AWSの生成AI開発ツールを解説
「Amazon Bedrock」とは何か? 機能や用途、Amazon SageMakerとの違いは?
Amazon Web Servicesは生成AIアプリケーションの開発に利用できる「Amazon Bedrock」を提供している。同サービスの機能や用途を説明する。
Amazon Web Services(AWS)の「Amazon Bedrock」は、クラウドサービスで生成AIアプリケーションを構築するための機械学習サービスだ。Amazon Bedrockは、ユーザーがAIアプリケーションを迅速に開発できるようにするために、さまざまな基盤モデル(FM)を利用可能にする。
基盤モデルは、さまざまな種類のタスクを実行するために大量のデータセットを使用して訓練された生成AIを指す。基盤モデルは多様な用途に利用できる。
Amazon Bedrockの競合製品は、OpenAIの「ChatGPT」や「Dall-E」などの生成AIサービスだ。AWSの機械学習サービス「Amazon SageMaker」と比較されることもある。Amazon SageMakerは主に、ユーザー企業の用途に合った機械学習モデルを構築して訓練するために使用できる。それに対してAmazon Bedrockは、生成AIアプリケーションの構築により特化したサービスだ。
Amazon Bedrockが動作する仕組み
併せて読みたいお薦め記事
「Amazon Bedrock」についてもっと詳しく
ソフトウェア開発者はAmazon Bedrockの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、AI21 Labsの「Jurassic-2 Mid」やAnthropicの「Claude」、Cohereの「Command」、Metaの「Llama」などの基盤モデルを利用できる。
サードパーティーベンダーが開発した生成AIに加えて、AWSは自社で開発した「Amazon Titan」も基盤モデルとして利用可能にしている。Amazon Bedrockで利用可能なAmazon Titanには、プロンプト(生成AIに対して出す質問や指示)に応じてテキストを生成する「Amazon Titan Text」や、テキスト入力を数値表現に翻訳する「Amazon Titan Embeddings」が含まれる。
それぞれの生成AIは自然言語で入力されたプロンプトを理解し、その内容を基にテキストや画像などの形式で新しいデータを生成する。しかしエンドユーザーが追加設定をしたり指揮を執ったりしないと、複雑なタスクを実行できない。
生成AIで複雑なタスクを実行できるアプリケーションを構築できるようにするために、AWSはAmazon Bedrockのエージェントを提供している。開発者はこのエージェントを使い、自然言語で基盤モデルの設定やアプリケーション作成ができる。エージェントは、
- ユーザー企業が所有するデータソースと基盤モデルの接続
- 利用目的に応じた回答を生成するための基盤モデルの調整
- ソースコードの生成や実行
といった機能を備える。
Amazon Bedrockで作成できるアプリケーション
開発者はAmazon Bedrockを利用することで、以下のような用途のアプリケーションを構築できる。
- テキスト生成ツール
- ブログ記事やニュース記事、SNSに投稿するテキストなど、さまざまな形式のテキストを生成するアプリケーション
- 会話を通して問題を解決するチャットbot
- チャットbotやバーチャルアシスタント
- ユーザー企業が所有するナレッジやマニュアルなどのデータに基盤モデルをアクセス可能にすることで、エンドユーザーの自然言語の問い合わせに回答するチャットbot
- 画像生成ツール
- エンドユーザーがテキストや音声で入力した内容を基に、画像を生成するアプリケーション
- 基盤モデルとして、Stability AIの「Stable Diffusion XL」やAWSの「Titan Image Generator G1」などの画像生成AIを利用可能
- エンドユーザーがテキストや音声で入力した内容を基に、画像を生成するアプリケーション
Amazon Bedrockの利用プラン
Amazon Bedrockは2023年4月にプレビュー版が発表され、同年9月28日に正式提供が開始した。利用料金は基盤モデルや基盤モデルのカスタマイズの有無、利用方法などによって異なる。基盤モデルで推論を実行する場合は、2つの料金プランから選択できる。
- オンデマンド
- トークン(数文字で構成される基盤モデルのデータ処理単位)ごとに利用料金が加算される
- プロビジョンドスループット
- 1カ月または6カ月の時間単位の契約でスループット(1分当たりに処理できる入力トークンまたは出力トークンの最大数)が保証される
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
技術文書・技術解説
[Jamf Japan 合同会社] MDMだけでモバイルセキュリティは十分? 不足する対策を16項目でチェック -
事例
[Wrike Japan 株式会社] 世界的な家電メーカーが実践する「クリエイティブプロセス効率化」の方法とは? -
事例
[Wrike Japan 株式会社] 世界的テクノロジー企業に学ぶ、プロセス標準化とプロジェクト納品自動化の秘訣 -
事例
[Wrike Japan 株式会社] ソニー・ピクチャーズ テレビジョンに学ぶ、次世代サービスデリバリーのヒント -
事例
[Wrike Japan 株式会社] ソミック石川に学ぶ、ICT浸透後に直面した「工数管理」の課題と解決策
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「Copilot」はなぜ放置される? “議事録要約止まり”を脱する処方箋
-
2
脱VMwareの前提が崩れる BroadcomのVDDK公開停止で確認すべき点
-
3
Oracle巨大ITプロジェクトはなぜつまずいたのか 8年で導入1割、追加で170億ドル
-
4
「データストレージの活用方法」に関するアンケート
-
5
「Microsoft一択」で本当にいいのか 知らぬ間にライセンス費用が膨らむ真相
-
6
Microsoft製品でここまで自動化できる 情シスがやめられる手作業10選
-
7
【基本情報技術者試験】「デュプレックスシステム」と「デュアルシステム」の違いは?
-
8
ANAが専用回線から移行した「NaaS」の全貌 ネットワーク準備が数カ月から数週間に
-
9
「プログラマー不要論」にThe Linux Foundationが示した答え
-
10
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
ホワイトペーパーランキング PR
-
1
マンガで解説:「ゼロトラスト」「SASE」の必要性とメリット
-
2
5回聞くだけじゃ足りない? トヨタ式「なぜなぜ分析」の正しい実践方法
-
3
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
4
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
5
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは?
-
6
国税庁の次世代基幹システム「KSK2」稼働開始に向けて、対応すべき変更点とは?
-
7
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
8
ドラマで分かる、標的型攻撃メールの被害を受ける企業と回避できる企業の分岐点
-
9
「脱Excel」か「Excel快適化」か? 現場にやさしい業務改善の進め方
-
10
少額減価償却資産が40万円未満へ拡大、令和8年度税制改正で押さえるべき変更点
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー