Amazon Web Services ブログ

Category: Expert (400)

Amazon SageMaker、Amazon OpenSearch Service、Streamlit、LangChain を使った質問応答ボットの構築

エンタープライズ企業における生成系 AI と大規模言語モデル (LLM) の最も一般的な用途の 1 つは、企業の知識コーパスに基づいた質問応答です。Amazon Lex は AI ベースのチャットボットを構築するためのフレームワークを提供します。事前学習済みの基盤モデル (Foundation Models; FM) は、さまざまなトピックに関する要約・テキスト生成・質問応答などの自然言語理解 (NLU) タスクではうまく機能しますが、幻覚やハルシネーションと言われる不正確な情報を含まない回答を提供するのが難しい、もしくは、学習データに含まれない内容に関する質問へ回答することはできません。さらに、基盤モデルは特定の時点のデータをスナップショットとして使用してトレーニングされており、推論時に新しいデータにアクセスすることはできません。推論時に最新のデータにアクセスできない場合、不正確または不適切な応答を返す可能性があります。

glTF を 3D タイルに変換して AWS IoT TwinMaker で大規模モデルのストリーミングを実現する

AWS IoT TwinMaker で 3D シーンをロードするときに、長い待ち時間が発生したことがありますか? 複雑な 3D モデルを表示するときに、レンダリングパフォーマンスの低下に悩まされているのではないでしょうか。シーン内で効率的にストリーミングできるように、モデルを 3D タイル形式に変換する方法があります。

このブログでは、Cesium ion を使用して 3D モデルまたは点群ファイルを 3D タイルセットに圧縮する方法と、変換された 3D タイルセットを使用して TwinMaker シーンを作成する方法を学びます。3D タイルセットを使用すると、元のモデルサイズを 50% から 90% 縮小し、AWS IoT TwinMaker 搭載ダッシュボードのレンダリングパフォーマンスを向上させることができます。

AWS Backup を使用して Amazon S3 のオブジェクトをリストアするときに、最終更新日時のタイムスタンプを保持する

Amazon S3 オブジェクトを AWS Backup でリストアする際に最終更新日時のタイムスタンプを保存する方法

通常、規制の厳しい業界のお客様は、データの整合性を維持し、ライフタイム全体を通じて利用できるよう義務付けられた規則に従っています。整合性要件を満たすためには、関連する任意の監査証跡やオブジェクト作成日時、最終更新日時、タグなどのメタデータ情報と共にデータはリストア可能でなければなりません。

AWS CDK Pipelines を用いたマルチブランチ管理とインフラのデプロイ

この記事では、AWS Cloud Development Kit (AWS CDK) を用いて GitFlow モデルに従って開発するための AWS CDK Pipelines モジュール の利用方法について説明します。ソフトウェア開発チームはソリューション開発のライフサイクルの中で厳格なブランチ戦略に従うことがよくあります。GitFlow モデルによるインフラのプロビジョニングにより、開発者はアプリケーションの同じスタック内であっても互いに独立して同時並行的に作業することができます。