AIF生成AIの基礎
ある開発チームが、社内文書を意味的に検索できるセマンティック検索システムをAmazon Bedrock上で構築しています。文書やユーザーの検索クエリを、意味の近さを数値ベクトル空間上の距離で表現できる形式に変換し、類似度計算で関連文書を探したいと考えています。この変換に用いる基盤モデルの種類として最も適切なものはどれですか。
Aテキストを意味を表す数値ベクトルに変換する埋め込み（Embedding）モデル
✓ 正解
テキストを意味的特徴を捉えた数値ベクトルへ変換するのが埋め込みモデルの役割です。意味の近い文書同士がベクトル空間で近接するため、類似度計算によるセマンティック検索やRAGの検索基盤に最適で、要件に合致します。
Bテキストプロンプトから画像を生成する画像生成モデル
画像生成モデルはテキストプロンプトから画像を作成するもので、文書やクエリを類似度比較できる数値ベクトルに変換する機能を持ちません。セマンティック検索の用途には適さないため不適切です。
C入力に続く自然な文章を生成するテキスト生成モデル
テキスト生成モデルは入力に続く文章を生成するモデルで、検索のための意味ベクトルを出力する目的とは異なります。類似度計算に使うベクトル表現を直接得る用途には合わないため不適切です。
D音声をテキストに書き起こす音声認識モデル
音声認識モデルは音声データをテキストへ書き起こすもので、テキストの意味を数値ベクトル化する処理は行いません。今回のセマンティック検索の要件とは機能が異なり該当しません。
解説
埋め込み（Embedding）モデルは、テキストなどのデータを意味的な特徴を捉えた高次元の数値ベクトルに変換します。意味が近いテキストはベクトル空間上でも近い位置に配置されるため、ベクトル間の距離（コサイン類似度など）を計算することで、キーワード一致に頼らないセマンティック検索やRAGの検索基盤を実現できます。
選択肢Bの画像生成モデルはテキストから画像を作るもので、意味ベクトルへの変換や類似度検索の用途には使えません。
選択肢Cのテキスト生成モデルは続きの文章を生成するもので、検索のためのベクトル表現を出力する目的とは異なります。
選択肢Dの音声認識モデルは音声をテキスト化するもので、意味の数値ベクトル化という今回の要件には合致しません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →