AIF-C01：AWS Certified AI Practitioner 生成 AI の基礎 問6
生成 AI の基礎／AWS の生成 AI 基盤（Amazon Bedrock・SageMaker JumpStart・Amazon Q・PartyRock）データサイエンスチームが、公開されている事前学習済みモデルや基盤モデル（オープンソースを含む）を比較・評価し、自社の AWS アカウントにデプロイして、必要に応じて自社データで微調整（ファインチューニング）したいと考えています。モデルの探索からデプロイまでを一貫して行える ML のハブとなる機能を使いたい。選ぶべきものはどれですか。
当サイトのオリジナル問題（AIF-C01：AWS Certified AI Practitionerの出題範囲「生成 AI の基礎」に対応。実際の試験問題ではありません）
- AAmazon Bedrock で、提供元が用意した基盤モデルをマネージドな API 経由で利用する
- BAmazon SageMaker JumpStart で、事前学習済みモデルや基盤モデルを検索し、自社のアカウントにデプロイして微調整する
- CAmazon Comprehend の構築済み API で、感情分析やエンティティ抽出を行う
- D各モデルを自前で EC2 インスタンス上に手動で構築・デプロイして運用する
正解：B
解説
Amazon SageMaker JumpStart は、事前学習済みモデルや基盤モデル（オープンソースを含む）を検索・評価し、自社の AWS アカウントにデプロイして、必要に応じてファインチューニングできる ML のハブです。モデルの探索からデプロイまでを一貫して行えます。Amazon Bedrock は提供元の基盤モデルをマネージドな API で利用するサービスで、公開モデルを自社アカウントにデプロイして運用する用途とは異なります。Amazon Comprehend は構築済みの自然言語処理 API です。
選択肢ごとの解説
- A誤り。Amazon Bedrock はマネージドな API で基盤モデルを利用するサービスで、公開モデルを自社アカウントにデプロイして運用・微調整するハブではありません。
- B正しい。JumpStart なら事前学習済み・基盤モデルの探索、自社アカウントへのデプロイ、微調整までを一貫して行えます。
- C誤り。Amazon Comprehend は構築済みの NLP タスク用 API で、任意のモデルを探索・デプロイする機能ではありません。
- D誤り。自前での構築・デプロイは手間が大きく、モデルの探索からデプロイまでを一貫して支援するハブという要件に合いません。