AIAI Agent Dev Labaiagentdev-lab.com
3分適性診断 →
無料で学習を始める／ログイン無料で始める
メニュー

AIF-C01 · LESSON 2

GenAI の基礎24% · 3項目

生成 AI の基本の概念、ビジネスでの可能性と制限、生成 AI のための AWS のインフラストラクチャとテクノロジーを学びます。

2.1生成 AI の基本概念

2.1 生成 AI (GenAI) の基本概念を説明する。

概念

生成 AI は、新しいテキスト・画像・音声・コードなどを作る AI です。基盤モデル（FM）は大量のデータで事前学習された大規模なモデルで、LLM（大規模言語モデル）はその代表です。テキストはトークンに分割され、埋め込み（ベクトル）で意味を数値として表します。Transformer のアーキテクチャ、拡散モデル（画像の生成）、マルチモーダルのモデルなどがあります。

仕組み・手順

  1. トークン・埋め込み・コンテキストウィンドウの意味を理解する
  2. モデルの種類（テキスト・画像・マルチモーダル・埋め込み）を区別する
  3. 基盤モデルのライフサイクル（データの選択 → 事前学習 → 適応 → 評価 → デプロイ → フィードバック）を理解する
  4. 用途に合うモデルを選ぶ

業務での例

社内の文書の検索では、埋め込みモデルで文書をベクトルにして意味の近いものを探し、LLM でそれを要約して答える。

紛らわしい点・試験の注意

ミニクイズ

Q1. Transformer（LLM の土台になっている仕組み）の特徴として、最も適切なものはどれか。

  1. 画像だけを扱うための仕組みで、文章を処理することはできない
  2. 1 文字ずつ前の文字だけを見て、次の文字を辞書から順番に選んでいく
  3. アテンションの仕組みで、文の中の離れた単語どうしの関係も考慮して処理できる
  4. 人が文法のルールをすべて書き込み、そのルールのとおりに文章を作り出す
答えと解説を見る

正解：C　アテンションの仕組みで、文の中の離れた単語どうしの関係も考慮して処理できる

Transformer はセルフアテンションにより、入力全体の中で各単語がどの単語と関係が深いかを捉える。並列に処理しやすく、大規模な学習に向く。

Q2. 基盤モデル（FM）の説明として、最も適切なものはどれか。

  1. 大量のデータで事前学習され、要約・質問への回答・分類など、さまざまな用途に使える汎用的なモデル
  2. AI の学習に使うデータを保存しておくための、基盤となるデータベースのサービスのこと
  3. 特定の会社の 1 つの業務のためだけに、少ないデータで一から作られた、ほかの用途には使えない専用のモデルのこと
  4. 人が書いた業務のルールを集めて、そのとおりに判断するだけのルールエンジンのこと
答えと解説を見る

正解：A　大量のデータで事前学習され、要約・質問への回答・分類など、さまざまな用途に使える汎用的なモデル

FM は大規模なデータで事前学習された汎用的なモデルで、プロンプトの工夫・RAG・ファインチューニングで多くの用途に使える。LLM は FM の一種。

参考リンク

2.2生成 AI の可能性と制限

2.2 ビジネス上の問題の解決に GenAI を使用する場合の可能性と制限を理解する。

概念

生成 AI の利点は、適応性（多様なタスク）、応答の速さ、自然な対話、作業の自動化です。制限には、ハルシネーション（もっともらしい誤り）、非決定性（毎回違う出力）、解釈の難しさ、知識の時点の制約、偏り、コストがあります。ビジネスの価値は、効率・転換率・顧客満足などの指標で測ります。

仕組み・手順

  1. 生成 AI の得意な作業（要約・下書き・分類・対話）かを確認する
  2. 誤りが許されない処理には、人の確認やグラウンディング（RAG）を組み合わせる
  3. 精度・コスト・速度・規制の要件から、モデルを選ぶ
  4. ビジネスの指標（ROI・処理時間）で効果を測る

業務での例

営業のメールの下書きは生成 AI に任せて担当者が確認するが、契約の金額の計算は従来のシステムで行う。

紛らわしい点・試験の注意

ミニクイズ

Q1. 問い合わせ対応に生成 AI のアシスタントを導入した。ビジネスの効果を測る指標として、最も適切なものはどれか。

  1. モデルのパラメータの数と、モデルのファイルの大きさの変化
  2. アシスタントの回答の文字数の平均値と、回答の中で使われた漢字の割合の月ごとの変化
  3. 人に引き継がずに解決できた問い合わせの割合と、1 件あたりの平均対応時間
  4. 導入の説明会に参加した社員の人数と、配布した資料の枚数
答えと解説を見る

正解：C　人に引き継がずに解決できた問い合わせの割合と、1 件あたりの平均対応時間

効果は、解決率・対応時間・顧客満足・コストなどの業務の指標で測る。技術的な数値だけでは効果を判断できない。

Q2. 生成 AI の利点として、最も適切なものはどれか。

  1. 一度導入すれば、人の確認や運用の費用が今後一切かからなくなる
  2. どんな質問にも、常に事実として正しい答えを同じ表現で返してくれる
  3. 1 つのモデルを、指示を変えるだけで翻訳・要約・下書きなど多くの作業に使える
  4. 学習に使ったデータに含まれていなくても、最新の社内の情報を常に自動で知っている
答えと解説を見る

正解：C　1 つのモデルを、指示を変えるだけで翻訳・要約・下書きなど多くの作業に使える

生成 AI は適応性が高く、プロンプトで多様な作業に対応できる。一方で正確さや最新の情報には限界がある。

参考リンク

2.3生成 AI のための AWS のインフラストラクチャとテクノロジー

2.3 生成 AI アプリケーションを構築するための AWS インフラストラクチャとテクノロジーについて説明する。

概念

Amazon Bedrock は、複数の企業の基盤モデルを API で使えるフルマネージドのサービスです（ナレッジベース・エージェント・ガードレール・評価・カスタマイズを含む）。Amazon Q Business は社内データに基づく AI アシスタント、Amazon Q Developer は開発の支援、SageMaker AI JumpStart は事前学習済みのモデルのデプロイ、PartyRock は Bedrock の試用の場です。料金はトークン単位のオンデマンド、バッチ、プロビジョンドスループットなどがあります。

仕組み・手順

  1. すぐ使える業務アシスタントが欲しいなら Amazon Q Business
  2. 独自のアプリに生成 AI を組み込むなら Amazon Bedrock
  3. モデルを自分でホスト・調整するなら SageMaker AI JumpStart
  4. 料金のモデル（オンデマンド・バッチ・プロビジョンド）を利用量で選ぶ

業務での例

社内の規程や手順書に基づく Q&A を、開発せずに提供するため Amazon Q Business を導入し、自社のアプリの要約の機能は Bedrock の API で作る。

紛らわしい点・試験の注意

ミニクイズ

Q1. 社内のチャットで、毎回のプロンプトに 50 ページの規程集をすべて入れて質問している。費用と応答時間がかかりすぎる。最も適切な改善策はどれか。

  1. 規程集をさらに 100 ページに増やして、どんな質問にも答えられるようにしておく
  2. RAG で質問に関係する部分だけを検索してプロンプトに加え、入力のトークン数を減らす
  3. 質問のたびに、規程集を 3 回繰り返してプロンプトに入れ、内容を強調しておく
  4. 出力の最大トークン数を最大にして、回答をできるだけ長く詳しく書かせるようにする
答えと解説を見る

正解：B　RAG で質問に関係する部分だけを検索してプロンプトに加え、入力のトークン数を減らす

料金と応答時間は入力・出力のトークン数に比例して増える。RAG で関連する部分だけを渡すと、費用を下げつつ根拠のある回答にできる。

Q2. Amazon Bedrock に入力したプロンプトと、モデルの出力の扱いとして、最も適切なものはどれか。

  1. すべてのプロバイダーに共有され、次のバージョンのモデルの学習に使われる
  2. 一般に公開され、ほかの AWS の利用者も検索して内容を見ることができる
  3. 入力したプロンプトは、AWS の担当者が品質の確認のために毎回読んでいる
  4. 基盤モデルの改善には使われず、モデルのプロバイダーとも共有されない
答えと解説を見る

正解：D　基盤モデルの改善には使われず、モデルのプロバイダーとも共有されない

Bedrock では、利用者のコンテンツは基盤モデルの改善に使われず、モデルのプロバイダーとも共有されない。

参考リンク

レッスンは当サイトがAWS 認定の公式ページと公式試験ガイドをもとに独自に作成したもので、試験の内容を保証するものではありません。製品の仕様は変わることがあるため、参考リンク先の最新情報を確認してください。

ご利用上の注意（非公式・独自問題・合格保証なし）