AWS で始める機械学習はじめの一歩 ! AWS の主要な AI/ML サービスをグラレコで解説

builders.flash 読者のみなさん、こんにちは ! テクニカルライターの米倉裕基と申します。

本記事では、AWS が提供する AI/ML (人工知能/機械学習) 関連のサービスをご紹介します。

今日において AI/ML のテクノロジーは、個人利用からビジネス利用、社会機能を支えるインフラに至るまで、あらゆる場面で活用されており、今後ますます需要が高まることが予想されます。AWS では、AI/ML を特に重要なサービスカテゴリーと位置づけ、多様なユースケースに対応した高機能なサービスを提供してきました。

たとえば機械学習エンジニアであれば、Amazon SageMaker で独自の ML モデルを構築したり、Amazon Bedrock で先進的な生成 AI をアプリケーションに組み込むことができます。一方、機械学習の知識がない開発者でも、自然言語処理や画像認識など、特定の目的に応じて簡単に利用できるマネージド AI/ML サービスも多数提供しています。このように、AWS の AI/ML サービスは、初心者から専門家まで幅広いユーザーに対応しているのが特徴です。

X ポスト » | Facebook シェア » | はてブ »

builders.flash メールメンバー登録で、毎月の最新アップデート情報とともに、AWS を無料でお試しいただけるクレジットコードを受け取ることができます。 

本記事では、簡単に利用できるマネージド AI/ML サービスを中心に、代表的な 5 つのサービスを紹介します。各サービスの主なユースケースと使い方を順を追ってご説明します。

• AWS における AI/ML サービス

• 個人に最適化されたレコメンド：Amazon Personalize

• ノーコードで時系列予測：Amazon SageMaker Canvas

• 画像や動画を分析し、人やオブジェクトを検出：Amazon Rekognition

• 音声をテキストに自動変換：Amazon Transcribe

• テキストからインサイトを検出：Amazon Comprehend

• AI/ML サービスの共通ワークフロー

それでは、項目ごとに詳しく見ていきましょう。

---

AWS が提供する AI/ML サービスは、大まかに特定のタスクに特化した AI サービスと、機械学習プラットフォームを提供する ML サービスの 2 種類に分けられます。AI サービスの多くは、専門知識がなくても簡単な操作で利用でき、ユースケースに応じて手軽に機械学習を使ったさまざまな機能を実装できます。ML サービスは、より高度な機械学習の専門家向けに、効率的な ML モデル開発を促進する機能を提供しています。

特定のユースケースに特化した ML モデルを利用するためのサービスです。画像や音声認識、テキスト分析やセマンティック検索など、特定のタスクに特化したサービスが提供されています。

AI サービス カテゴリー 機能と特徴 Amazon Rekognition 画像 入力した画像や動画から物体や人を認識するサービス。 Amazon Polly 音声 自然な音声で文章を朗読する音声合成サービス。 Amazon Transcribe 音声データを高精度でテキストに変換するサービス。 Amazon Comprehend テキスト 入力したテキストから、言語、キーワード、感情などの情報を検出するサービス。 Amazon Translate 入力したテキストを機械学習を用いて他言語に翻訳するサービス。 Amazon Textract 画像ファイルやスキャン文書から、テキスト、表、画像などの内容を抽出するサービス。 Amazon Kendra 検索 企業の膨大な文書データを検索可能にするサービス。 Amazon Lex チャットボット テキスト、音声対話が可能なチャットボットを構築できるサービス。 Amazon Personalize レコメンド ユーザーの行動データから個人に最適化された商品推薦を生成するサービス。 Amazon Fraud Detector 不正検知 オンライン取引における不正をリアルタイムで検知するサービス。 Amazon CodeGuru コードレビュー コードレビューや改善提案を自動化するサービス。 Amazon Connect Contact Lens コンタクセンター コンタクトセンターの顧客対応業務を支援するための AI サービス。

MLモデルを独自に構築・調整することを目的としたサービスが提供されています。下記以外にも、Clarify や Feature Store、Data Wrangler など、Amazon SageMaker に統合される多くのサービス群が提供されています。

ML サービス	カテゴリー	機能と特徴
Amazon SageMaker	ML モデル構築プラットフォーム	エンドツーエンドの機械学習ワークフローを効率的に実行できるプラットフォーム。
Amazon SageMaker Ground Truth	データラベリング	機械学習のトレーニングデータを効率的にラベリングできるサービス。
Amazon SageMaker Canvas	ノーコード機械学習	ノーコードで機械学習による正確な予測を可能にするサービス。
Amazon Bedrock	生成 AI 基盤モデルプラットフォーム	高性能な基盤モデル (FM) を単一の API で選択できるフルマネージド型サービス。

AWS の機械学習サービスは、PyTorch などを始めとした、さまざまなオープンソースの ML フレームワークに対応しています。加えて、高性能な GPU インスタンスや機械学習専用に設計されたチップを搭載したインスタンスなど、機械学習のワークロードに最適化されたインフラストラクチャを提供しており、高度な計算リソースを活用して効率的に ML モデルをトレーニング・デプロイすることが可能です。

サービス	カテゴリー	機能と特徴
MXNet / TensorFlow / PyTorch	フレームワーク	オープンソースのディープラーニング向けフレームワーク。高いパフォーマンスと柔軟性を提供し、複雑なニューラルネットワークの構築とトレーニングを実現。
Gluon / Kera / Horovod	ライブラリ	MXNet に統合された、オープンソースの Python 用の高機能ライブラリ。ディープラーニングモデルの作成、トレーニング、デプロイをより直感的に行える。
インフラストラクチャ	ML 向けリソース	各種 ML フレームワークがプリインストールされた Deep Learning AMI や、Elastic Inference 対応インスタンスや AWS Trainium チップ搭載インスタンスなど、機械学習のワークロードに適したリソース。

AWS の AI/ML サービスを支えるこれらの 3 つのレイヤーについて詳しくは、AWS Samples の 「AWS ML JP」をご覧ください。

本記事では、機械学習に詳しくなくても簡単に利用できる AI/ML サービスの例として、Amazon Personalize、Amazon SageMaker Canvas、Amazon Transcribe、Amazon Comprehend、Amazon Rekognition の 5 つのサービスの機能と特徴を紹介します。

ユースケース 内容 パーソナライズされた商品推薦 オンラインショッピングサイトなどで顧客にもっとも関連性の高い商品を推薦する。 パーソナライズされたコンテンツ配信 ユーザーの過去の視聴履歴や好みに基づいて、動画や記事を推薦する。 ターゲット広告 ユーザーの興味や関心に合わせてパーソナライズされた広告を表示する。

Personalize の簡単な使い方は以下のとおりです。詳しくは「デベロッパーガイド (英語のみ)」をご覧ください。

データの準備：
ユーザーの行動データ (閲覧履歴等) を用意します。データセットに、個人情報は含めないように注意します。

データセットグループの作成：
Personalize コンソールから、データセットグループを作成し、スキーマを定義します。

レシピの作成：
データセットとアルゴリズム、各種パラメータを指定したトレーニング用のレシピを作成します。

モデルのトレーニング：
レシピを使って、モデルをトレーニングします。

API でレコメンド呼び出し：
レコメンドモデルを API で取得し、アプリケーションと連携します。

Personalize について詳しくは、製品ページの「Amazon Personalize」をご覧ください。

下記は、時系列予測で利用した場合のユースケースです。 

ユースケース 内容 製品需要の予測 過去の販売実績から将来の製品需要を予測する。 資源需要の予測 スタッフやインフラの需要を予測して適切な資源配分をする。 財務指標の予測 過去の業績データから将来の収益やコストを予測する。

Canvas の基本的な利用手順は以下の通りです。詳しくは「デベロッパーガイド」をご覧ください。

時系列データの準備：
需要実績や業績データを CSV または Parquet 形式で Canvas 上にアップロードし、Datasets を作成します。

前処理と特徴量エンジニアリング：
Canvas 上でデータの欠損値処理や正規化、目的変数と説明変数の指定等の前処理と、傾向や周期性を捉える特徴量を生成します。

モデル構築とチューニング：
予測対象のカラム、予測頻度、予測期間などを指定して時系列予測モデルを構築します。Canvas では、AutoML とアンサンブル学習により自動で最適なモデルが構築されます。

モデルの評価とデプロイ：
構築したモデルの性能を Canvas 上で評価します。また、SageMaker にデプロイして API 化も可能です。

予測結果の確認と活用：
デプロイしたモデルに対して API リクエストを送信し、予測結果を取得してアプリケーションで活用します。

Canvas について詳しくは、製品ページの「Amazon SageMaker Canvas」をご覧ください。

ユースケース 内容 商品画像の検索とマッチング 画像から商品を特定して、検索性能を向上する。 メディアアーカイブの自動タグ付け 動画や画像にシーンに基づくタグを自動付与する。 製造業の品質検査 製品の画像から欠陥や異常を検出する。

画像データの準備：
分析対象の画像や動画ファイルを用意します。

分析ジョブの実行：
Rekognition コンソールから分析ジョブを実行します。

分析結果の確認：
検出された物体や人の情報を確認します。

API で分析結果を取得：
分析結果は Rekognition API で取得し、アプリケーションと連携します。

Rekognition について詳しくは、製品ページの「Amazon Rekognition」をご覧ください。

ユースケース 内容 会議の議事録作成 会議の音声記録をテキストに変換して、議事録を作成する。 コールセンター音声分析 お客様からの音声データをテキスト化し、内容を分析する。 メディアコンテンツの字幕作成 動画や音声の字幕を自動生成する。

Transcribe の基本的な利用手順は以下の通りです。詳しくは、「デベロッパーガイド」をご参照ください。

音声データの準備：
変換対象の音声ファイルを用意します。

トランスクリプトの作成：
Transcribe コンソールからトランスクリプトを作成します。

ジョブの実行：
音声ファイルを指定して変換ジョブを実行します。

変換結果の確認：
テキストに変換された結果を確認します。

API で変換結果を取得：
変換結果は Transcribe API で取得し、アプリケーションと連携します。

Transcribe について詳しくは、製品ページの「Amazon Transcribe」をご覧ください。

ユースケース 内容 SNS 投稿の分析 SNS の投稿からユーザーの意図や感情を分析する。 顧客対応の分類 お問い合わせ内容を自動分類して対応品質を向上する。 ドキュメントの自動タグ付け 大量の文書にタグを自動付与して管理を効率化する。

Comprehend の基本的な利用手順は以下の通りです。詳しくは「デベロッパーガイド」をご参照ください。

テキストデータの準備：
分析対象のテキストファイルを用意します。

分析ジョブの実行：
Comprehend コンソールから分析ジョブを実行します。

分析結果の確認：
意図、感情、キーワードなどの分析結果を確認します。

API で分析結果を取得：
分析結果は Comprehend API で取得し、アプリケーションと連携します。

Comprehend について詳しくは、製品ページの「Amazon Comprehend」をご覧ください。

これまで見てきたように、AWS の AI サービスは、データの入力、モデルの構築、モデルの運用という一般的な機械学習のワークフローを共通のプロセスとして抽象化しています。開発者は、個々のサービスの違いを意識することなく、この一般的なワークフローで目的に応じた AI サービスを自由に選択できます。

本記事で紹介した 5 つのサービス以外にも、多くの AI/ML サービスを以下のワークフローで操作できます。

1. データセットの収集：
   利用目的に応じたデータセットを収集し、サービスにインポートする。
   

2. モデルの生成：
   トレーニングジョブを実行すると、サービスが最適なアルゴリズムを自動で選択しモデルを生成する。

3. モデルの評価：
   モデルの性能を評価し、必要に応じてパラメータ調整を行いモデルを再生成する。

4. 実運用：
   構築したモデルを API を通じて呼び出し、アプリケーションと連携する。

最後に、本記事で紹介した AI/ML サービスの全体図を見てみましょう。

2024 年 1 月現在、公式サイトの「AWS クラウド製品」では、48 種類の機械学習関連サービスを確認できます。AWS の AI/ML サービスは市場のニーズに合わせて継続的に拡充されています。たとえば生成 AI の需要の高まりに応じ、re:Invent 2023 では、Amazon Bedrock のナレッジベースの一般提供開始や、生成 AI アシスタントの Amazon Q、臨床ノート生成サービスの AWS HealthScribe など、さまざまな生成 AI 関連サービスが発表されました。

本記事を読んで AWS のマネージド AI/ML サービスに興味を持たれた方、実際に使ってみたいと思われた方は、ぜひ各種製品ページや、AWS Hands-on for Beginners の「AWS Managed AI/ML サービス はじめの一歩」や、AWS スキルビルダーなど入門者向けのコンテンツも合わせてご覧ください。