Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

Amazonウェブサービス（AWS）は、大規模な言語モデルやその他の基盤モデルの構築、トレーニング、デプロイメントを加速することを目的とした、Amazon SageMaker内の5つの新機能を発表した。これらの進歩は、組織がさまざまな生成AIユースケース向けの機械学習モデルをより簡単かつ迅速に開発および展開できるように設計されている。新機能には、モデルのトレーニング時間を短縮する機能、マネージド機械学習インフラストラクチャーの運用を最適化する機能、品質パラメータに基づいたモデルの選択を支援するSageMaker Clarify機能が含まれるという。AWSはまた、自然言語命令を使用してデータの準備を容易にするノーコード機能をSageMaker Canvasに導入しているとのこと。

数十億のパラメータを含むモデルの台頭は、機械学習の進歩、スケーラブルな計算能力、データの急増によって促進されている。これらのモデルは、ブログ投稿の作成からドキュメントに基づいた質問への回答まで、幅広いタスクを実行できる。SageMakerは、3M、AstraZeneca 、Ferrari、LG AI Researchを含む数万の顧客によって使用され、毎月1兆5,000億件を超える推論リクエストを行っている。AI21 Labs、Stability AI、Technology Innovation Instituteなどの顧客は、SageMakerを使用して最大数十億のパラメータでモデルをトレーニングしているという。

生成AIが勢いを増すにつれて、多くの新しいアプリケーションがモデルに依存するようになる。しかし、ほとんどの組織は、インフラストラクチャーをこれらの新しいモデルの要求を満たすように適応させるのに苦労している。SageMakerには、大規模なモデルのトレーニングとデプロイの負担を軽減する2つの新しい機能が追加されている。SageMaker HyperPodはモデルのトレーニングを加速し、トレーニング時間を最大40%削減する。SageMakerの分散トレーニングライブラリーで事前構成されているため、顧客はトレーニング ワークロードを数千のアクセラレーターに自動的に分割できる。SageMaker Inferenceは、モデルのデプロイメントのコストとレーテンシーを削減し、顧客が複数のモデルを同じインスタンスにデプロイして、基盤となるアクセラレーターをより効果的に活用できるようにするという。

顧客は、生成AIアプリケーションを強化するモデルを選択する際に幅広い選択肢がある。SageMaker Clearは、顧客が選択したパラメータに基づいて特定のユースケースに最適なモデルを評価、比較、選択できるようになった。SageMaker Clarifyの新機能を使用すると、顧客は評価用に独自のモデルを簡単に送信したり、SageMaker JumpStart経由でモデルを選択したりできる。Amazon SageMaker Canvasは、顧客がコードを1行も記述することなく機械学習モデルを構築し、予測を生成できるようにする。SageMaker Canvasのビジュアルインターフェイスにより、機械学習の専門知識を持たない人でも簡単に独自のデータ準備を行うことができるとのことだ。