Category: Announcements

この記事は AWS Amplify Studio – Figma to Fullstack React App With Minimal Programming を翻訳したものです。 AWS Amplifyにおいて、Amplifyの強力なバックエンドとの統合・管理機能を持ち、最小限のコーディングでUI開発を加速する新機能（パブリックプレビュー）をフロントエンド開発者に提供するGUI開発環境「AWS Amplify Studio」を発表しました。 Amplify Studioは、Figmaで作成されたデザインを人間が読めるReactのコンポーネントコードに自動的に変換します。また、Amplify Studioでは、開発者が生成されたコンポーネントをアプリのバックエンドデータに視覚的に接続することができます。 これまでAmplify Admin UIが持っていたバックエンドの設定と管理機能（「データ」、「認証」、「ストレージ」など）は、今後Amplify Studioの一部となり、統一されたインターフェイスを提供することで、開発者がフルスタックのアプリをより高速に構築できるようになります。

2021 年 12 月 1 日（米国時間）、新しいAmazon SageMaker の機能である Amazon SageMaker Training Compiler を発表できることを嬉しく思います。これにより、深層学習 (DL) モデルのトレーニングを最大 50% 高速化できます。 DL モデルが複雑化するにつれて、DL モデルの最適化とトレーニングにかかる時間も増加します。例えば、一般的な自然言語処理 (NLP) モデル「RoBERTa」のトレーニングには 25,000 GPU 時間かかることがあります。モデルのトレーニングにかかる時間を短縮するために顧客が適用できる手法や最適化はありますが、実装には時間がかかり、特別なスキルセットが必要です。これは、人工知能 (AI) の幅広い採用におけるイノベーションと進歩を妨げる可能性があります。 これは今日までどのように行われてきましたか？ 通常、トレーニングを高速化するには、次の 3 つの方法があります。

AWS Well-Architected Framework は、2015 年から AWS のお客様のクラウドアーキテクチャの改善を支援してきました。このフレームワークは、優れた運用効率、セキュリティ、信頼性、パフォーマンス効率、コストの最適化といった複数の柱にまたがる設計原則、質問、ベストプラクティスで構成されています。 2021 年 12 月 2 日（米国時間）、クラウドコンピューティングの環境ベストプラクティスを使用して、組織がワークロードを学習、評価、改善できるよう支援する、新しい柱としてサステナビリティ（持続可能性）を紹介します。

インターネットは、善意のガイダンスと回答を得るための優れたリソースです。しかし、自分が見ているものが、実際に従うべきアドバイスであるかどうかを判断するのが難しい場合があります。また、一部のユーザーは、オープンインターネットではなく、信頼できる単一のオンラインコミュニティを使用して、信頼できる、吟味された、最新の質問に対する回答を提供したいと考えています。 2021 年 12 月 2 日（米国時間）、AWS のお客様、パートナー、従業員のコミュニティが推進する AWS 無料利用枠の一環である、新しい質疑応答 (Q&A) サービスの  AWS re:Post を発表できることを嬉しく思います。AWS re: Post は、AWS が管理する Q&A サービスで、AWS に関する技術的な質問に対して、クラウドソーシングにより専門家監修の回答を提供し、AWS フォーラムに代わるものです。コミュニティメンバーは、承認された回答を提供し、他のユーザーからの回答を確認することで、評判ポイントを獲得してコミュニティエキスパートとしての地位を築くことができます。これにより、すべての AWS のサービスにおいて公開知識の可用性を継続的に拡大できます。

2021 年 12 月 2 日（米国時間）、Construct Hub と AWS Cloud Development Kit (AWS CDK) バージョン 2 が一般提供されたことをお知らせします。 AWS CDK は、使い慣れたプログラミング言語 C#、TypeScript、Java、Python、Go (デベロッパープレビュー中) を使用して、クラウドリソースの操作を簡素化するオープンソースフレームワークです。デベロッパーはアプリケーション内で、コンストラクトと呼ばれる再利用可能なタイプを使用してクラウドリソースを作成および設定します。コンストラクトは、選択した言語の他のタイプと同じように使用します。また、カスタムコンストラクトを作成して、チームや組織全体で共有することもできます。 現在、一般提供されている新しいリリースでは、CDK を使用したクラウドリソースの定義がさらに簡単で便利になり、Construct Hub により、より広範なクラウド開発コミュニティ内でオープンソースのコンストラクトライブラリを共有できるようになりました。

AWS の使命は、機械学習 (ML) をより利用しやすくすることです。ここ数年の会話を通して、私は機械学習の初心者の多くが直面している障壁について学びました。既存の機械学習環境は、初心者には複雑すぎるか、最新の機械学習実験をサポートするには制限が強すぎることがよくあります。初心者は、予算超過を避けるために、インフラストラクチャのスピンアップ、サービスの設定、請求アラームの実装について心配することなく、すぐに学習を開始したいと考えています。これは、多くの人のもう一つの障壁を強調しています。サインアップ時に請求情報とクレジットカード情報を提供する必要があるということです。 誤って大きな請求を出すことがない Jupyter ノートブックをホストするための予測可能で制御された環境を持つとしたらどうでしょうか？ それがサインアップ時に請求情報とクレジットカード情報をまったく必要としないものだとしたら？ 2021 年 12 月 1 日（米国時間）、Amazon SageMaker Studio Lab のパブリックプレビューを発表できることを非常に嬉しく思います。これは、AWS アカウント、クレジットカード、クラウド設定の知識がなくても、誰でも機械学習を学んで実験できる無料のサービスです。

長年、情報技術 (IT) に携わっている女性として、長きにわたりジェンダーの固定観念に挑戦し、より多くの若い学習者がテクノロジー業界でのキャリアを検討するよう促すことは、常に私の心の底にありました。人工知能 (AI) と機械学習 (ML) がテクノロジーの未来を定義する中、この未来は多様な表現にもかかっています。 世界経済フォーラムは、技術の進歩と自動化により、AI や機械学習の分野を含め、2025 年までに 9,700 万人の新しい技術雇用が創出されるだろうと推定しています。しかし、その調査によると、女性は世界で AI での雇用の 32％ を占めているだけです。Pew Research Center は、米国の黒人労働者とヒスパニック系労働者が科学、技術、工学、数学 (STEM) のキャリアに従事する労働者のそれぞれ 9％ と 8％ を占めているだけであることがわかりました。 Amazon では、技術は包括的で、多様性があり、公平な方法で構築されるべきだと考えています。私たちは、過小評価されているグループが技術スキルを構築または向上させ、新しいキャリアの可能性を開くことを可能にする STEM プログラムをすでに提供しています。We Power Tech、Amazon Future Engineer、AWS Girls’ Tech Day、AWS GetIT などのプログラムは、包括的で、多様で、アクセスしやすい技術の未来を築くことを目指しています。 2021 年 12 月 1 日（米国時間）、インテルと Udacity とのコラボレーションによる AWS AI & ML 奨学金プログラムの開始を発表できることを嬉しく思います。このプログラムは、世界中の過小評価され、十分なサービスを受けていない学生が機械学習でのキャリアに向けて準備できるように設計されています。

2021 年 12 月 1 日（米国時間）、データセットのラベル付けをかつてないほど容易にする Amazon SageMaker スイートの最新サービスを発表できることを嬉しく思います。Ground Truth Plus は、専門スタッフが高品質のトレーニングデータセットを迅速に提供し、コストを最大 40% 削減するターンキーサービスです。 機械学習モデル作成の課題 機械学習 (ML) モデルの構築とトレーニングにおける最大の課題の 1 つは、ラベル付けされた高品質のデータを大規模に調達して、モデルにフィードしてトレーニングし、正確な予測を行うことができるようにすることです。 一見すると、データにラベル付けするのはかなり簡単な作業のように思えるかもしれません…

2021 年 12 月 1 日（米国時間）、Amazon SageMaker Inference Recommender を発表できることを嬉しく思います。Amazon SageMaker Inference Recommender は、負荷テストを自動化し、機械学習 (ML) インスタンス全体でモデルのパフォーマンスを最適化する、まったく新しい Amazon SageMaker Studio 機能です。最終的には、機械学習モデルの開発から本番稼働までの時間が短縮され、運用に関連するコストが最適化されます。

何十万人ものお客様が Amazon Simple Queue Service (SQS) を使用してメッセージベースのアプリケーションを構築し、マイクロサービス、分散システム、サーバーレスアプリケーションの分離とスケーリングを行っています。キューコンシューマーがメッセージを正常に処理できない場合は、メッセージをデッドレターキュー (DLQ) に保存するように SQS を設定できます。 ソフトウェア開発者やアーキテクトであれば、DLQ 内の消費されなかったメッセージを調べて確認し、処理できなかった理由を解明して、パターンを特定し、コードエラーを解決して、最終的に元のキューでこれらのメッセージを再処理したいと考えるでしょう。これらの消費されなかったメッセージのライフサイクルは、エラー処理ワークフローの一部であり、多くの場合、手作業で行うため時間がかかります。 2021 年 12 月 1 日（米国時間）は、SQS 標準キュー用に拡張された新しい DLQ 管理エクスペリエンスの一般提供が開始されたことを発表しました。この新しいエクスペリエンスを使用すると、消費されなかったメッセージを DLQ からソースキューに簡単にリドライブできます。