ユースカジノ入金不要ボーナス出金
～ユースカジノ入金不要ボーナス出金アプリの構築編～

投稿日: 2023/10/2

はじめに

こんにちは、伊藤忠テクノソリューションズ山近です。Amazon Kendra+LangChainを利用したユースカジノ入金不要ボーナス出金アプリの構築手順がAWS Blogに上がっておりましたので、実際に構築してみました。

https://aws.amazon.com/jp/blogs/machine-learning/quickly-build-high-accuracy-generative-ai-applications-on-enterprise-data-using-amazon-kendra-langchain-and-large-language-models/

1．ユースカジノ入金不要ボーナス出金と基盤モデルの重要性

①ユースカジノ入金不要ボーナス出金と従来のAIモデルとの違い

従来のAIユースカジノ入金不要ボーナス出金作成では、自らでデータを収集してラベル付けし、前処理やアルゴリズム選定などのモデリングを行い、ユースカジノ入金不要ボーナス出金作成を行うことが多かったと思います。また、この時の予測は、回帰や分類など数値情報がメインでした。

ユースカジノ入金不要ボーナス出金は、会話、ストーリー、画像、動画、音楽など、新しいコンテンツやアイデアを作成できる人工知能(AI)の一種で、他のAIと同様に機械学習モデルを利用しています。ユースカジノ入金不要ボーナス出金は種々のコンテンツを生成できる反面、膨大な量のデータで事前にトレーニングされた非常に大規模なモデルが必要で、これが、一般に基盤モデル (Foundation Models:FM) と呼ばれています。

②基盤ユースカジノ入金不要ボーナス出金

仮に、学習データを集められたとしても、ユースカジノ入金不要ボーナス出金モデル作成のためのボトルネックの1つに、そもそもモデルを作るのに膨大なコストがかるというのが挙げられます。有名な生成モデルであるCPT-4は1兆個を超えるパラメータを持っているそうですが、それらの最適解を見つける (イメージとしては、1兆強の多元連立方程式を解くようなもの) には、膨大な計算リソースが必要であり、とても1ユーザが捻出できる金額ではないと言われています。

そこで、世界各国のAI企業が、自らが集めた膨大なデータを使って学習したユースカジノ入金不要ボーナス出金を公開しており、それを必要であればそのユースカジノ入金不要ボーナス出金をすぐにデプロイして利用できるようにしたマネージド型サービスが、基盤ユースカジノ入金不要ボーナス出金になります。

③AWSの基盤ユースカジノ入金不要ボーナス出金

AWSが提供している基盤ユースカジノ入金不要ボーナス出金に関しては、こちらに記載がありますので、参考にしてみてください。

AWS東京リージョンでユースカジノ入金不要ボーナス出金モデルを利用するには

2．構築するユースカジノ入金不要ボーナス出金アプリの構成

まず、構築するユースカジノ入金不要ボーナス出金アプリの構成の以下になります。ユースカジノ入金不要ボーナス出金としては、大規模言語モデル(Large Language Model:LLM)を用いています。

具体的な動作としては、以下になります。

① ユーザが質問を入力
② ユースカジノ入金不要ボーナス出金への検索を実施
③ ユースカジノ入金不要ボーナス出金(ドキュメントのリンク)を出力しユーザへ返却
④ Amazon Kendraからの検索結果(コンテキスト)をユースカジノ入金不要ボーナス出金モデル(LLM)に対して入力
⑤ ユースカジノ入金不要ボーナス出金モデル(LLM)からの結果を出力しユーザへ返却

3．検索拡張ユースカジノ入金不要ボーナス出金

ベンダー提供の事前学習済のユースカジノ入金不要ボーナス出金が用いたとしても、そのままでは利用には限界があり、例えば以下のようなものがあります。

情報が古い
学習時のデータと利用時にはどうしてもタイムラグが発生するため、ユースカジノ入金不要ボーナス出金から戻される結果が、古い情報となることがあります。
過剰に類似したアウトプット
利用したユースカジノ入金不要ボーナス出金が過学習している場合、入力した内容をそのままアウトプットしてくることがあります。
回答内容の論理性の欠如
ユースカジノ入金不要ボーナス出金は、人間がそうするのとは異なり、入力した内容の意味を理解しているわけではありません(単に、似たような内容を返却しているだけ)。一見、正しそうに見えても論理的に破綻している回答になることがあります。

このような限界に対して、ユースカジノ入金不要ボーナス出金を実業務で利用できるようにするために強化してあげる必要があります。これには様々な手法が存在しますが、今回は、タイトルにもある検索拡張生成(Retrieval Augmented Generation:RAG)を使いました。

RAGは、あらかじめ設定した外部情報を信頼性の高い情報源として利用することで、情報が古い場合は補正したり、社内限定用語のようなユースカジノ入金不要ボーナス出金で未学習な事項を補完することができます。そして、RAGを実現しているのがAmazon Kendra+LangChainという関係になります。

4．ユースカジノ入金不要ボーナス出金とLangChain

①ユースカジノ入金不要ボーナス出金

RAGにおける外部情報の役割を担います。ユースカジノ入金不要ボーナス出金についてはこちらに記載がありますので、参考にしてみてください。

ユースカジノ入金不要ボーナス受け取れない拡張生成にAmazon Kendraを用いた生成系AIアプリ～

②LangChain

RAGにおけるLLMと外部情報との橋渡しをしているライブラリです。詳細は以下のdocsを参考にしてみてください。

Retrieval | 🦜️🔗 Langchain

5．ユースカジノ入金不要ボーナス出金 Indexの作成

以降では、こちらの手順のとおりに進めます。

GitHub - aws-samples/amazon-kendra-langchain-extensions: Samples to build Generative AI applications with LangChain and ユースカジノ入金不要ボーナス出金

①AWS CloudFormationによる展開

まず、外部情報であるKendraのIndexを作成ユースカジノ入金不要ボーナス出金。ここで、先ほど示したブログのようにIndexを作成してももちろん構いませんが、今回は、GitHubリポジトリにkendra-docs-index.yamlというファイルが用意されているので、それを使って手間を省きたいと思います。このファイルは、AWS CloudFormationのテンプレートファイルになり、自動的にKendraのセットアップとIndex作成が行われます。

AWS CloudFormationのトップ画面から「スタックの作成」を押下ユースカジノ入金不要ボーナス出金。次の画面で、kendra-docs-index.yaml をセットユースカジノ入金不要ボーナス出金。

次の画面でスタック名を入力(任意の名前)ユースカジノ入金不要ボーナス出金。以降についてはそのままデフォルトで構いません。最後の画面で「送信」を押下すると処理が走り出ユースカジノ入金不要ボーナス出金。

完了すると、ステータスがCREATE_COMPLETEとなります。

②ユースカジノ入金不要ボーナス出金のIndex作成結果確認

実際にユースカジノ入金不要ボーナス出金で確認すると、Index作成されています。なお、後ほどIndex IDが必要になりますので、把握しておいてください。

AWS CloudFormationによって、Amazon Kendraでどのような外部情報が作られたのか確認ユースカジノ入金不要ボーナス出金。サイトマップXMLが指定されています。

https://docs.aws.amazon.com/lex/latest/dg/sitemap.xml
https://docs.aws.amazon.com/kendra/latest/dg/sitemap.xml
https://docs.aws.amazon.com/sagemaker/latest/dg/sitemap.xml

実際にサイトマップXMLを開いてみると、Amazon Lex、ユースカジノ入金不要ボーナス出金、Amazon SageMakerの開発者ガイドであることがわかります。

6．ユースカジノ入金不要ボーナス出金アプリの構築

次に、ユースカジノ入金不要ボーナス出金アプリを構築します。先ほどのGitHubリポジトリのREADME.mdにインストール手順がありますので、その通りに進めます。

①AWS Cloud9のセットアップ

実行環境としては、EC2からユースカジノ入金不要ボーナス出金しても問題ないですが、セットアップの手間を省くためにAWS Cloud9からユースカジノ入金不要ボーナス出金していきます。セットアップは非常に簡単で、環境の名前だけ入力してあとはデフォルトのままで問題ありません。

しばらくすると、環境が起動してきます。

②Python3.9へのアップデート

手順通りに進めると、Python3.9以降が必要とのエラー出力されます。そのため、AWS Cloud9環境のPythonのバージョンを3.9以降にアップデートする必要があります。実際の手順は省略させて頂きますが、以下を参考にして実施ユースカジノ入金不要ボーナス出金した。

3.9 on Cloud 9 | AWS re:Post (repost.aws)

結果的にPython3.9にアップデートできました。

③ユースカジノ入金不要ボーナス出金構築

改めて手順通りに進めます。pip install -r requirements.txt を実行することで、LangChainやその他ユースカジノ入金不要ボーナス出金構築に必要なパッケージがインストールされます。

【補足】ブラウザ経由での接続方法

このアプリはstreamlitで起動ユースカジノ入金不要ボーナス出金。構築しているAWS Cloud9は、デフォルトではインバウンドルールは設定されておらず、外部からのすべての通信が拒否の状態です。そのため、ブラウザから接続して利用するには、何らかの対処が必要です。

1つの方法としては、AWS Cloud9の環境に対してstreamlitが使用するポート番号TCP:8501のみを接続許可するインバウンドルールを作成ユースカジノ入金不要ボーナス出金。作成後、セキュリティグループを構築したAWS Cloud9の環境にアタッチユースカジノ入金不要ボーナス出金。

この方法は1つの例であり、また、検証用の簡易的な手順であるためセキュリティ的な配慮はできておりません。実施する場合にはセキュリティ的に十分に注意し、自己の責任で実施してください。

④動作確認

ここまでの動作確認をユースカジノ入金不要ボーナス出金。以下の起動コマンドを実行すると、接続URLが表示されます。

$ streamlit hello

表示されたURLにPC等のブラウザから接続してすると、StreamlitのWelcome画面が表示されます。

7．SageMaker JumpStartによる基盤ユースカジノ入金不要ボーナス出金のデプロイ

①基盤ユースカジノ入金不要ボーナス出金の選択とデプロイ

ユースカジノ入金不要ボーナス出金(LLM)を展開するため、Amazon SageMakerから基盤モデルを選択していきます。

「1.ユースカジノ入金不要ボーナス出金と基盤モデルの重要性」に記載したリンク先のブログでも述べられておりますが、SageMakerにある基盤モデルはSageMaker JumpStartからデプロイすることが可能です。今回はHugging Faceが提供している「Flan-T5 XL」を使ってみます。

実際には、ファインチューニング等でプログラムの改修を実施していくこともあるかと思いますが、今回は、公開されている基盤ユースカジノ入金不要ボーナス出金をそのままデプロイします。

②Service Quotasによる制限緩和

ユースカジノ入金不要ボーナス出金で使われるDeeplearningアルゴリズムは、大量のパラメータをその途中経過をメモリ内に保持しながら計算しなければなりません。そのため、単に応答速度の早い/遅いというよりも、計算過程のメモリオーバーフローでエラーとなってしまうことを回避するために、デプロイするインスタンスはできるだけ高性能なものを選択することをお勧めします。

今回は、Flan-T5 XLで選択できる中で最も高性能な「ml.p3.16xlarge」を選択ユースカジノ入金不要ボーナス出金した。ただし、そのような高性能なインスタンスは利用が制限されている場合があります。その場合にはService Quotasから、そのリージョンにおけるAmazon SageMakerの「ml.p3.16xlarge for endpoint usage」に関するクォータを確認し、必要に応じて上限値の変更申請を実施してください。
※権限によっては実施できない場合もありますので、その場合は各アカウント管理者にご確認ください。

③デプロイの確認

デプロイ実施後しばらくするとエンドポイントがInServiceになります。エンドポイント名は後ほど使用ユースカジノ入金不要ボーナス出金ので、控えておいてください。

以上で、ユースカジノ入金不要ボーナス出金はすべて完了です。

8．ユースカジノ入金不要ボーナス出金アプリの実行

①ユースカジノ入金不要ボーナス出金起動

手順に戻り、AWS Cloud9で環境変数のexportを行ってください。設定するのは、AWSリージョン、KendraのIndex ID、デプロイした基盤ユースカジノ入金不要ボーナス出金のエンドポイント名です。

export AWS_REGION=ap-northeast-1 
          export KENDRA_INDEX_ID=258f4adc-a909-xxx-xxxx-2a879818bdc5
          export FLAN_XL_ENDPOINT=jumpstart-dft-hf-text2text-flan-t5-xl

アプリを起動してみます。手順のように、streamlitに引数を入れて実行ユースカジノ入金不要ボーナス出金。

$ streamlit run app.py flanxl

そして表示されたURLにブラウザで接続してみると、構築したユースカジノ入金不要ボーナス出金アプリに接続できました。

②動作確認

実際に動作確認してみます。まず、以下の2つの質問を実施ユースカジノ入金不要ボーナス出金。

What is Amazon SageMaker Canvas?
          What is Amazon SageMaker Clarify?

良さそうな回答が返ってきており、ソースのURLが表示されます。

次に、作成したユースカジノ入金不要ボーナス出金のIndexにはソースとして存在しないと思われる質問や複雑な質問も実施してみます。

What is AWS glue DataBrew?
          What unsupervised learning algorithms can I use with Amazon SageMaker?

わからないとの回答が返ってきたり、中途半端な回答が返ってきました。ただ、参照ソースのURLは正しいそうなので、ユースカジノ入金不要ボーナス出金の検索は正しく動いています。

9．Open AIのAPIを使う場合

①アーキテクチャ

SageMakerの基盤ユースカジノ入金不要ボーナス出金を使う以外にも、Open AIが公開しているAPIに接続して、その結果を使う方法もあります。その場合のアーキテクチャは以下のようになります。

②OpenAI API Keyの取得

OpenAIのAPIを利用する場合には、別途、契約等が必要です。必要に応じて、各自でこちらから実施してみてください。

Overview - OpenAI API

③ユースカジノ入金不要ボーナス出金起動

手続きが終わると、API Keyが発行されます。そのKeyをAWS Cloud9で環境変数に設定して、streamlitで引数を変更して起動してください。

export OPENAI_API_KEY=XXXXXXXXZ3YgXXXXXXXkFJwBbk4End8NUT2ocCfuoi

※内容は加工してあります。

$ streamlit run app.py openai

起動した画面のタイトルが、「・・・ユースカジノ入金不要ボーナス出金 and Open AI!」に変更されたことがわかります。

④動作確認

この内容で同じ質問を投げかけてみます。動作結果は以下にようになり、先ほどの基盤ユースカジノ入金不要ボーナス出金での結果と異なっているのが分かります。

⑤結果比較

Open AIのAPIを利用した場合の方が、意図した回答内容になっているように見えます。ただ、実際には基盤ユースカジノ入金不要ボーナス出金を何のチューニングもせずにそのまま使うということはなく、利用する要件に沿ってファインチューニングをすることで、基盤ユースカジノ入金不要ボーナス出金を活用する方が求めている要件に近づく可能性は十分に考えられます。

コストに関してはどちらも従量課金ですが、少し異なります。Open AIのAPIは入力に対して返却されるテキスト量に応じた課金となり、また、AWS基盤ユースカジノ入金不要ボーナス出金に関してはエンドポイントを起動している時間に応じた課金となります。一概にどちらが高い/安いとは言えません。

10．まとめ

アプリ構築から動作確認まで実施してきましたが、これですべての種類のユースカジノ入金不要ボーナス出金アプリ構築が作れるわけでは決してありません。ただ、このような簡易なアプリ構築を通じていろいろ試行錯誤することで、ユースカジノ入金不要ボーナス出金とその周辺知識に関する理解が深まるはずです。是非、試してみてください。

なお、AWSにおける基盤ユースカジノ入金不要ボーナス出金についてはAmazon Bedrockというサービスが発表されており、おそらく、こちらを使った完全なマネージド型サービスが拡充していくと予測されます。

基盤ユースカジノ入金不要ボーナス出金 API サービス – Amazon Bedrock – AWS

動作検証等ができましたら、改めて、続報を記載していきたいと思います。

カジノゲームは、AWSのビジネス利活用に向けて、お客様のステージに合わせた幅広い構築・運用支援サービスを提供しています。
経験豊富なエンジニアが、ワンストップかつ柔軟にご支援ユースカジノ入金不要ボーナス出金。
ぜひ、お気軽にお問い合わせください。

お問い合わせ