡充することを目指している。例えば「AWS HealthScribe」は、生成AIを使用して臨床医と患者との会話を文字に起こし、迅速に診察記録を作成するサービスで、オンライン診療で特に有用だ。将来的には、より多くのパートナーと協力し、業界特化型の基盤モデルを提供することを目指している。

　中編は学習データのトレーニング方法についてAWSがどのように支援するのかを解説する