| 手法 | 何をする | コスト/手間 | 最新データの反映 | こんな時に |
|---|---|---|---|---|
| プロンプトエンジニアリング | 指示文（プロンプト）を工夫。モデルは変えない | 最小 | 都度プロンプトに入れる | まず手軽に精度改善。少量の例で足りる |
| RAG（検索拡張生成） | 外部データを検索して回答に付与。モデルは再学習しない | 中 | 得意（データ更新のみ） | 最新/独自の社内文書を参照・ハルシネーション低減 |
| ファインチューニング | ラベル付きデータでモデルの重みを追加学習 | 高 | 再学習が必要 | 独自の口調・形式・専門タスクに適応させたい |
| 継続事前学習 | 大量の未ラベルデータで基礎から追加学習 | 最大 | 再学習が必要 | 特定業界の言語・知識にモデルを深く適応 |
| やりたいこと | サービス |
|---|---|
| テキストの感情分析・エンティティ/キーフレーズ抽出 | Amazon Comprehend |
| 言語間の翻訳 | Amazon Translate |
| 音声 → 文字起こし | Amazon Transcribe |
| 文章 → 自然な音声 | Amazon Polly |
| チャットボット／音声ボット（会話AI） | Amazon Lex |
| 画像・動画の物体/顔/不適切コンテンツ検出 | Amazon Rekognition |
| 文書・フォーム・表からテキスト/データ抽出 | Amazon Textract |
| 社内文書のインテリジェント検索（自然文質問） | Amazon Kendra |
| ユーザーへのレコメンド（推薦） | Amazon Personalize |
| オンライン不正の検知 | Amazon Fraud Detector |
| 独自のMLモデルを構築・学習・デプロイ | Amazon SageMaker |
| 基盤モデル（生成AI）にAPIでアクセスしアプリを作る | Amazon Bedrock |
| すぐ使える生成AIアシスタント（業務Q&A/開発支援） | Amazon Q |
| Amazon Bedrock | Amazon SageMaker | Amazon Q | |
|---|---|---|---|
| ひとことで | 基盤モデルをAPIで使う（生成AI基盤） | MLを自分で作る統合環境 | すぐ使えるAIアシスタント |
| 誰向け | 生成AIアプリ開発者 | データサイエンティスト/MLエンジニア | 業務ユーザー/開発者 |
| 作り込み | サーバーレス・低（プロンプト/RAG/FT） | 高（構築〜運用まで） | ほぼ不要（設定して使う） |
| 例 | チャット/要約/生成アプリ | 需要予測モデルを自作 | 社内文書Q&A、コーディング支援 |
| タイプ | データ | やること | 例 |
|---|---|---|---|
| 教師あり学習 | ラベル付きデータ | 入力→正解の対応を学ぶ（分類・回帰） | スパム判定、価格予測、不正検知 |
| 教師なし学習 | ラベルなしデータ | データの構造・グループを発見（クラスタリング） | 顧客セグメント化、異常検知 |
| 強化学習 | 報酬（試行錯誤） | 報酬を最大化する行動を学ぶ | ロボット制御、ゲームAI、RLHF |
| 指標 | 意味 | 重視する場面 |
|---|---|---|
| 正解率 (Accuracy) | 全体のうち正しく予測できた割合 | クラスが均衡している時の全体像 |
| 適合率 (Precision) | 「陽性」と予測した中の正解率 | 誤検知(偽陽性)を避けたい（例：迷惑メール判定） |
| 再現率 (Recall) | 本当の陽性を取りこぼさない割合 | 見逃し(偽陰性)を避けたい（例：不正検知・病気の検出） |
| F1スコア | 適合率と再現率のバランス（調和平均） | 両者を両立したい・データが不均衡 |
| BLEU / ROUGE | 生成/要約/翻訳テキストの品質（参照との一致） | 生成AIの自動評価 |
| 人手評価 | 人が有用性・自然さ・安全性を判断 | 生成AIの品質・ビジネス適合の最終確認 |
| パラメータ | 効果 |
|---|---|
| Temperature | 高いほど多様・創造的、低いほど決定的・一貫的（事実回答は低め） |
| Top-p (核サンプリング) | 確率の高い候補を上位pの範囲から選ぶ。低いほど無難な語に絞る |
| Top-k | 確率上位k個の候補から選ぶ。小さいほど選択肢を絞る |
| 最大トークン数 (Max tokens) | 出力の最大の長さを制限 |
| 停止シーケンス (Stop) | 指定文字列が出たら生成を打ち切る |
| 次元 | 意味 | 関連ツール/対策 |
|---|---|---|
| 公平性 / バイアス | 特定の集団に不利な偏りがないか | SageMaker Clarify（バイアス検出）、バランスの良いデータ |
| 説明可能性 | なぜその結果になったか説明できるか | SageMaker Clarify（特徴量寄与） |
| 透明性 | モデルの用途・限界を開示 | モデルカード、AIサービスカード |
| 安全性 / 頑健性 | 有害・不適切な出力を防ぎ、安定して動く | Bedrock Guardrails |
| 真実性 (Veracity) | 誤情報・ハルシネーションを抑える | RAG、ガードレール、人手確認 |
| プライバシー / 制御 | 個人情報の保護と人間による制御 | Macie、Amazon A2I（Human-in-the-loop） |