AI・機械学習サービスの違いと使い分け

AIサービスを選ぶときは、認識するもの、欲しい出力、自分で管理するモデル開発の範囲を具体化します。音声・言語・画像・文書・対話・モデル開発・生成AIの違いを、組合せも含めて比較します。

この単元で学ぶこと

入力と出力の要件からAIサービスを比較する
対話・既成機能・独自モデル・基盤モデルの役割を区別する
品質と運用条件をサービス選択へ反映する

本文解説

1. 変換する向きを書く音声を文字へ変えるTranscribeと、文字を音声へ変えるPollyは、どちらも音声関連でも向きが逆です。翻訳のTranslateは文章の言語を変えます。例えば日本語の録音を英語で読み上げる構成では、文字起こし、翻訳、音声合成を分けます。途中の誤りが後段へ伝わるため、変換ごとの結果を確認します。

2. 抽出と意味を分けるスキャン文書の文字やフォームを取り出すTextractと、文章の感情やエンティティを分析するComprehendは異なる役割です。文書から文字を得て分析する流れで組み合わせられます。ただし各サービスの現行には追加機能もあるので、全機能を単純な一方向の枠へ閉じ込めず、本問で必要な入力と出力を比較します。

3. 視覚情報を何に使うか写真中の物体等を調べるRekognitionと、請求書の表の行・列や項目を得るTextractを比較します。どちらも画像を扱う場合があるため、画像ファイルというだけでは判断できません。必要な構造、ラベル、対応する書類、品質、後段の処理を明確にします。認識した金額や分類をどの条件で確定するかも設計します。

4. 会話の管理 Lex V2は利用者の目的を理解し、足りない情報を質問する会話を作ります。Transcribeだけなら音声の文字化、Pollyだけなら返答文の読み上げで、予約の目的や必要項目の収集を全体として定義するものではありません。Lexで集めた情報を業務へつなぎ、本人確認や空き枠等を別に検証します。

5. 既成機能かモデル工程か一般的な文字起こしや文書抽出を求めるなら既成の機能を比較し、独自データでモデルの構築・学習・配備等を管理するならSageMaker AIを比較します。ただし既成サービスにもカスタム分類等があり、独自性だけで排他的に決めません。必要な制御、学習データ、運用負担、品質と費用の条件を確認します。

6. 基盤モデルの利用 Bedrockは既存の基盤モデル等を利用して生成AIアプリを作る選択肢です。回答や要約を生成する役割は、文書から文字を抽出するだけの役割とは異なります。SageMaker AIでもモデルを扱うため、一部のユースケースは重なります。自分でモデル開発のどの工程を担うか、必要な機能や制御を基準に比較します。

7. 品質を同じ条件で比べる翻訳の自然さ、文書の項目抽出、異常検出では適切な評価が異なります。代表的な入力を使い、必要な正解・誤りの種類・許容時間を定めます。全体の正解率だけで重要な見逃しを隠さず、AIの信頼度を利用者の本人確認としても扱いません。モデルや機能を変更した場合は条件を合わせて評価します。

8. 費用とデータの条件利用量や実行方式に応じて料金が変わり、学習、推論、保存等の費用も異なります。対応言語・地域・形式、入力した情報や結果の管理を確認します。マネージドの機能を使うことは運用負担を減らせますが、採用の判断、業務処理への接続、品質の継続確認は利用者側に残ります。

図解

どこを作り、どこを利用するか — 各サービスは排他的とは限らず、一つの業務で複数を組み合わせられます。

重要ポイント

入力の種類だけでなく必要な出力を確認する。
対話の制御と文字変換・音声合成は別の役割。
サービスの重なりも認め、管理したい工程で比較する。

間違えやすい点

すべてのAI APIは調整不可という二分法で選ぶ。
信頼度の高さを正解や本人確認の証明にする。

用語解説

既成AI機能: 文字起こし等の用途別機能をサービスのAPI等から利用する方式。
基盤モデル: 広範なデータで学習され、複数の用途に利用・調整できるモデル。
生成AI: 文章等の新しい出力を生成するAIの利用分野。

参考資料

教材データに登録された参考リンクです。リンク先の内容や更新日は提供元でご確認ください。

確認問題の出題・採点や学習履歴の保存にはログインが必要です。