Amazon Bedrock をグラレコで解説

Amazon Bedrock は、AWS が提供する開発者向けの生成 AI サービスで、開発者が独自の AI モデルを構築し、幅広いアプリケーションに統合することを可能にします。近年注目を集める生成 AI の領域において、Amazon Bedrock は独自の機能と特徴を持っています。

従来の AI が特定のタスクの自動化や予測に重点を置いていたのに対し、生成 AI はテキストや画像、音声など、創造的なコンテンツを生成することを目的としています。生成 AI の高い創造性により幅広い応用が期待されている一方、この新しい技術を実際に構築しサービスとして統合するには多くの困難と課題があります。

• 大規模なデータソース：
  生成 AI モデルを構築するには、膨大な量のデータソースが必要であり、これらのデータの収集や処理には多大な時間と労力がかかります。
• 高度な専門性：
  独自に生成 AI モデルを構築し、アプリケーションに統合するためには、高度な専門知識が必要になります。
• ハードウェアリソースとコスト：
  高性能な GPU などの計算リソースや大規模なストレージが必要となり、これらのリソースを維持するためのコストも考慮する必要があります。

これらの生成 AI 開発が抱える課題を解決するために、Amazon Bedrock は以下のような生成 AI 開発のための包括的なソリューションを提供します。

Amazon Bedrock の概要について詳しくは、「Amazon Bedrock とは」をご覧ください。

Amazon Bedrock の詳細な機能や特徴に移る前に、ここでは生成 AI の一般的なユースケースと Amazon Bedrock を活用するメリットを紹介します。

生成 AI の利用用途は、業種や業界を問わず広がりを見せており、今後も技術の進化と共に、さらなる用途の拡大が想定されます。以下は、現在主に活用されている生成 AI のユースケースの例です。

その他、AWS が考える生成 AI のユースケースについて詳しくは、「生成 AI のビジネス価値を組織で実現」をご覧ください。

Amazon Bedrock は、事前学習済みの高性能な基盤モデルや GUI ベースのツール群を提供することで、生成 AI アプリケーションの開発と運用を劇的に簡略化します。 また、AWS エコシステムとシームレスに連携できるメリットを活かしてさまざまなユースケースが考えられます。

商品の基本情報や画像を Amazon Bedrock に入力し、魅力的な説明文を生成します。マルチモーダルな基盤モデルを使って、テキストや画像を解析し、SEO 効果やコンバージョン率の向上を意識した訴求力のあるコピーを生成します。Amazon Bedrock による商品説明文の自動生成を組み込むことで、数百、数千の商品ページを効率的に量産するシステムが構築できます。

Amazon Bedrock を使った実際のプロジェクトについて詳しくは、「Amazon Bedrock のお客様の声」をご覧ください。

どれほど高機能で汎用性の高い生成 AI モデルであっても、あらゆる用途を完全にカバーすることは困難です。例えば、リアルタイム性が重要なチャット形式の用途では小型で高速なモデルが適しているし、出力品質を重視する用途では大規模モデルが適しています。そのため、Amazon Bedrock は、テキスト、チャット、イメージ、埋め込みのモダリティをサポートする多様な基盤モデルを提供し、用途に応じて最適なモデルを開発者が自由に選択できる仕組みを備えています。

モダリティとは、生成 AI における入力および出力の形式を指します。Amazon Bedrock の基盤モデルでは以下の 4 種類のモダリティの入出力をサポートしています。

Amazon Bedrock では、Amazon が提供する高精度な基盤モデル Amazon Titan ファミリーに加え、サードパーティーのプロバイダーが提供する多数の基盤モデルを利用できます。

Amazon Bedrock がサポートしている基盤モデルについて詳しくは、「Amazon Bedrock でサポートされている基盤モデル」をご覧ください。

利用可能なモデルやバージョンは、リージョンによって異なります。2024 年 5 月現在、アジアパシフィック (東京) リージョンであれば、Titan Text G1 - Express や Claude 2.1 などの基盤モデルが利用できます。なお、米国東部 (バージニア北部) リージョンおよび米国西部 (オレゴン) リージョンでは、すべてのモデルが利用できます。

リージョン別のモデルのサポート状況について詳しくは、「AWS 地域別のモデルサポート」をご覧ください。

Amazon Bedrock がサポートする基盤モデルは、多機能かつ高精度で安全な最新バージョンを継続的に提供するため、アクティブ、レガシー、サポート終了 (EOL) の 3 つのステータスに従い更新を繰り返します。

例えば、2024 年 5 月現在、以下の 3 つのモデルバージョンはサポート終了しているため、代わりにより新しいバージョンの利用が推奨されます。

2024 年 3 月には Anthropic 社の次世代最新モデルである Claude 3 ファミリーの中から、Claude 3 Haiku と Claude 3 Sonnet がアクティブになり、4 月には Mistral AI 社のトップクラスの推論能力を持つ Mistral Large がアクティブになりました。現在これらのモデルは、米国東部 (バージニア北部)、米国西部 (オレゴン)、欧州 (パリ)、アジアパシフィック (シドニー) の 4 リージョンで利用できます。また、4 月 16 日に、Claude 3 ファミリーの中でも最高の推論能力を持ち、AI システムの一般的な評価ベンチマークで最高レベルのパフォーマンスを発揮する Claude 3 Opus が米国西部 (オレゴン) リージョンでサポートを開始しました。さらに 4 月 23 日には、Meta 社の Llama 3 ファミリーから、推論、コード生成、指示理解などの性能が大幅に向上した Llama 3 8B と Llama 3 70B のサポートを米国東部 (バージニア北部) および 米国西部 (オレゴン) リージョンで開始しました。

過去に例を見ないほど技術革新の速度が早い AI の領域において、Amazon Bedrock はサードパーティーのプロバイダーの協力を得ながら、常に最新の基盤モデルを開発社に提供し続ける仕組みを備えています。

基盤モデルのライフサイクルについて詳しくは、「モデルのライフサイクル」をご覧ください。

Amazon Bedrock は、一問一答のコンテンツ生成だけでなく、特定のシナリオに沿った複合的なタスクやワークフローを設定できる「エージェント」機能を備えています。エージェントを使用すると、顧客対応のプロセスフローや、製品説明の段階的な導線、多段階の意思決定シーケンスなど、一連のマルチステップタスクを事前に定義できます。

さらに、エージェントにナレッジベースを組み合わせることで、検索拡張生成 (RAG) を活用したアプリケーションを簡単に構築することも可能です。

エージェントは、ユーザーからのプロンプトに対して、あらかじめ設定されたツールやデータソースを使用してタスクを実行します。

例えば旅行会社の自動応答システムにエージェントを組み込んだ場合、最初に旅行の目的を尋ね、次に旅行先の候補を提示し、その後予算と日程に基づいて最適なプランを提案する、といった複雑なマルチステップタスクを生成 AI の応答に組み込むことができます。

エージェントの設定には、以下のような項目が含まれます。

「エージェント向けの指示」には、エージェントに何をすべきか、どのようにユーザーとやり取りすべきかを伝えるための詳細を入力します。

アクショングループは、ユーザーの要求に応じて柔軟に処理を実行するための機能です。アクショングループに Lambda 関数を設定し、他の AWS サービスや、外部システムの API をコールすることができます。アクショングループを使うことで、複雑な処理をエージェントに付け加えることができます。

アクショングループの設定の手順は以下の通りです。

1. アクショングループの基本情報：
   アクショングループ名や、オプションで任意の説明文を記入します。
2. Lambda 関数の選択：
   アクショングループのロジックを定義した Lambda 関数をアクショングループに関連付けます。
3. API スキーマの選択：
   アクショングループの API の説明、構造、パラメータなどに関する詳細な情報を、YAML または JSON 形式の OpenAPI スキーマで定義します。API スキーマは、S3 バケットにアップロードするか、コンソール上のインラインスキーマエディタに直接記述します。
4. アクショングループの追加：
   アクショングループを追加して、エージェントに関連付けます。一つのエージェントに対して、アクショングループは複数設定できます。

アクショングループの作成方法について詳しくは、「Amazon Bedrock エージェントのアクショングループを作成する」をご覧ください。

Amazon Bedrock のナレッジベースは、特定のデータソースをベクトル化してベクトルデータベースに格納する機能です。ナレッジベースを使用すると、検索拡張生成 (RAG) を活用したアプリケーションを簡単に構築できます。

S3 バケットに保存したPDF やプレーンテキストのデータソースを、Amazon Titan Embeddings や Cohere Embed などの埋め込みモデルを使ってベクトル化し、Amazon OpenSearch Serverless や Pinecone、Redis Enterprise Cloud などのベクトルデータベースに格納します。ナレッジベース登録後、Amazon Bedrock コンソール上のテキストウィンドウでテストを実施できます。

ナレッジベースについて詳しくは、「Amazon Bedrock のナレッジベース」をご覧ください。

RAG とは、生成 AI がトレーニングデータソース以外の信頼できる知識ベースを参照する仕組みを指します。

生成 AI は、時により虚偽の情報を生成してしまう「ハルシネーション」を起こすことが知られています。そこで、生成 AI にモデル外の特定の情報源を参照させることで、ハルシネーションの発生リスクを抑えながら、最新の情報を提供する仕組みとして RAG のアプローチが考えられました。RAG について詳しくは、「RAG とは何ですか?」をご覧ください。

ナレッジベースをエージェントに関連づけることで、ユーザーのプロンプトに応じて、ナレッジベース内の情報を検索する RAG を簡単に構築できます。例えば、最新の製品仕様が記載された PDF ファイルをナレッジベースとして登録し、そのナレッジベースを参照するようエージェントの設定を行います。すると、ユーザーが「この製品の仕様を教えて」と尋ねた場合、エージェントはナレッジベースの PDF を検索し、最新の仕様情報を生成して返答できるようになります。

なお、ナレッジベースを使って RAG を構成する際は、必ずしもエージェントに関連づける必要はありません。例えば、RetrieveAndGenerate API を使ってナレッジベースに直接クエリを実行した上で、モデル推論を実行することも可能です。

その他 Amazon Bedrock のエージェントについて詳しくは、「Agents for Amazon Bedrock」をご覧ください。

生成 AI の進化は、人間の創造性を拡張し、新しいアイデアや作品の創出を促進する可能性を秘めています。一方で、生成 AI の生成するコンテンツには、学習データの偏り等の影響で、事実誤認や公序良俗に反する内容が含まれる可能性があります。このため、生成 AI を取り扱う企業には、生成コンテンツの事実確認や表現の適切さの評価が不可欠です。

AWS が提供する AI/ML サービスでは、責任ある AI のポリシーが適用されています。Amazon Bedrock でも同様に、データ保護、不正検出、コンプライアンス準拠、不適切な表現のフィルタリングなど、責任ある AI のためのさまざまな対策が施されています。

ユーザーのプロンプトの内容や、トレーニングデータセットなどは機密性の高い情報です。Amazon Bedrock では、扱うデータの安全性を保持するため、データ保護やモニタリングなどセキュリティ対策の仕組みを備えています。

Amazon Bedrock は、ISO、SOC、CSA STAR レベル 2 など、主要なコンプライアンス基準の適応対象になっています。また、HIPAA に適合しているため医療分野でも利用可能であり、GDPR に準拠した形での利用も可能です。インシデント発生時の迅速な対応体制が整えられているほか、定期的な内部/外部監査の実施、コンプライアンスレポートの公開など、高度な対策が講じられています。

Amazon Bedrock のコンプライアンスについて詳しくは、「Amazon Bedrock のコンプライアンス検証」をご覧ください。

Amazon Bedrock では責任ある AI を支援するための ガードレール機能 の 一般提供を開始 しました。ガードレールは、生成するコンテンツに対して責任ある AI のポリシーに従ったルールやフィルターを柔軟に定義・適用できます。ガードレールを設定することで、不適切なコンテンツの生成リスクを低減することができます。

ガードレールでは以下のルールやフィルターの設定が可能です。

ガードレールは、すべての基盤モデルやカスタムモデル、エージェントで利用できます。Amazon Bedrock のガードレールについて詳しくは、「Guardrails for Amazon Bedrock」をご覧ください。

責任ある AI の実現に向け、Amazon Titan などの AI サービスは、生成結果に関する著作権侵害の申し立てに対し、知的財産権 (IP) に基づく補償を提供しています。知的財産補償は、AI サービス自体だけでなく、トレーニングデータの利用に関する権利侵害の申し立てにも適用されます。ただし、サービスの利用者側にも、権利侵害の恐れのあるデータを入力しないなど、責任ある運用が求められます。

AWS が知的財産権侵害を補償する AI サービスについて詳しくは、「サービス規約」のセクション 50.10 をご覧ください。

Amazon Titan 以外の基盤モデル利用時の知的財産権侵害申告に対する補償は、各モデルの使用許諾契約に準じます。例えば Claude であれば、Anthropic 社のエンドユーザー使用許諾契約に基づき、Anthropic 社が Claude の利用に関連する知的財産権侵害の申し立てから顧客を防御し、補償する責任を負います。
各基盤モデルの使用許諾契約について詳しくは、AWS Marketplace や Amazon Bedrock コンソールの各プロバイダーページからエンドユーザー使用許諾契約 (EULA) をご覧ください。

生成 AI の開発には、大規模なデータセットと計算リソースが必要不可欠で、自社でゼロから構築する場合、膨大なコストと時間がかかります。その点、Amazon Bedrock を利用することで、事前学習済みの高性能な基盤モデルを利用でき、基礎となるモデル構築の手間とコストを削減できます。

Amazon Bedrock では、「モデルの推論」と「カスタマイズ」に対して利用料金が発生します。例えば、エージェントやナレッジベースを利用する場合であっても、これらの機能で使用した基盤モデルとベクトルデータベースに対してのみ課金され、その他の追加料金は発生しません。

モデル推論の料金は、使用するモデルやリージョンによって異なります。以下は、一部のモデルの入力 / 出力 1,000 トークンおよび標準品質の画像 1 枚あたりのオンデマンド料金と、1 か月契約時の 1 時間あたりのプロビジョンドスループット料金の例です。

以下は、2024 年 5 月現在の米国東部 (バージニア北部) リージョンの料金表です。

バッチモードとは、S3 バケットに保存している大量のデータを一括して効率的に処理できる推論モードです。バッチモードもオンデマンドと同様に、入力と出力のトークン量に応じた従量課金で料金が発生します。

バッチモードについて詳しくは、「バッチ推論を実行する」をご覧ください。

特定のタスクや用途に最適化するために、基盤モデルをカスタマイズ (微調整) する際には、トレーニングデータ量と時間に応じた料金、構築したモデルのストレージ料金、カスタムモデル利用の推論料金が発生します。

• トレーニング料金：テキスト生成モデルの場合、学習データの量とエポック数に基づいて課金
• ストレージ料金：構築したカスタムモデルの保存領域に月額料金
• 推論料金：カスタムモデルの利用にはスループットプランに応じた料金

Amazon Bedrock の料金体系について詳しくは、「Amazon Bedrock の料金」をご覧ください。

最後に、本記事で紹介した機能の全体図を見てみましょう。