AIF生成AIの基礎
あるスタートアップが、ユーザーレビューを「肯定的／否定的」に判定する単純な分類機能を、1日あたり数百万件という非常に高いリクエスト量で提供します。タスク自体は平易で、低レイテンシと低コストを最優先したいと考えています。Amazon Bedrock の基盤モデルを選定する際の考え方として最も適切なものはどれですか。
Aタスクの難易度と要件に見合った、より小型で低コスト・低レイテンシなモデルを選定する
✓ 正解
タスクの難易度や低コスト・低レイテンシ要件に見合った小型モデルを選ぶことで、平易な分類を高頻度かつ安価に処理できます。精度・コスト・速度のトレードオフを踏まえた最適な選定であり、最も適切です。
B常に提供されている中で最大規模・最高性能のモデルを選定する
最大規模・最高性能モデルは精度は高いものの単価とレイテンシが高く、平易な二値分類には過剰です。コストとレイテンシを最優先する本要件に反するため、選定の考え方として誤りです。
C画像生成に特化したモデルを選定してテキスト分類に転用する
画像生成特化モデルはテキストから画像を生成する用途のモデルで、テキスト分類タスクには適合しません。タスク種別とモデルの能力が一致しないため、転用は不適切で誤りです。
D埋め込み生成専用のモデルを選定して分類ラベルを直接出力させる
埋め込み専用モデルはテキストを数値ベクトルに変換するもので、肯定的／否定的のラベルを直接出力する分類用途には向きません。出力形式が要件と異なるため、選定として誤りです。
解説
基盤モデルの選定では、タスクの難易度・コスト・レイテンシ・精度のトレードオフを踏まえ、要件を満たす範囲で最も小型・低コストなモデルを選ぶのが適切です。平易な二値分類を超高頻度で安価に処理したい本ケースでは、大型モデルの高い精度は過剰で、コストとレイテンシの面で不利になります。
選択肢Bの最大規模モデルは精度は高いが単価とレイテンシが高く、平易なタスクには過剰でコスト最優先の要件に反する。
選択肢Cの画像生成特化モデルはテキスト分類の用途に適合しない。
選択肢Dの埋め込み専用モデルはベクトルを生成するもので、分類ラベルを直接出力する用途には向かない。
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 →