Amazon SageMaker Canvasの新しいLLM機能、ブレイン・アンド・カンパニーと共同開発

Pulisher : AI & Data Analytics Center チェ・スンヒョン
Description : Amazon SageMaker Canvasサービスで新機能であるLLMの活用方法について紹介するセッション

はじめに

現在進行中のプロジェクトで、最近SageMaker Canvasを活用してデータ分析及びクレンジングをしたいという要件がありました。Canvasをどのように活用できるかを準備する過程で、新規機能としてLLM関連機能が追加され、どのように使用できるかを聞きたいと申請しました。

セッションの概要紹介

セッションの冒頭で紹介された「At AWS, our goal is to put machine learning in the hands of everyone」というフレーズが印象的でした。すべての人に機械学習を提供することが目標である」というフレーズで始まったCanvasセッションでは、CanvasサービスでLLMを活用して、どのようにデータを効率的にモデルを構築することができるかを紹介しました。

SageMaker Canvasは、No Codeでビジネスユーザーがデータを準備し、MLモデルを構成し、予測できるようにするサービスです。ML Lifecycleは、データを探索して準備するところから始まります。その後、モデルを作成するために準備し、学習させ、予測し、どんどん発展していきます。 この過程でCanvasではBedrock、SageMaker、Rekognition、Comprehendなど様々なサービスを使用しています。

データ準備過程で使用できるチャット機能がCanvasに追加されました。 質問を通じてデータ処理のためのコードを確認することができます。 そして、そのコードを活用してCanvasでデータ準備のための段階に追加して活用することができます。データ前処理に約60～80%の時間がかかっている現在の環境で、LLMをCanvasで活用することで、所要時間の削減効果を得ることができます。

モデル学習結果を、コードを書かずにSagemaker Canvasでカスタマイズすることができます。

微調整されたモデルを使用できるようにCanvnasでノートブックを提供します。

このようにGenAIとlow-codeは多くの変化を促しました。

１．IT分野の専門家の数の増加速度が減少します。
２．予測モデル市場のサイズが$84.8B(約110兆ウォン)程度に増加します。
３．low-codeにより、非IT専門家の流入速度が増加します。

このようにGenAIは様々な方法でlow-code開発プラットフォームを飛躍的に強化させています。

１．Code Generation
２．Customization and Adaptability
３．Error Reduction : low-codeによるcode内のエラー発生の減少
４．Rapid Prototyping : 迅速なプロトタイプによる開発時間削減
５．Learning and Improvement
６．Enhanced Productivity : 業務の効率化などによる生産性の強化

セッションを終えて

low-codeそして学習された様々なLLMモデルをCanvasで提供することで、データサイエンティスト以外のアナリストもモデルをトレーニングさせて結果を得ることができる環境に近づいています。実際にプロジェクト中のお客様からもCanvasの構成についてご意見をいただいた理由も、簡単に学習させて結果を得るためでした。冒頭のセッションでお話されていたように、誰もが手軽に機械学習を利用できる環境が徐々に整ってきていることを実感することができました。