Amazon Web Services ブログ

生成 AI ワークロードのセキュリティリスクを評価するための脅威モデリング

本ブログでは、生成 AI ワークロードに対する効果的な脅威モデリングを実施するための主要なステップを再確認し、各段階で期待される典型的なアウトプットや検討結果を含む、さらなるベストプラクティスと例を紹介します。

Eclipse IDE 上の Java 開発で利用できるパワフルな生成 AI 機能のパブリックプレビュー提供開始

本日、世界中の Eclipse 開発者にとって画期的な一歩となるお知らせをいたします。Eclipse IDE における Amazon Q Developer のパブリックプレビューの提供を開始します。この統合により、最も人気のある開発環境の1つに、AI駆動の開発機能が直接組み込まれることになります。この記事では、この革新的な機能の詳細と、従来の IDE と最先端の AI の融合がソフトウェア開発ライフサイクル全体でどのように開発タスクを強化するかについてご紹介します。

責任ある AI に関する新しいツール、機能、リソースにより AI の信頼を促進する

信頼が AI 導入の礎となる中、私たちは AWS re:Invent 2024 で責任ある AI に関する新しいツール、機能、リソースの発表をお知らせします。これらは、私たちの AI サービスとモデルの安全性、セキュリティ、透明性を向上させ、お客様自身の責任ある AI の取り組みをサポートします。

Amazon Kinesis Video Streams のプライバシーと E2E セキュリティの概要

Amazon Kinesis Video Streams を強化する詳細なプライバシーとエンドツーエンド（E2E）セキュリティの概要について説明します。

Amazon SageMaker Canvas で製造データの異常を検出

Amazon SageMaker Canvas は、領域の専門家にノーコードインターフェースを提供することで、製造業のジレンマを解決します。データサイエンスの経験が十分になくても、予測、分類、回帰モデルなどの強力な分析や、ML モデルを作成できます。また、作成後、モデルを ML および MLOps 専門家に展開して共有することもできます。この記事では、SageMaker Canvas を使用して、必要な特徴量をデータから選択し、整理する方法を説明します。また、SageMaker Canvas のノーコード機能を使用したモデルチューニングの機能を使って、異常検出のための予測モデルをトレーニングする方法を紹介します。

生成 AI を活用して、店舗とオンラインショッピングの体験を新たなレベルへ

現代の小売業では、オンラインと店舗の買い物体験を融合させ、顧客により豊かな購買体験を提供することが求められています。Mad Mobileは、Amazon Bedrockを活用した生成AIコンシェルジュソリューションを開発し、店舗スタッフが顧客の購買履歴や好みを瞬時に把握できるようにしました。この技術により、店員は顧客一人一人に合わせたパーソナライズされた提案や接客が可能となり、顧客体験を大幅に向上させることができます。

生成 AI を活用してプレイヤーやプレスのゲームレビューを分析する

ゲーム開発者、ゲームスタジオ、パブリッシャーは、ゲームレビューの急激な増加と多様化によって、レビューの評価に大きな課題を抱えています。こういった変化に効率的に対処して最も重要な問題に注力できるよう、フィードバックを分類し優先順位付けする強固なシステムを開発者は必要としています。これは特に小規模なスタジオにとって課題となっており、限られたスタッフと財務リソースで大量のフィードバックを管理することに苦労しています。

この記事では、Amazon Bedrock を使用してゲームレビューのアップロード、処理、分析、要約を行うことができるサーバーレスソリューションの構築方法を説明します。この例ではゲームレビューに焦点を当てていますが、このアプローチは他の分野のレビューの分析と要約にも応用できます。

← Older posts