無限ノック › AIP 練習問題一覧 › 問題AIP 基盤モデルの統合、データ管理、コンプライアンス
小売企業は、商品画像と既存のテキスト説明文の両方からSEO最適化された商品説明を自動生成するシステムを構築しています。初期は商品10,000点、将来的には100,000点規模への拡張が想定されており、アーキテクチャのシンプルさと出力品質の両立が求められています。最も適切な設計はどれですか？
A Amazon Rekognitionで画像からラベルを抽出し、そのラベルをAmazon Bedrock Claude 3のテキストAPIに渡すことで、2ステップのパイプラインで商品説明を生成する
Rekognitionとの2ステップ構成では、まずRekognitionでラベル抽出を行い、そのラベルのみをAPIに渡すため、画像の視覚的特徴情報が損失して品質が低下します。
B Amazon Bedrock Claude 3 Sonnetのマルチモーダル機能を使用し、商品画像と既存テキスト説明を単一のAPIコールで同時入力して商品説明を生成する
✓ 正解
Claude 3のマルチモーダル機能により、画像とテキストを単一APIコールで同時処理できるため、連携が不要でアーキテクチャがシンプルになります。画像の視覚的特徴とコンテキストを統合した高品質な説明文が生成できます。
C Amazon SageMakerで独自の画像キャプションモデルをトレーニングし、出力キャプションをAmazon Bedrock APIに渡して説明文を精製する
SageMakerで独自モデルをトレーニングするには、教師データの準備・モデル開発・チューニングなど、構築コストが非常に高く、既存の基盤モデル活用より過剰です。
D Amazon Bedrock Titan Image Generatorで新しい商品画像バリエーションを生成し、そのメタデータからSEO最適化された説明文を抽出する
Titan Image Generatorは新規画像バリエーション生成に特化しており、既存商品画像の説明文生成や分析用途には向きません。その用途に必要な機能を提供していません。
解説 Amazon Bedrock Claude 3 Sonnetのマルチモーダル機能を使用し、商品画像と既存テキスト説明を単一のAPIコールで同時入力して商品説明を生成する
Claude 3のマルチモーダル機能により、画像とテキストを単一APIコールで処理できるため、Rekognitionとの連携が不要でアーキテクチャがシンプルになります。画像の視覚的特徴とテキストコンテキストを統合した高品質な説明文が生成でき、スケールアップも容易です。Rekognitionを挟む2ステップ構成は視覚情報の損失リスクがあり、SageMakerの独自モデルは構築コストが高く過剰です。
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AIP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 →